رفتن به محتوا

کتابخانه دانش

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.

جستجو در کتابخانه

215 سند

یادگیری ماشین برای معامله‌گری

این پیکربندی، استراتژی روزانه لانگ-شورت سهام US را توصیف می‌کند که جهان گسترده‌ای از سهام را بر اساس پیش‌بینی‌های مدل رتبه‌بندی می‌کند، دهک برتر را می‌خرد و دهک پایین را با وزن‌های برابر در هر گروه فروش استقراضی می‌کند. اجرای سفارش در قیمت بازشدن جلسه بعد،…

سهامبازارهای آمریکاساخت پرتفویاجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه رتبه‌بندی‌های مدل را به سبدهای ساده قراردادهای پرپچوال کریپتو تبدیل می‌کند. در هر زمان تسویه فاندینگ، یک قاعده ورود قراردادهایی را از بالاترین یا پایین‌ترین بخش رتبه‌بندی انتخاب و وزن‌های برابر به آن‌ها اختصاص می‌دهد. وزن‌دهی برابر نقطه مرجعی…

رمزارزقراردادهای آتی دائمیآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد شارپ اعتبارسنجی برای استرادل‌های اختیار معاملهٔ S&P 500 در قیمت اعمال برابر با قیمت بازار، با فرض هزینه‌های مختلف اجرا و در دو مجموعهٔ اختیار معامله چگونه تغییر می‌کند. هزینهٔ اسپرد را به‌صورت کسری از نیم‌اسپرد مظنه‌شدهٔ اختیار معامله بیان…

اختیار معاملهبازارهای آمریکاآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه بسنجیم آیا استراتژی‌های ساخته‌شده بر پنل سهام US می‌توانند اصطکاک معاملاتی را تاب بیاورند. با استفاده از شارپ اعتبارسنجی، برای هر برچسب یک پیکربندی را تثبیت می‌کند و سپس همان استراتژی را با سطوح هزینهٔ اعلام‌شده دوباره…

سهامآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه چرخهٔ عمر یک سفارش زنده را به‌صورت مجموعه‌ای متناهی از حالت‌ها و گذارهای معتبرِ مبتنی بر رویداد نمایش دهیم. مواردی مانند ارسال، تأیید دریافت توسط کارگزار، پذیرش بورس، اجرای جزئی و کامل، درخواست لغو، رد، انقضا و تعلیق را پوشش…

اجرای سفارشریزساختار بازارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یادداشت نشان می‌دهد چگونه با فرض‌های صریح درباره معامله، تأمین مالی و هزینه‌های صندوق، بازده ناخالص را به عملکرد خالص تبدیل کنید. مجموعه هزینه‌ها شامل اسپرد و اثر بازار، کمیسیون و کارمزدهای بورس، بهره مارجین، هزینه استقراض سهام، کارمزد مدیریت و…

سهاماجرای سفارشآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه تقلید رفتاری را با یادگیری تقویتی معکوس (IRL) برای یادگیری از سوابق اجرا مقایسه می‌کند. نمایش‌ها از یک برنامهٔ TWAP می‌آیند که هدف خنثی از ریسک آن معلوم است: معاملات را به‌طور یکنواخت توزیع می‌کند تا اثر بازار محدود شود، در حالی که پذیرش ریسک…

اجرای سفارشیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوب آلمگرن–کریس را برای زمان‌بندی یک فروش بزرگ ارائه می‌کند. هزینهٔ کسری اجرا را نسبت به قیمت هنگام ورود اندازه می‌گیرد و دو هزینهٔ رقیب را مدل می‌کند: اثر بازار که با شدت معامله افزایش می‌یابد، و ریسک زمان‌بندی که تا زمانی که موقعیت…

اجرای سفارشریزساختار بازارمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این مطالعه ترکیب‌های برتر تخصیص و کنترل ریسک ETF را در دو شبکهٔ هزینه دوباره قیمت‌گذاری می‌کند و پیکربندی هر استراتژی ثبت‌شده را ثابت نگه می‌دارد. یک شبکه هزینه را بر حسب نقاط پایه به‌ازای هر معامله محاسبه می‌کند؛ دیگری کمیسیون هر سهم و نصف فاصلهٔ قیمت خرید…

آزمون گذشته‌نگراجرای سفارشساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج باقی‌مانده از حسابرسی یک استراتژی واقعی را بررسی می‌کند که موتور LEAN را با پروفایل‌های متناظر ML4T Backtest مقایسه می‌کند. بارهای کاری طبقات داراییِ پشتیبانی‌شده توسط ورودی‌های ثابت‌شده را مشخص می‌کند و شواهد هم‌ارزی را در اجراها،…

آزمون گذشته‌نگراجرای سفارشسهامقراردادهای آتی
یادگیری ماشین برای معامله‌گری

این دفترچه می‌آزماید آیا ساخت سبد می‌تواند استراتژی NASDAQ-100 را که در هر میله با هزینه‌ها مغلوب شده نجات دهد یا خیر. پیش‌بینی‌های برتر خط مبنا را با جهان انتخاب اعلام‌شده برمی‌گزیند و سپس مقایسه‌های تخصیص را روی کل جهان اجرا می‌کند. این بررسی تعداد…

