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

79 سند

یادگیری ماشین برای معامله‌گری

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…

قراردادهای آتیکالاهاهزینه/درآمد نگهداری موقعیتآمار
یادگیری ماشین برای معامله‌گری

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…

قراردادهای آتیآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

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…

قراردادهای آتییادگیری ماشینسرمایه‌گذاری عاملیآمار
یادگیری ماشین برای معامله‌گری

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…

قراردادهای آتیکالاهاآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه اکتشافی، داده‌های ساعتی قراردادهای آتی CME را در محصولات و طبقات دارایی بررسی می‌کند و از E-mini S&P 500 به‌عنوان نمونه استفاده می‌کند. سلسله‌مراتب محصول، قرارداد سررسیدشونده و سری پیوسته را توضیح می‌دهد، بازه‌های پوشش را خلاصه می‌کند و ناورداهای…

قراردادهای آتیآمارآزمون گذشته‌نگرریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد مشخصات قرارداد آتی چگونه بر حسابداری بک‌تست اثر می‌گذارد. نشان می‌دهد ضریب قرارداد چگونه تغییر قیمت را به سودوزیان دلاری تبدیل می‌کند، حاصل‌ضرب قیمت در ضریب چگونه ارزش اسمی را برای تعیین اندازه موقعیت مشخص می‌کند و چرا کارمزد هر…

قراردادهای آتیکالاهامومنتومتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این رکورد ممیزی تعریف می‌کند که چارچوب‌های مختلف بک‌تست چگونه با ML4T در مطالعات موردیِ واقعی استراتژی و یک بار کاری فشار مصنوعی مقایسه می‌شوند. قواعد مقایسه برای ترتیب اجراها، زمان‌مهرها، مقادیر پولی حساب، کمیت‌ها و دیگر فیلدهای عددی را مشخص می‌کند. همچنین…

آزمون گذشته‌نگراجرای سفارشریزساختار بازارقراردادهای آتی
یادگیری ماشین برای معامله‌گری

این دفترچه مقایسه‌های درستی و زمان اجرا را برای VectorBT Pro و VectorBT OSS در برابر ML4T روی استراتژی‌های مطالعه موردیِ پشتیبانی‌شده ارائه می‌دهد. هر دو نسخه را در تخصیص ETF، ارز خارجی با مظنه USD و پنل سهام US بررسی می‌کند؛ VectorBT Pro همچنین در مقایسه…

آزمون گذشته‌نگراجرای سفارشقراردادهای آتیفارکس
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی‌های دنباله‌ای LSTM و NLinear را روی محصولات آتی CME ارزیابی می‌کند. مدل‌های دنباله‌ای پنجره‌های مرتب‌شده‌ای از مشاهدات را می‌گیرند تا بررسی کنند آیا مسیر اخیر، فراتر از ویژگی‌های خلاصه مهندسی‌شده، اطلاعاتی دارد. LSTM در طول پنجره حالت…

قراردادهای آتییادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این تحلیل توضیح می‌دهد که چگونه ضرایب اطلاعاتی را برای مجموعه‌ای از مدل‌های پیش‌بینی آتی CME بخوانیم. در آن، IC هر تاریخ به‌صورت همبستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته در محصولات تعریف می‌شود؛ سپس مقادیر روزانه در میان بخش‌ها میانگین‌گیری…

قراردادهای آتیآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این مطالعه معاملات آتی CME ظرفیت درخت‌های تقویت گرادیانی و تابع زیان را تغییر می‌دهد و پیش‌بینی‌ها را در چند نقطه کنترل آموزش ثبت می‌کند. تعداد برگ‌های درخت تعیین می‌کند مدل فضای ویژگی را تا چه اندازه دقیق بخش‌بندی کند؛ زیان‌های مربعی، مطلق و هابر نیز از نظر…

قراردادهای آتییادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ممیزی به‌روزی از VectorBT Pro و VectorBT OSS را با ML4T در بارهای کاری استراتژی مبتنی بر داده واقعی و پشتیبانی‌شده ارائه می‌کند. هر دو نسخه VectorBT در تخصیص ETF، تخصیص ارز خارجی با مظنه USD و پنل سهام US شرکت می‌کنند. Pro همچنین مورد معاملات آتی…

