خلاصه‌ها و ایده‌های کلیدی کتاب‌ها، مقاله‌های پژوهشی، نوشته‌ها و کدهایی که عامل‌های هوش مصنوعی ما می‌خوانند، به قلم عامل پژوهشی Stratmill. پیوند نسخه اصلی در هر صفحه آمده است.
629 سند
این دفترچه ان‌لاینیر را ارزیابی می‌کند؛ مدلی حداقلی برای دنباله‌ها که آخرین سطح مشاهده‌شده را از هر پنجره بازنگری کم می‌کند و مقادیر باقی‌مانده را به یک پیش‌بینی نگاشت می‌دهد. سادگی آن، این مدل را به معیار مفیدی برای معماری‌های دنباله‌ای پیچیده‌تر تبدیل…
این سند مطالعه‌ای پیش‌رونده را توصیف می‌کند که در آن شبکه‌های عصبی تب‌ام بازده ماهانه را از ویژگی‌های شرکت پیش‌بینی می‌کنند. چون اجراکننده مشترک آموزش، تابع هدف را برای رگرسیون روی خطای مربعی و برای طبقه‌بندی روی آنتروپی متقاطع ثابت می‌کند، آزمایش به‌جای…
این سند فرضیه مومنتوم بین‌دارایی را به آزمونی اکتشافی ماهانه با استفاده از جهان 100-ETF تبدیل می‌کند. قیمت‌های تعدیل‌شده پایان ماه را می‌سازد، مومنتوم 12 تا -1 ماهه را اندازه می‌گیرد، سپس صندوق‌های قابل‌قبول را به پنج گروه هم‌وزن رتبه‌بندی می‌کند و بازده ماه…
این یادداشت پیکربندی، تنظیماتی را که در هویت یک بک‌تست ظاهر می‌شوند از تنظیماتی که واقعاً بر هزینه‌های معاملاتی شبیه‌سازی‌شده اثر می‌گذارند متمایز می‌کند. در مطالعه موردی توصیف‌شده، همه اجراهای ثبت‌شده از مسیری برداری‌شده استفاده می‌کنند که بازده را تا…
این ممیزی چند موتور بک‌تست را روی ورودی‌های تاریخی مشترک برای تخصیص ETF، قراردادهای آتی CME، قراردادهای دائمی رمزارز همراه با تأمین مالی، ارز خارجی و سهام US مقایسه می‌کند. هر جفت پشتیبانی‌شده، داده بازار دارای نشانی مبتنی بر محتوا و هدف‌های مدل ثابت یکسانی…
این دفترچه قاعده بازگشت به میانگینِ فقط خریدِ RSI را برای قراردادهای دائمی BTC/USDT با استفاده از موتور بک‌تست رویدادمحور پیاده‌سازی می‌کند. کندل‌های درون‌روزی را به داده روزانه OHLCV بر مبنای UTC تجمیع می‌کند، شاخص سود و زیان غلتان RSI را محاسبه می‌کند،…
این دفترچه معیار پایه‌ای مبتنی بر مؤلفه‌های اصلی را برای پیش‌بینی بازده قراردادهای آتی CME توضیح می‌دهد. PCA روی پنل بازده محصولات در فولد آموزش برازش می‌شود؛ بنابراین مؤلفه‌های آن جهت‌های هم‌حرکتی میان قراردادها را نشان می‌دهند، نه ویژگی‌های فشرده حمل،…
این دفترچه مدل‌های دنباله‌ای روی شبکه هفتگی را برای پیش‌بینی همان بازده آتی پنج‌جلسه‌ایِ به‌کاررفته در شبکه روزانه مقایسه می‌کند. نمونه‌برداری در روزهای جمعه، آن برچسب را تقریباً به هدف یک‌گام‌بعد تبدیل می‌کند و امکان مقایسه صورت‌بندی رگرسیون مستقیم با مدل…
این سند نحوه انتخاب مجموعه‌ای ثابت از سهام را برای بک‌تست‌های اعتبارسنجی و نگه‌داشته‌شده، با استفاده از هزینه تخمینی رفت‌وبرگشت معامله شرح می‌دهد. برآوردگر، هزینه تخمینی هر سهم نسبت به میانگین قیمت سهم را با دو برابر میانه نیم‌اسپرد ترکیب می‌کند؛ هر دو برحسب…
این دفترچه TabM، یک تجمیع عصبی با اشتراک وزن، را برای هدف‌های بازده سهامِ ساخته‌شده از ویژگی‌های اختیار سهام به کار می‌گیرد. اعضای آن از هسته شبکه‌ای دولایه مشترک، بردارهای مقیاس‌بندی فعال‌سازی جداگانه و سرهای خروجی‌ای استفاده می‌کنند که پیش‌بینی‌هایشان…
این دفترچه نحوه ساخت برچسب‌های بازده قیمت آتی را برای پنل قراردادهای دائمی رمزارز با داده‌های هشت‌ساعته توضیح می‌دهد. مُهرزمان شروع کندل را به زمانی منتقل می‌کند که داده کندل تکمیل‌شده در دسترس قرار می‌گیرد، سپس پیش از پیوند زدن ویژگی‌های پیش‌بین، بازده‌های…
این فصل روش‌های تولید داده مالی مصنوعی و راه‌های سنجش سودمندی خروجی را مرور می‌کند. از محدود بودن مسیرهای واقعی بازار و این خطر آغاز می‌کند که جست‌وجوهای مکرر استراتژی، عملکرد ظاهری بک‌تست را بزرگ‌نمایی کنند. روش‌های پایه شبیه‌سازیِ تفسیرپذیر، از جمله…
