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 روش‌های تخصیص سرمایه میان موقعیت‌های سهام US را مقایسه می‌کند، درحالی‌که مدل، نقطه وارسی، تاریخ‌های بازمتوازن‌سازی و سهام منتخب ثابت نگه داشته می‌شوند. وزن‌های مبتنی بر قدرت پیش‌بینی، پهنای بازه پیش‌بینی، نوسان هر سهم و روش‌های پرتفوی آگاه از…
این دفترچه یک GAN واسرشتاینِ مبتنی بر امضا و بدون شرط را برای تولید سری‌های زمانی مالی توضیح می‌دهد. بازده‌ها را به مسیرهای افزوده تبدیل می‌کند، امضاهای مسیرِ برش‌خورده را محاسبه می‌کند و یک مولد LSTM را که نویز براونی به آن ورودی می‌دهد، برای تطبیق امضاهای…
این دفترچه حد ضرر، حد ضرر متحرک و خروج با مدت ثابت را در استراتژی‌های منتخب سهام US ارزیابی می‌کند. حد ضرر به زیان از زمان ورود واکنش نشان می‌دهد، حد ضرر متحرک به افت از اوج موقعیت واکنش نشان می‌دهد و خروج زمانی بدون توجه به قیمت، پس از دوره نگهداری مشخص…
این دفترچه TSMixer را به‌عنوان یک مدل توالی سراسری برای پنل ETF ارزیابی می‌کند. مدل پارامترها را میان صندوق‌ها به‌اشتراک می‌گذارد، درحالی‌که از تاریخچه و متغیرهای کمکی هر صندوق استفاده می‌کند؛ لایه‌های ترکیب آن روابط زمانی و درون‌رشته‌ای را می‌آموزند،…
این دفترچه اهداف بازده آتی را برای یک استراتژی آتی مقطعی تعریف می‌کند که محصولات را بر اساس ساختار سررسید رتبه‌بندی می‌کند؛ در محصولاتی با بازده نگهداری قوی‌تر موقعیت خرید می‌گیرد و در محصولاتی با بازده نگهداری ضعیف‌تر فروش استقراضی می‌کند. این دفترچه…
این دفترچه استفاده از TSMixer را برای پیش‌بینی بازده سهام بر اساس پنجره‌های مرتب‌شده از ویژگی‌های هر سهم شرح می‌دهد. هر نمونه شامل 60 جلسه پی‌درپی است؛ پنجره‌هایی که از شکاف‌های تاریخچه سهام عبور می‌کنند کنار گذاشته می‌شوند، بنابراین شمار نمونه‌های…
این دفترچه پیش‌بینی‌های اعتبارسنجی از چند خانواده مدل را به پرتفوی‌های لانگ-شورت با وزن برابر تبدیل می‌کند. سهام را بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌کند، نام‌های بالای فهرست را می‌خرد و نام‌های پایین فهرست را فروش استقراضی می‌کند، سپس با یک رویه مشترک…
این دفترچه مدل‌های کارمزد سهام و آتی را در کنار چند مدل لغزش قیمت مقایسه می‌کند و بر تفاوت واحدها و فرض‌های آن‌ها تأکید دارد. کارمزدهای درصدی به‌عنوان سهمی از ارزش اسمی ثابت می‌مانند، درحالی‌که حداقل کارمزدها، هزینه‌های ثابت، کارمزد هر سهم و آستانه‌های…
این سند یک مدل عاملی خودرمزگذار نظارت‌شده را برای پیش‌بینی بازده سهام در محیط پژوهشی تحلیل اختیار معامله سهام توضیح می‌دهد. برخلاف PCA، IPCA و خودرمزگذار شرطیِ بدون نظارت، هدف آموزش آن بازسازی مقطع و پیش‌بینی بازده آتی را ترکیب می‌کند. بنابراین هدف بر نمایش…
این سند بک‌تستی ثابت و خارج از نمونه را برای یک استراتژی آتی منتخب CME شرح می‌دهد. پیکربندی، پیش‌بینی‌ها، تخصیص‌دهنده، تناوب بازمتوازن‌سازی، تمرکز و فرض‌های هزینه تراکنش از مراحل پژوهشی پیشین گرفته شده و بدون تغییر بر پنجره نگه‌داشته‌شده اعمال می‌شوند. تأکید…
این دفترچه مدل‌های پیش‌بینی خطی را برای مقطع محصولات آتی CME با استفاده از ستون‌های ویژگی گروه‌بندی‌شده در خانواده‌های مرتبط، از جمله کری، مومنتوم، نوسان و سنجه‌های ریسک غلتان بررسی می‌کند. چون ستون‌های درون یک خانواده اغلب همبسته‌اند، جریمه‌های ریج، لاسو و…
این تحلیل آموزشی چهار طراحی شبکه عصبی را برای یک وظیفه مقایسه می‌کند: پیش‌بینی بازده روز بعد از روی پنجره‌ای اخیر از بازده‌ها. مجموعه تجمیع‌شده‌ای از هشت صندوق قابل معامله در بورس، مواجهه‌های متنوعی با بازار فراهم می‌کند. تفاوت مدل‌ها در نحوه پردازش پنجره…