سهامساخت پرتفویتعیین اندازه موقعیتاجرای سفارش
یادگیری ماشین برای معامله‌گری

این فصل مسیری از پژوهش تا اجرای واقعی را شرح می‌دهد که بر منطق استراتژی‌ای بنا شده است که می‌تواند در محیط‌های بک‌تست، معاملهٔ کاغذی و معاملهٔ واقعی اجرا شود. یکپارچه‌سازی با کارگزار و پلتفرم، چرخه‌های استقرار، بررسی هم‌خوانی داده و ویژگی، مدیریت چرخه عمر…

اجرای سفارشمدیریت ریسکآزمون گذشته‌نگرریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه با موتور بک‌تست رویدادمحور، قاعده بازگشت به میانگینِ فقط خرید RSI را برای کندل‌های قراردادهای دائمی BTC/USDT پیاده‌سازی می‌کند. مشاهدات درون‌روزی را به کندل‌های روزانه UTC تجمیع می‌کند، شاخص RSI ساده‌ای از سود و زیان غلتان محاسبه می‌کند، هنگام…

رمزارزقراردادهای آتی دائمیبازگشت به میانگینشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد که TWAP و VWAP چگونه یک سفارش مادر بزرگ‌حجم را در طول جلسه معاملاتی به سفارش‌های فرزند تقسیم می‌کنند. TWAP سهم‌های برابر را به هر بازه زمانی اختصاص می‌دهد؛ VWAP سهم‌ها را متناسب با پیش‌بینی حجم بازه تخصیص می‌دهد. دفترچه این پیش‌بینی را…

اجرای سفارشریزساختار بازارآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌پذیری بررسی می‌کند که آیا داده مظنه می‌تواند از استراتژی مقطعیِ خنثی از بازار پشتیبانی کند که اجزای NASDAQ-100 را هر پانزده دقیقه رتبه‌بندی می‌کند و در دو انتهای رتبه‌بندی موقعیت می‌گیرد. بررسی می‌کند آیا نمادهای واجد شرایط به‌اندازه کافی…

سهامریزساختار بازاراجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی را به‌صورت پرتفوی‌های سهامِ فقط خرید ارزیابی می‌کند؛ از انتخاب هم‌وزنِ K دارایی برتر و برنامه تصمیم‌گیری تعیین‌شده بر اساس تناوب هر برچسب استفاده می‌کند. ترتیب رویداد از قیمت پایانی تا قیمت آغازین بعدی را با اجرای سیگنال…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه شارپ ناخالص و خالص را در پیمایش‌های هزینه استراتژی برگرفته از بک‌تست‌های مطالعات موردی مقایسه می‌کند. برای هر پیکربندی استراتژیِ به‌کارگرفته‌شده، هزینه فرضی هر سمت و تناوب بازمتوازن‌سازی را از آثار ثبت‌شده می‌خواند، شارپ را در هزینه فرضی درون‌یابی…

آزمون گذشته‌نگرمدیریت ریسکاجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد که عملکرد اعتبارسنجی یک استراتژی منتخب مبتنی بر ویژگی‌های شرکت‌های US، با تغییر کمیسیون‌ها و لغزش قیمت فرض‌شده چگونه تغییر می‌کند. همان پیکربندی را در شبکه‌ای از هزینه‌های اعلام‌شده دوباره اجرا می‌کند و هر هزینه کل را به‌طور مساوی میان…

سهامآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این پیکربندی مطالعه‌ای درون‌روزی از سیگنال‌های جریان سفارش را در مجموعه سهام NASDAQ-100 بر اساس اطلاعات در نقطه زمانی توصیف می‌کند. زیرمجموعه‌ای را با غربال هزینه و بر مبنای اطلاعات نقدشوندگیِ در دسترس پیش از هر دوره ارزیابی تعریف می‌کند، برنامه‌های…

سهامبازارهای آمریکاریزساختار بازاریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد محدودیت مشارکت حجمی چگونه مقدار سفارشی را که می‌تواند در هر بازه بازار اجرا شود، محدود می‌کند. کارگزار بخش مجاز سفارش را بر اساس حجم معاملات مشاهده‌شده محاسبه می‌کند و باقی‌مانده اجرا‌نشده را به بازه بعد منتقل می‌کند. سقف‌های مشارکت…

اجرای سفارشریزساختار بازارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی تک‌عاملی را با داده‌های واقعی ETF و نمونه‌ای از مومنتوم مبتنی بر قیمت نشان می‌دهد. ضرایب اطلاعات اسپیرمن مقطعی را در برابر بازده‌های آتی اندازه‌گیری می‌کند، افق‌ها را مقایسه می‌کند و تفاوت میان میانگین‌گیری ICهای مقطعی روزانه و محاسبه یک…

سهاممومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه برچسب‌های بازده آتی درون‌روزی را برای سهام NASDAQ-100 با استفاده از کندل‌های دقیقه‌ای و مظنه‌های NBBO بسازید. بازده را از کندل بعدی پس از سیگنال تا نقطه پایانی مشخصی در آینده تعریف می‌کند، برای کاهش نوسان ناشی از رفت‌وبرگشت قیمت…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی، مطالعه‌ای درباره فروش هفتگی استرادل‌های در قیمت اعمال نزدیک به قیمت جاری برای اجزای S&P 500 را توصیف می‌کند. موقعیت‌ها روز جمعه باز می‌شوند و تا حوالی سررسید نگه داشته می‌شوند؛ تغییرات دلتا اختیار، پوشش روزانه با سهام را فعال می‌کند. سبد سرمایه…

اختیار معاملهنوسانمدیریت ریسکآزمون گذشته‌نگر