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.
487 سند
این دفترچه تحلیل مؤلفه‌های اصلی را روی پنلی از بازده سهام US به‌کار می‌گیرد تا حرکت‌های گسترده مشترک را با مجموعه کوچک‌تری از عامل‌ها نمایش دهد. هر عامل جهتی از تغییرات مشترک است و بار عاملی هر سهم میزان مواجهه آن با آن جهت را توصیف می‌کند. پیش‌بینی‌های…
این دفترچه توضیح می‌دهد چگونه تراکنش‌های اشخاص داخلی را از SEC خام فرم 4 XML برای پژوهش کمی سهام استخراج کنید. از تجزیه‌گر XML استفاده می‌کند تا کد، تاریخ، تعداد سهم، قیمت و جهت هر معامله را به بلوک تراکنش مربوط نگه دارد و اطلاعات ناشر و مالک گزارش‌دهنده را…
این مطالعه موردی برآورد علّی را برای مومنتوم ETF به‌کار می‌گیرد و می‌پرسد آیا اثر آن بر بازده‌های آتی با نوسان بازار تغییر می‌کند. در آن از مومنتوم پیوسته به‌عنوان متغیر مداخله، بازده آتی 21روزه به‌عنوان پیامد، کنترل‌های نوسان و منحنی بازده، و جنگل علّی برای…
این دفترچه، NLinear را به‌عنوان یک مدل پایه ساده برای پیش‌بینی بازده سهام US معرفی می‌کند. هر نمونه از پنجره‌ای شامل 60 جلسه پیاپی برای یک سهم استفاده می‌کند و ویژگی‌ها به ترتیب زمانی چیده شده‌اند. مدل برای هر ویژگی، آخرین مقدار آن را کم می‌کند، تاریخچه حاصل…
این سند روندی را شرح می‌دهد که بارگذارهای استاندارد داده بازار را به رجیستری ویژگی‌های ازپیش‌ساخته و ابزارهای تشخیص سیگنال پیوند می‌دهد. محاسبه ویژگی را می‌توان با نام‌ها، فرهنگ‌های پارامتر یا YAML مشخص کرد؛ این کار از خطوط پردازش تکرارپذیر و افق‌های چندگانه…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را به‌عنوان مدلی برای بازده‌های مقطعی ارائه می‌کند. به‌جای اختصاص وزن مستقیم بازده به ویژگی‌های هر شرکت، IPCA نگاشتی خطی و مشترک از ویژگی‌ها به مواجهه‌های عاملی، در کنار بازده‌های عاملی ماهانه، برآورد می‌کند. این روش…
این دفترچه چهار طراحی شبکه عصبی را در یک وظیفه مقایسه می‌کند: پیش‌بینی بازده روزانه بعدی از پنجره‌ای از بازده‌های گذشته که روی هشت صندوق قابل معامله در بورس تجمیع شده‌اند. توضیح می‌دهد شبکه متراکم، کانولوشن یک‌بعدی، LSTM و GRU چگونه این ورودی را پردازش…
این دفترچه مدل‌های دنباله‌ای را برای رتبه‌بندی سهام S&P 500 با استفاده از پنجره‌هایی از تاریخچه سطح اختیار معامله و قیمت‌ها ارزیابی می‌کند. یک مدل خطی نرمال‌شده، که حافظه بازگشتی ندارد، را با LSTM مقایسه می‌کند که دروازه‌های آن اطلاعات را در طول زمان منتقل…
این دفترچه یک رابط یکپارچه OHLCV را در یاهو فایننس، ویکی‌پرایسز و FRED نشان می‌دهد و سپس از این منابع برای داده‌های جاری ETF، سهام با تاریخچه طولانی و سری‌های اقتصاد کلان استفاده می‌کند. رویکرد جایگزینِ اولویت‌بندی‌شده‌ای برای گردآوری داده ترسیم می‌کند و بر…
این دفترچه یک شبکه حافظه بلندمدت کوتاه‌مدت را با ویژگی‌های ریزساختار NASDAQ-100 برازش می‌دهد تا بازده‌های آتی را در چند افق زمانیِ چنددقیقه‌ای پیش‌بینی کند. برخلاف مدل خطیِ تخت‌شده، یک LSTM هر مشاهده را به‌ترتیب پردازش می‌کند و می‌آموزد چه میزان از اطلاعات…
این دفترچه نهایی، وزن برابر، معکوس نوسان، بهینه‌سازی میانگین-واریانس و برابری ریسک سلسله‌مراتبی را با استفاده از سیگنال مشترکی در مجموعه متنوع ETF مقایسه می‌کند. مدل غلتان ریج از ویژگی‌های مومنتوم، فاصله از میانگین متحرک و نوسان برای برآورد بازده آتی و…
این دفترچه N-BEATS را می‌سازد؛ معماری پیش‌بینی عصبیِ کاملاً متصل که یک پنجره ورودی کامل را پردازش می‌کند و مسیر آینده را پیش‌بینی می‌کند. گونه تفسیرپذیر آن بلوک‌ها را مقید می‌کند تا مؤلفه‌ها را با پایه‌های روند چندجمله‌ای و فصلی‌بودن فوریه بیان کنند.…
