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.
956 سند
این سند تفاضل‌گیری کسری را روشی برای ماناترکردن سری قیمت و درعین‌حال حفظ بخشی از اطلاعات سطح آن توضیح می‌دهد. وزن‌های وقفه را از بسط دوجمله‌ای تفاضل کسری استخراج می‌کند و نشان می‌دهد که حذف وزن‌های کوچک، پنجره تاریخی تبدیل را تعیین می‌کند. نمونه این تبدیل را…
این دفترچه می‌سنجد که آیا داده چهارساعته نقدی FX می‌تواند پشتیبان استراتژی روزانه مقطعی باشد که جفت‌ارزها را با مومنتوم و کری رتبه‌بندی می‌کند، قوی‌ترین‌ها را می‌خرد و ضعیف‌ترین‌ها را می‌فروشد. مدل برازش نمی‌دهد و پیش‌بینی نمی‌کند. در عوض، بررسی می‌کند که…
این نمایش، یک استراتژی تقاطع دو میانگین متحرک را هم در موتور بک‌تست تاریخی و هم در موتور زنده‌ای اجرا می‌کند که همان میله‌های روزانه ETF را بازپخش می‌کند. استراتژی، ورودی‌ها، پارامترها و قاعده فرض‌شده اجرای سفارش را ثابت نگه می‌دارد و سپس جریان سیگنال‌های…
این دفترچه داده ساعتی قراردادهای آتی پیوسته را به میله‌های روزانه OHLCV تبدیل می‌کند که با نشست‌های Globex در CME هم‌ترازند. مُهرهای زمانی را به نشستی نسبت می‌دهد که در ساعت 4 PM به وقت مرکزی پایان می‌یابد؛ بنابراین معاملات عصر یکشنبه به دوشنبه تعلق می‌گیرند…
این دفترچه مدل عامل تنزیل تصادفی (SDF) را برای قیمت‌گذاری مقطعی بازده شرکت‌های US توضیح می‌دهد. وزن‌هایی می‌آموزد که بازده‌های تنزیل‌شده دارایی را با شرایط گشتاوریِ نبود آربیتراژ سازگار می‌کنند، نه اینکه زیان پیش‌بینی بازده را بهینه کنند. آموزش با مرحله‌ای…
این پیاده‌سازی، مدل عصبی عامل تنزیل تصادفی و شبکه‌ای خصمانه برای آزمودن روابط قیمت‌گذاری دارایی را شرح می‌دهد. شبکه SDF ویژگی‌های دارایی را، در صورت نیاز همراه با بازنمایی رژیم کلان‌اقتصادی از یک LSTM، به وزن‌های دارایی نگاشت می‌کند. آن وزن‌ها و بازده‌ها،…
این آداپتور مدل، معماری ترنسفورمر PatchTST را که برای پیش‌بینی بلندمدت سری زمانی طراحی شده، در رگرسیون اسکالر به کار می‌گیرد. دنباله‌هایی با آرایش زمانی و ویژگی می‌پذیرد، آن‌ها را برای مدل پایه بازآرایی می‌کند و خروجی‌های هر ویژگی را به یک پیش‌بینی کاهش…
این سند مطالعه حذف مؤلفه‌ای را شرح می‌دهد که می‌سنجد آیا تعبیه‌های گرافِ آموخته‌شده، پیش‌بینی بازده سهام را فراتر از ویژگی‌های جدولی معمول بهبود می‌دهند یا خیر. شبکه‌ای از همبستگی بازده تاریخی سهام می‌سازد، ویژگی‌های مومنتوم، نوسان و روند را فقط با اطلاعات…
این پیکربندی، استراتژی روزانه لانگ-شورت را در میان 20 جفت FX شرح می‌دهد. زمان تصمیم‌گیری را بسته‌شدن بازار نیویورک، اجرا را کندل بعدی، اندازه‌گذاری را با وزن برابر و سیگنال‌های رتبه‌بندی را مبتنی بر مومنتوم یا بازده نگهداری تعیین می‌کند. همچنین هزینه‌های…
این سند سازوکاری برای مقایسه‌های جفت‌شده عملکرد در مراحل انتخاب استراتژی شرح می‌دهد. مقایسه‌ها میان انتخاب سیگنال و مرجع با وزن برابر، میان انتخاب‌های داده کنارگذاشته‌شده و اعتبارسنجی، و نیز میان گذارهای تخصیص، حساسیت به هزینه و پوشش ریسک انجام می‌شوند.…
این دفترچه روش تجمیع جنگل تصادفی را در برابر XGBoost، LightGBM و CatBoost برای پیش‌بینی بازده سهام از ویژگی‌های ناشناس شرکت‌ها محک می‌زند. از تقسیم‌بندی‌های زمانی ازپیش‌تعیین‌شده برای آموزش، اعتبارسنجی و آزمون استفاده می‌کند، ضریب اطلاعات رتبه‌ای اسپیرمن را…
این دفترچه اجرای یک سفارش مادر را به‌صورت مسئله‌ای کنترلی با افق محدود صورت‌بندی می‌کند. عامل یادگیری Q جدولی، ضریبی برای نرخ معامله مبتنی بر VWAP انتخاب می‌کند؛ این انتخاب از زمان باقی‌مانده، موجودی باقی‌مانده و رژیم‌های اسپرد و نوسان آخرین بازه تکمیل‌شده…