این دفترچه مجموعه کامل پیش‌بینی‌های اعتبارسنجی معیار را برای مطالعه جفت‌ارزهای FX ممیزی می‌کند. هویت مدل، موجودبودن مصنوعه‌ها، کامل‌بودن، پوشش برچسب‌های پیکربندی‌شده و انطباق پیکربندی‌های گردآوری‌شده با فهرست اعلام‌شده را بررسی می‌کند. مجموعه‌های پیش‌بینی…
این دفترچه خودرمزگذار شرطی برای بازده سهام ارائه می‌کند که در آن یک شبکه عصبی ویژگی‌های سهام را به بارهای عاملی غیرخطی نگاشت می‌کند و شبکه‌ای دیگر عوامل نهفته هم‌زمان را از بازده پرتفوی‌های مدیریت‌شده بر اساس ویژگی‌ها استخراج می‌کند. پرتفوی‌های مدیریت‌شده با…
این دفترچه اثر هزینه‌های تراکنش بر یک پیکربندی ثابت استراتژی معاملات آتی CME را می‌سنجد. پیکربندی گزارش‌شده را با فرایندی مشترک در مرحله اعتبارسنجی انتخاب می‌کند، پوشش ریسک آن را به اجراهای هزینه منتقل می‌کند و شبکه اعلام‌شده‌ای از هزینه‌های کل را به‌طور…
این دفترچه روش‌های پوشش ریسک اختیاری را مقایسه می‌کند که موقعیت فروش در آن گرفته شده، وقتی بازتوازن گسسته است و معاملات هزینه متناسب دارند. سود و زیان نهاییِ خودتأمین را تعریف می‌کند و سپس هج‌کننده‌ای عصبی را آموزش می‌دهد تا زیان موردانتظار دنباله‌ای را در…
این دفترچه تنظیم تک‌هدفه ابرپارامترها را با جست‌وجوی چندهدفه برای مدل‌های پیش‌بینی LightGBM مقایسه می‌کند. خط‌مبنا ضریب اطلاعات اعتبارسنجی (IC) را بیشینه می‌کند. جست‌وجوی NSGA-II در عوض هدف IC را بیشینه و گردش پیش‌بینی نرمال‌شده را کمینه می‌کند و مرز پارتویی…
این فصل نه مطالعه موردی را جمع‌بندی می‌کند که سیگنال‌های یادگیری ماشین را از ساخت پرتفوی و هزینه‌های معامله تا پوشش ریسک و ارزیابی روی دوره نگه‌داشته‌شده‌ای که از پیش ثابت شده پیش می‌برند. پیشرفت هر مطالعه موردی را واحد تحلیل می‌گیرد، نه اینکه استراتژی‌ها را…
این ارزیابی یک استراتژی سهام US را از مجموعه ثابت بک‌تست اعتبارسنجی تا ارزیابی دوره نگه‌داشته‌شده ردیابی می‌کند. قاعده‌ای قطعی اعمال می‌کند: نامزد دارای بالاترین شارپ اعتبارسنجی انتخاب می‌شود و در تساوی، هش بک‌تست تعیین‌کننده است. از سوابق رجیستری برای تأیید…
این دفترچه یک پیکربندی ریزساختار NASDAQ-100 منتخب را روی پیش‌بینی‌های ثبت‌شده دوره نگه‌داشته‌شده اجرا می‌کند. مدل، تخصیص‌دهنده، سقف تمرکز پرتفوی، برنامه بازتوازن، پوشش ریسک و فرض‌های هزینه از کار قبلی گرفته شده و بدون تغییر اعمال می‌شوند؛ دفترچه هیچ تصمیمی…
این دفترچه توضیح می‌دهد چگونه از مجموعه‌ای ثابت از بک‌تست‌های سهام US یک استراتژی را انتخاب و آن را در دوره‌ای جداگانه و نگه‌داشته‌شده ارزیابی کنید. بررسی می‌کند که نامزدها شناسه‌های داده و پروتکل موردنیاز را مشترک داشته باشند، سپس آن‌ها را بر اساس شارپ…
این دفترچه سه مدل خطی سری زمانی، یک رمزگذار ترنسفورمر و پیش‌بینی‌های بدون پارامتر را روی بازده روزانه SPY مقایسه می‌کند. روش‌های خطی یک پنجره تاریخی را به پیش‌بینی چندروزه نگاشت می‌کنند و گونه‌هایی دارند که مؤلفه هموار را از باقی‌مانده جدا می‌کنند یا پیرامون…
این دفترچه بررسی می‌کند که آیا درخت‌های گرادیان‌بوست‌شده می‌توانند روابط غیرخطی در ویژگی‌های ریزساختار NASDAQ-100 پیدا کنند که ممکن است از دید یک مدل خطی پنهان بمانند. تمرکز آن بر این احتمال است که عدم‌تعادل جریان سفارش بسته به اسپرد، بازده را به‌شکل متفاوتی…
این دفترچه، عامل پژوهشی به سبک اپراتور را برای تکرار و بهبود مطالعات موردی کمی توضیح می‌دهد. به‌جای محدود کردن مدل به اقدامات پیش‌بینی از پیش تعریف‌شده، ابزارهای عمومی برای فایل‌ها، فرمان‌های پوسته، پرس‌وجو از رجیستری و بررسی داده‌ها در اختیارش می‌گذارد.…