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.
500 سند
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 بررسی تغییر ویژگی را برای ویژگی‌های مومنتوم و تکنیکال ETF در بازه‌های آرام و پرتنش و برای قراردادهای آتی دائمی رمزارز با داده شاخص پریمیوم در رژیم‌های مختلف بازار نشان می‌دهد. شاخص پایداری جمعیت (PSI) و سهم هر بازه آن را با فاصله واسرشتاین مقایسه…
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 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 راهنما مجموعه‌داده‌های سهام US را در گروه‌های داده بازار، بنیادهای شرکت، موقعیت‌گیری سرمایه‌گذاران و ویژگی‌های شرکت سازمان‌دهی می‌کند. بارگذارهای داده برای کندل‌های روزانه و درون‌روزی، اختیار معامله و سوابق ریزساختار بازار را فهرست می‌کند و نیز متن…
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 سند فرایندی مرحله‌ای را برای پیوند نام شرکت‌ها در پرونده‌ها، اخبار و داده‌های جایگزین به اوراق بهادار ارائه می‌کند. شناسه‌های موجودیت مانند CIK و LEI را از شناسه‌های اوراق بهادار مانند FIGI، CUSIP و ISIN متمایز می‌کند و توضیح می‌دهد چرا نمادهای معاملاتی…
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 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 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 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 مناظره‌ای چندمرحله‌ای میان نقش‌های صعودی و نزولی در پیش‌بینی ارائه می‌کند. هر طرف از احتمال بیشتر یا کمتر یک رویداد دفاع می‌کند، در مراحل بعد استدلال پیشین طرف مقابل را می‌بیند و احتمال و شواهد پشتیبان را گزارش می‌دهد. معیار تشخیصی اصلی فاصله میان…
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.…
این دفترچه پیکربندی انتخاب‌شده در مراحل اعتبارسنجی پیشین را با استفاده از تاریخچه پیش از -2021 دوباره برازش می‌کند و سپس پیش‌بینی‌هایی برای دوره نگه‌داشته‌شده 2021 منتشر می‌کند. پیکربندی برگزیده را از مجموعه نامزدهای ثبت‌شده بازیابی می‌کند یا در نبود آن…
این دفترچه جریان کار تیترهای ESG را پیاده‌سازی می‌کند: خبرها را با کلیدواژه‌ها انتخاب می‌کند، هر تیتر منتخب را به دسته محیط‌زیست، اجتماعی یا حاکمیت شرکتی اختصاص می‌دهد و تیترهای نمونه‌گیری‌شده را با تحلیل احساسات FinBERT امتیازدهی می‌کند. ترکیب دسته‌های…
این دفترچه پیش از نمایه‌سازی برای پژوهش مالی، مجموعه‌ای از گزارش‌های سالانه را ممیزی می‌کند. فاصله پایان دوره مالی تا تاریخ انتشار عمومی پرونده را اندازه می‌گیرد و نشان می‌دهد چرا کاربردهای نقطه‌درزمان باید از تاریخ انتشار استفاده کنند. همچنین پرونده‌هایی را…
این دفترچه ویژگی‌های مالی و مبتنی بر مدل را از نظر رابطه‌شان با بازده هشت‌ساعته بعدی قراردادهای دائمی رمزارز غربال می‌کند. برای هر تسویه، همبستگی‌های اسپیرمن مقطعی میان قراردادهای واجد شرایط را محاسبه و سپس امتیازها را در تاهای اعتبارسنجی آزمون پیش‌رونده…
این دفترچه نتایج موجود مدل‌ها در آزمون پیش‌رونده را در مطالعات موردی مالی گردآوری می‌کند تا LSTM، NLinear، TSMixer، TCN و PatchTST را با خط‌مبناهای خطی، تقویت گرادیانی و شبکه عصبی جدولی مقایسه کند. معیار اصلی آن میانگین ضریب اطلاعات اسپیرمن روزانه است که با…