این آموزش توضیح می‌دهد که چگونه داده‌های بازار را فراتر از دانلودهای یک‌باره سازمان‌دهی کنید. یک مدیر یکپارچه برای دریافت نمادهای تکی یا دسته‌ای، مجموعه‌نمادهای ازپیش‌تعریف‌شده و سفارشی، و ذخیره‌سازی Parquet با پارتیشن‌بندی Hive معرفی می‌کند. همچنین جست‌وجوی…
این دفترچه، قواعد ریسک در سطح موقعیت و سبد را روی ترکیب‌های برتر تخصیص ETF در یک استراتژی ماهانه می‌آزماید. پیش‌بینی ثبت‌شده، تمرکز و تخصیص‌گر هر مورد را ثابت نگه می‌دارد و سپس نتایج پس از اعمال پوشش را با خط مبنای همان مورد در مرحله تخصیص مقایسه می‌کند. این…
این دفترچه هر پنجره بازده را یک توزیع تجربی در نظر می‌گیرد و پنجره‌ها را بر اساس فاصله یک‌بعدی Wasserstein خوشه‌بندی می‌کند. برای نمونه‌های هم‌اندازه، مرتب‌سازی تطبیق بهینه چندک‌ها را به دست می‌دهد؛ بنابراین فاصله تفاوت‌های سراسر توزیع بازده، از جمله جایگاه…
این مرور فصل، گام‌های پژوهش میان داده بازار اعتبارسنجی‌شده و ارزیابی مدل را ترسیم می‌کند. پیش‌پردازش آگاه از تقسیم‌بندی، کدگذاری و تصمیم‌های مربوط به داده‌های گمشده را پوشش می‌دهد و سپس به ساخت هدف سازگار با اجرا، از جمله برچسب‌های افق ثابت و رویدادمحور،…
این دفترچه یک مدل آموزشی فضای حالت انتخابی بر پایه Mamba را توضیح می‌دهد و آن را برای پیش‌بینی بازده ETF ارزیابی می‌کند. برخلاف مدل فضای حالت با پارامترهای ثابت، جمله ورودی‌به‌حالت، جمله حالت‌به‌خروجی و گام زمانی را از ورودی جاری استخراج می‌کند. گام زمانی…
این ابزار از برچسب گروه دارایی‌ها و پیوندهای اختیاری میان گروه‌ها، ماتریس مجاورت بولی دارایی‌به‌دارایی می‌سازد. دارایی‌های تخصیص‌یافته به یک گروه کلان به یکدیگر متصل می‌شوند و هر یال داده‌شده میان‌گروهی، همه اعضای دو گروه را در هر دو جهت به هم وصل می‌کند.…
این دفترچه پاسخ‌گویی به پرسش را روی گراف Neo4j از دارایی‌های نهادی 13F ارائه می‌کند. پرسش را به یکی از سه قالب Cypher نوشته‌شده از پیش هدایت می‌کند، به‌جای آنکه از خود پرسش یک پرس‌وجو بسازد، و از پارامترهای ثابت، سیاست طرح‌واره فقط‌خواندنی، محدودیت تعداد…
این دفترچه خط‌لوله بازیابی را روی گزیده‌هایی از گزارش‌های 10-K شرکت‌ها می‌سازد. مجموعه ثابتی از گزارش‌ها را بارگذاری می‌کند، متن را به پنجره‌های جمله‌ای می‌شکند، تعبیه‌های محلی ایجاد می‌کند و قطعه‌ها را در پایگاه داده برداری نمایه می‌کند. اجرای…
این تحلیل توضیح می‌دهد شاخص پریمیوم قرارداد دائمی Binance چه ارتباطی با قیمت‌های نقدی دارد و صرافی چگونه آن پریمیوم را به فاندینگ دوره‌ای تبدیل می‌کند. شاخص از قیمت‌های خرید و فروش اثرگذارِ قابل‌اجرا نسبت به شاخص قیمت دارایی پایه استفاده می‌کند و ناحیه‌ای…
این دفترچه توضیح می‌دهد چگونه یک استراتژی منتخب فاندینگ قرارداد دائمی رمزارز را در دوره نگه‌داشته‌شده‌ای متأخر ارزیابی کنید. پیش‌بینی‌های تولیدشده از داده آموزشیِ پایان‌یافته پیش از این دوره را دوباره به‌کار می‌گیرد، سیگنال، روش تخصیص و لایه خروج انتخاب‌شده…
این یادداشت پیکربندی توضیح می‌دهد چرا رگرسیون لجستیک سه‌کلاسه با جریمه L1 از SAGA با تلورانس صریحاً سخت‌گیرانه‌تر استفاده می‌کند. SAGA را با liblinear روی پنل پیش‌بینی ریزساختار Nasdaq 100 مقایسه می‌کند و در اجراهای اندازه‌گیری‌شده، برازش‌های سریع‌تر و زیان…
این دفترچه امضاهای مسیر را به‌عنوان ویژگی‌های طول‌ثابت معرفی می‌کند که ترتیب و هندسه مشترک مشاهدات را در پنجره سری زمانی حفظ می‌کنند. سطح اول تغییر کل هر مختصه را ثبت می‌کند؛ سطح دوم مساحت علامت‌دار میان جفت مختصه‌ها را می‌گیرد و ترتیب حرکت را آشکار می‌کند،…