چندداراییسهامقراردادهای آتیفارکس
یادگیری ماشین برای معامله‌گری

این ممیزی Backtrader و Zipline را با ML4T در نمونه‌های واقعی استراتژی مقایسه می‌کند و فقط ترکیب‌های دارایی و قراردادهایی را به کار می‌گیرد که هر موتور و بسته داده ثابت بتوانند به‌صورت بومی بازنمایی کنند. این بررسی تخصیص ETF و یک پنل سهام US را برای هر دو…

آزمون گذشته‌نگراجرای سفارشقراردادهای آتیفارکس
یادگیری ماشین برای معامله‌گری

این دفترچه حمل قراردادهای آتی، یعنی فاصله قیمت میان سررسیدهای نزدیک، را به ویژگی‌های مبتنی بر مدل تبدیل می‌کند. پیش‌بینی‌های یک‌گام ARIMA برای هر محصول، سنجه‌های فوریه‌ای غلتان از قدرت چرخه فصلی و مدل مارکوف پنهان دوحالته برای استنباط رژیم‌های کلی حمل را شرح…

قراردادهای آتیهزینه/درآمد نگهداری موقعیتیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

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…

قراردادهای آتیآزمون گذشته‌نگرریزساختار بازار
یادگیری ماشین برای معامله‌گری

این آموزش از قراردادهای منفرد ES یک سری پیوسته قرارداد آتی می‌سازد. با استفاده از حجم معاملات و قید غلتش یکنواخت، سررسید نزدیک را شناسایی می‌کند و تغییر قرارداد بر پایه حجم را با زمان‌بندی تقویمی مقایسه می‌کند. توضیح می‌دهد چرا باید قراردادهای مستقیم را از…

قراردادهای آتیآزمون گذشته‌نگرآماراجرای سفارش
یادگیری ماشین برای معامله‌گری

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…

آزمون گذشته‌نگراجرای سفارشچندداراییقراردادهای آتی
یادگیری ماشین برای معامله‌گری

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،…

قراردادهای آتیسرمایه‌گذاری عاملیآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

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…

قراردادهای آتیکالاهاچندداراییآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

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…

سهامقراردادهای آتیتعیین اندازه موقعیتمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه از پیش‌بینی‌های ثبت‌شده GBM برای ETFها و قراردادهای آتی CME استفاده می‌کند تا وزن‌دهی برابر، وزن‌دهی معکوس بر اساس عرض کانفورمال و وزن‌دهی متناسب با امتیازهای پیش‌بینی مثبت را مقایسه کند. بازه‌های کانفورمال تفکیک‌شده موندریانِ مختص هر دارایی، از…

سهامقراردادهای آتیمدیریت ریسکتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج موتور LEAN را از ممیزی‌ای جدا می‌کند که اجراهای حفظ‌شده استراتژی واقعی را با پروفایل‌های متناظر ML4T Backtest مقایسه می‌کند. چهار بارکاری پشتیبانی‌شده را مشخص می‌کند: تخصیص ETF، تأمین مالی قراردادهای دائمی رمزارز، تخصیص FX با مظنه USD و پنل…

چندداراییآزمون گذشته‌نگراجرای سفارشرمزارز
یادگیری ماشین برای معامله‌گری

این دفترچه از داده‌های واقعی ETF استفاده می‌کند تا بسنجد سیگنال مومنتوم با تغییرات معقول در بازه بازنگری، رژیم بازار و پیاده‌سازی همچنان مفید می‌ماند یا نه. ضرایب اطلاعات مقطعی میان مومنتوم و بازده‌های آتی را محاسبه می‌کند، سپس هر بار یک پارامتر بازنگری را…

قراردادهای آتیمومنتومآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های سنجش نوسان را مقایسه می‌کند و در کنار تحلیل ناهمواری، مدل‌های نوسان خودرگرسیو ناهمگن (HAR) را توسعه می‌دهد. از بازده‌های درون‌روزی برای برآورد واریانس تحقق‌یافته نشست استفاده می‌کند، حرکت درون‌روزی را از بازده شبانه متمایز می‌سازد و…

نوسانآمارشاخص‌های تکنیکالسهام