این دفترچه بازسازی دفتر سفارش محدود NASDAQ را از پیام‌های بازارِ سفارش‌به‌سفارش DataBento برای یک نماد و یک روز معاملاتی شرح می‌دهد. موتور ماژولاری را تشریح می‌کند که وضعیت هر سفارش را دنبال می‌کند، سفارش‌ها را در سطوح قیمت تجمیع می‌کند و سمت‌های خرید و فروش…
این دفترچه بررسی می‌کند که تناوب بازمتعادل‌سازی چگونه بر گردش، عملکرد ناخالص و نتایج تعدیل‌شده با هزینه برای پرتفوی مومنتومِ برترِ صندوق‌های قابل معامله اثر می‌گذارد. گردش را از تغییرات تاریخی وزن هدف در برنامه‌های روزانه، هفتگی، دوهفته‌ای و ماهانه برآورد…
این دفترچه مدل‌های LightGBM را با خط پایه ریج برای پیش‌بینی بازده ETF در دو افق مقایسه می‌کند. توضیح می‌دهد که چرا درخت‌ها می‌توانند برهم‌کنش‌های وابسته به رژیم را کشف کنند، مانند رفتار متفاوت مومنتوم هنگام تنش بازار، درحالی‌که تقسیم‌های حریصانه در حضور…
این دفترچه بازیابی ساختاریافته به سبک گراف را با بازیابی برداری مبتنی بر تعبیه، روی دارایی‌های نهادی در پرونده‌های 13F مقایسه می‌کند. تصویری از دارایی‌ها در یک زمان قطع ثابت می‌سازد، مجموعه سهام را محدود می‌کند و پرسش‌هایی درباره دارندگان سهام، دارایی‌های…
این دفترچه جریان کاری‌ای را نشان می‌دهد که معاملات زیان‌ده را به توضیح‌های مدلِ مرتبط با تصمیم‌های آن‌ها پیوند می‌دهد. پنل ویژگی تک‌دارایی SPY را از داده‌های قیمت و اقتصاد کلان می‌سازد، مدل LightGBM را با مشاهدات پیشین آموزش می‌دهد و از مشاهدات بعدی برای…
این دفترچه جریان کاری بک‌تست 15 دقیقه‌ای را برای پیش‌بینی سهام NASDAQ-100 شرح می‌دهد. ابتدا آزمون فنی سیگنال تصادفی را اجرا می‌کند: چون معامله تصادفی پس از هزینه‌ها باید زیان‌ده باشد، سودآوری پایدار می‌تواند نشان‌دهنده مشکلاتی مانند نگاه به آینده، داده‌های…
این دفترچه معیارهای ریزساختار بازار را از داده معاملات NASDAQ ITCH می‌سازد، معاملات را در بازه‌های درون‌روزی تجمیع می‌کند و جانشین‌های نقدشوندگی را از سیگنال‌های جریان سفارش و وضعیت دفتر سفارش متمایز می‌سازد. پیش از تجمیع، معاملات منفرد را با قاعده تیک…
این دفترچه برای استراتژی‌ای که سیگنال‌های اختیار معامله فهرست‌شده را می‌خواند و سهام پایه را معامله می‌کند، برچسب‌های بازده آتی می‌سازد. قیمت‌های روزانه سهام را برای تجزیه سهام و سود نقدی تعدیل می‌کند، از شناسه پایدار اوراق بهادار استفاده می‌کند و بازده را…
این دفترچه برآورد می‌کند که پرتفوی هم‌وزنِ سهام US باقی‌مانده تا چه اندازه می‌تواند بازده را نسبت به پرتفویی که شرکت‌های خارج‌شده از مجموعه‌داده را نیز در بر می‌گیرد، بیش‌برآورد کند. ابتدا زمان ثبت خروج‌ها در پنل را بررسی می‌کند و درمی‌یابد که سابقه…
این دفترچه بررسی می‌کند که هزینه‌های معامله چگونه بر استراتژی NASDAQ-100 با بازمتعادل‌سازی پرتکرار اثر می‌گذارند. ابتدا فرض‌های هزینه برحسب واحد پایه را به بک‌تست‌های موجود پیش از اعمال هزینه اضافه می‌کند تا نشان دهد با افزایش هزینه‌ها، شارپ چگونه تغییر…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را روشی برای وابسته‌کردن بارگذاری‌های عامل نهفته به ویژگی‌های مشاهده‌پذیر سهام توضیح می‌دهد، به‌جای آنکه برای هر سهم بارگذاری ثابتی تعیین شود. نگاشت مشترکی از ویژگی‌ها به مواجهه با عامل‌ها می‌تواند برای سهام غایب از…
این سند خانواده‌ای از مدل‌های بازده شرکت را معرفی می‌کند که فرض می‌گیرند مجموعه کوچکی از عامل‌های مشترکِ مشاهده‌نشده، بخش بزرگی از مقطع را توضیح می‌دهند. این مدل‌ها به‌جای پیش‌بینی مستقیم بازده از ویژگی‌ها، میزان مواجهه هر شرکت با عامل‌ها را از ویژگی‌هایش…