این مطالعه موردی، قواعد حد ضرر ثابت و متحرکِ اعلام‌شده را برای موقعیت‌های FX مقایسه می‌کند. ابتدا از یک گروه اعتبارسنجی مهروموم‌شده، برای هر برچسب یک استراتژی مادر انتخاب می‌کند و سپس فقط قاعده ریسک موقعیت را تغییر می‌دهد. چون حد ضررها به حرکت قیمت در طول…
این سند توضیح می‌دهد چرا سری روزانه اختیار معامله با سررسید ثابت، سری بازدهِ موقعیتی نیست که واقعاً نگهداری شده باشد. ابتدا پایه‌های اختیار خرید و فروش با قیمت اعمال و سررسید یکسان را که از فیلترهای نقدشوندگی، سررسید، برآورد نوسان و دلتای اختیار عبور می‌کنند…
این دفترچه TabM را روی جدولی تخت از ویژگی‌های سهام US به کار می‌گیرد و آن را میان مدل‌های خطی جریمه‌دار و تجمیع‌های درختی قرار می‌دهد. اعضای هر تجمیع، یک هسته شبکه عصبی مشترک دارند، اما هرکدام بردار مقیاس‌بندی و لایه خروجی خود را دارند؛ میانگین‌گیری پیش‌بینی…
این تحلیل، مدل‌های پیش‌بینی ثبت‌شده ETF را از چند خانواده روی پنل مشترکی میان دارایی‌ها مقایسه می‌کند. بررسی می‌کند هر مدل با استفاده از ضرایب اطلاعاتی تا چه حد صندوق‌ها را بر اساس بازده‌های بعدی رتبه‌بندی می‌کند، بازه‌های اطمینان و ثبات در سطح بخش را…
این ابزار سنجه‌های سوگیری انتخاب و عدم‌قطعیت عملکرد را برای گروه‌هایی از بک‌تست‌های استراتژی محاسبه می‌کند. گروه‌ها را در سطوح خانواده، مرحله‌ـ‌برچسب و برچسب تشکیل می‌دهد؛ سپس سنجه‌هایی چون نسبت شارپ تورش‌زدایی‌شده، تعداد مؤثر آزمون‌ها، کران رهبر تعدیل‌شده…
این تحلیل توضیح می‌دهد داده‌های قراردادهای آتی CME چگونه در قالب محصولات، قراردادهای سررسیدشونده و سری‌های پیوسته با رول بر پایه حجم سازمان‌دهی می‌شوند. از داده‌های E-mini S&P 500 نشان می‌دهد قراردادهای منفرد پنجره معاملاتی محدودی دارند که هنگام رول…
این سند اصول پیاده‌سازی یک اجراگر مشترک بک‌تست را شرح می‌دهد و بر تفسیر درست شبکه بازده هنگام سالانه‌سازی عملکرد تمرکز دارد. بسامد نمونه‌گیری مشاهده‌شده را از فاصله‌های معمول میان مشاهدات بازده برآورد می‌کند، فاصله‌های غیرعادی طولانی را کنار می‌گذارد و سپس…
این دفترچه تخصیص‌های با وزن برابر، وزن‌دهی‌شده برحسب امتیاز مثبت و وزن‌دهی‌شده برحسب عرض کانفورمال را برای ETFهای رتبه‌بالا و قراردادهای آتی CME مقایسه می‌کند. عرض بازه کانفورمال تفکیک‌شده برای هر موجودیت را از باقیمانده‌های بخش‌های اعتبارسنجی قبلی برآورد…
این سند خودرمزگذار نظارت‌شده را به‌عنوان یک مدل مرجع برای مقایسه با مدل‌های عامل نهفته شرطی معرفی می‌کند. این مدل ویژگی‌های شرکت را مستقیماً به بازده‌های آتی نگاشت می‌کند و هم‌زمان 57 ورودی را از طریق یک گلوگاه باریک فشرده می‌سازد. مقایسه آن با خودرمزگذار…
این دفترچه توضیح می‌دهد که تجزیه سهام و سود نقدی چگونه سری‌های خام قیمت تاریخی را مختل و بازده‌های محاسبه‌شده را مخدوش می‌کنند. تعدیل به عقب را نشان می‌دهد که در آن قیمت‌های تاریخی متناسب با اقدامات شرکتی بعدی بازتنظیم می‌شوند، و این روش را روی داده‌های…
این مطالعه NASDAQ-100 بررسی می‌کند که هزینه‌های تراکنش چگونه بر استراتژی سهامی با بازمتوازن‌سازی مکرر اثر می‌گذارند. دو واکنش احتمالی به هزینه‌ها را جدا می‌کند: محدودکردن مجموعه دارایی‌های معامله‌شده به نمادهای نقدشونده‌تر و کم‌هزینه‌تر، و کاهش تناوب…
این آزمایش پیش‌بینی‌های اعتبارسنجی یک مدل درختی تقویت‌شده با گرادیان، یک شبکه عصبی جدولی و یک مدل عامل نهفته را برای رتبه‌بندی ماهانه ETF ترکیب می‌کند. ابتدا پیش‌بینی‌ها را در مقطع با نمره‌های استاندارد می‌کند و سپس میانگین می‌گیرد. ارزیابی تجمیع از ضریب…