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

83 سند

یادگیری ماشین برای معامله‌گری

این دفترچه گردش کاری عملیاتی را برای اتصال بک‌تست و استراتژی زنده مشترک به نشست معامله شبیه‌سازی‌شده Interactive Brokers نشان می‌دهد. هویت و وضعیت حساب را بررسی می‌کند، برای راه‌اندازی اندیکاتورها داده‌های کندلی تاریخی را درخواست می‌کند، به داده‌های بازار…

سهاممومنتوماجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مرور فصل، فرایندی فرضیه‌محور برای تعریف استراتژی‌های معاملاتی پیش از بک‌تست را شرح می‌دهد. فرض‌های مستند داده و پیکربندی تغییرناپذیر را به تحلیل اکتشافی، مطالعه رویداد و برگه مشخصات ساختاریافته استراتژی پیوند می‌دهد. برگه پیشنهادی، فرضیه ابطال‌پذیر، طرح…

مومنتومبازگشت به میانگینآمارآزمون گذشته‌نگر
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 دفترچه نشان می‌دهد که یک سفارش با مبلغ ثابت دلاری، به‌دلیل تفاوت اندازه‌اش نسبت به حجم معاملات موجود، می‌تواند هزینه‌های بسیار متفاوتی در سهام گوناگون ایجاد کند. در آن، مدلی از اثر بازار با ریشه دوم برای یک استراتژی مومنتومِ خرید هنگام مثبت بودن، با…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه TSMixer را برای پیش‌بینی بازده آتی ETF بر پایه ویژگی‌های مومنتوم تاریخی به‌کار می‌گیرد. معماری آن یک تبدیل خطی مشترک را در محور زمان با یک ترکیب‌کننده ویژگی MLP ترکیب می‌کند که جداگانه در هر تاریخ اعمال می‌شود. پیش‌نرمال‌سازی و اتصالات باقیمانده…

یادگیری ماشینسهاممومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند ساخت ماتریس ویژگی مقطعی برای سهام S&P 500 را با ترکیب تاریخچه تعدیل‌شده قیمت سهام و سطوح خلاصه‌شده نوسان ضمنی اختیار معامله شرح می‌دهد. ویژگی‌ها را بر اساس نقش، ورودی، دوره بازنگری و تأخیر مشاهده‌پذیری سازمان‌دهی می‌کند. مقادیر مشتق‌شده از اختیار…

سهاماختیار معاملهنوسانمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که شبکه کانولوشنی زمانی (TCN) چگونه می‌تواند بازده را از داده‌های مالی مرتب‌شده پیش‌بینی کند. کانولوشن‌های علّی تضمین می‌کنند خروجی هر زمان فقط به ورودی‌های همان زمان و پیش از آن وابسته باشد. اتساع‌ها میدان دید را به‌صورت هندسی در…

یادگیری ماشینسهاممومنتومآمار
یادگیری ماشین برای معامله‌گری

این دفترچه عملکرد یک استراتژی مومنتوم ماهانه ثابت ETF را در شرایط مختلف نوسان، روند و منحنی بازده بررسی می‌کند. برچسب‌های رژیم طوری طراحی شده‌اند که پیش از بازدهی که توصیف می‌کنند معلوم باشند: نوسان و روند شاخص با قیمت‌های پایانی قبلی سنجیده و با میانه‌های…

چندداراییمومنتومنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نحوه ساخت بازده‌های نقدی آتی یک، پنج و 21 جلسه‌ای را برای مجموعه ثابتی از جفت‌های FX شرح می‌دهد. ابتدا با استفاده از تقویم تغییر روز نیویورک، کندل‌های چهارساعته را به نشست‌های معاملاتی نگاشت می‌کند و سپس بدون حذف ردیف‌ها پیش از جابه‌جایی، بازده‌ها…

فارکسبازارهای نقدیمومنتومبازگشت به میانگین
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های کمیسیون و لغزش قیمت را برای سهام و قراردادهای آتی مقایسه می‌کند و سپس اثر فرض‌های کمیسیون را بر یک استراتژی مومنتوم ثابت ETF بررسی می‌کند. توضیح می‌دهد که کمیسیون‌های درصدی، به‌ازای هر سهم، حداقلی، ترکیبی و پلکانی با تغییر اندازه معامله…

آزمون گذشته‌نگراجرای سفارشمدیریت ریسکمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه بازمتوازن‌سازی روزانه، هفتگی، دوهفتگی و ماهانه را برای سبد مومنتوم با رتبه بالا و مبتنی بر جهان ثابت ETF مقایسه می‌کند. گردش معاملات و عملکرد ناخالص تعدیل‌شده با ریسک را از قیمت‌های تاریخی می‌سنجد و سپس آلفای سربه‌سر را با ضرب گردش سالانه یک‌طرفه…

سهاممومنتوماجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند پیکربندی، خط لوله پژوهش هفتگی سهام 500 را تعریف می‌کند که ویژگی‌های بازار اختیار معامله را در کنار سیگنال‌های مبتنی بر قیمت به کار می‌گیرد. جهان مجاز، زمان تصمیم‌گیری و اجرا، و تناوب‌های بازمتوازن‌سازی متفاوت برای برچسب‌هایی با افق‌های پیش‌بینی مختلف…

اختیار معاملهسهامنوسانمومنتوم
یادگیری ماشین برای معامله‌گری

این سند یک مدل آموزشی فضای حالت گزینشی به سبک Mamba را برای پیش‌بینی بازده ETF از توالی ویژگی‌های مومنتوم ارائه می‌کند. برخلاف توجه و ترکیب‌سازی متراکم زمانی، مدل فضای حالت، حالتی با اندازه ثابت را در طول توالی حمل می‌کند و میزان محاسبات آن با طول توالی…

یادگیری ماشینآمارمومنتومسهام
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که اثر بازار چگونه نتایج بک‌تست یک استراتژی مومنتوم را در سهام با نقدشوندگی‌های متفاوت تغییر می‌دهد. اندازه سفارش و استراتژی را ثابت نگه می‌دارد، نقدشوندگی و نوسان را از یک دوره شکل‌گیری برآورد می‌کند و در دوره ارزیابی بعدی چند سطح از…

سهاممومنتومریزساختار بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه دو طراحی ترنسفورمر را برای پیش‌بینی بازده 21روزه ETF بر پایه هشت ویژگی مومنتوم گذشته مقایسه می‌کند. PatchTST روزهای متوالی را در وصله‌ها گروه‌بندی می‌کند، تعداد توکن‌های توجه را کاهش می‌دهد و الگوهای زمانی محلی را بازنمایی می‌کند. iTransformer…

یادگیری ماشینمومنتومسهامآمار
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد که آیا داده چهارساعته نقدی FX می‌تواند پشتیبان استراتژی روزانه مقطعی باشد که جفت‌ارزها را با مومنتوم و کری رتبه‌بندی می‌کند، قوی‌ترین‌ها را می‌خرد و ضعیف‌ترین‌ها را می‌فروشد. مدل برازش نمی‌دهد و پیش‌بینی نمی‌کند. در عوض، بررسی می‌کند که…

فارکسمومنتومهزینه/درآمد نگهداری موقعیتآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی، استراتژی روزانه لانگ-شورت را در میان 20 جفت FX شرح می‌دهد. زمان تصمیم‌گیری را بسته‌شدن بازار نیویورک، اجرا را کندل بعدی، اندازه‌گذاری را با وزن برابر و سیگنال‌های رتبه‌بندی را مبتنی بر مومنتوم یا بازده نگهداری تعیین می‌کند. همچنین هزینه‌های…

فارکسمومنتومهزینه/درآمد نگهداری موقعیتبازگشت به میانگین
یادگیری ماشین برای معامله‌گری

این دفترچه یک مدل آموزشی فضای حالت انتخابی بر پایه Mamba را توضیح می‌دهد و آن را برای پیش‌بینی بازده ETF ارزیابی می‌کند. برخلاف مدل فضای حالت با پارامترهای ثابت، جمله ورودی‌به‌حالت، جمله حالت‌به‌خروجی و گام زمانی را از ورودی جاری استخراج می‌کند. گام زمانی…

سهامیادگیری ماشینمومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیلی با یادگیری ماشین دوگانه و پنجره گسترش‌یابنده توصیف می‌کند که آیا مومنتوم 12 تا -2 ماهه، پس از کنترل Beta، IdioVol، LME و Variance، بازده ماه بعد شرکت‌های US را پیش‌بینی می‌کند یا نه. مدل‌های مزاحم با ماه‌های تصمیم‌گیری پیشین آموزش می‌بینند؛…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این سند فرضیه مومنتوم بین‌دارایی را به آزمونی اکتشافی ماهانه با استفاده از جهان 100-ETF تبدیل می‌کند. قیمت‌های تعدیل‌شده پایان ماه را می‌سازد، مومنتوم 12 تا -1 ماهه را اندازه می‌گیرد، سپس صندوق‌های قابل‌قبول را به پنج گروه هم‌وزن رتبه‌بندی می‌کند و بازده ماه…

چندداراییمومنتومدنبال‌کردن روندآمار
یادگیری ماشین برای معامله‌گری

این دموی USD یک چرخه معاملاتی پیوسته ارز دیجیتال را شرح می‌دهد که به بازار اسپات دلاری آلپاکا متصل است. این نمونه، جهان مورد مطالعه قراردادهای آتی دائمی را با جفت‌های اسپات پشتیبانی‌شده در این محل معامله تطبیق می‌دهد و روشن می‌کند که فقط بخشی از آن‌ها در…

رمزارزبازارهای نقدیقراردادهای آتی دائمیمومنتوم
یادگیری ماشین برای معامله‌گری

این یادداشت مجموعه داده، کلکسیونی متنوع از صندوق‌های قابل‌معامله در بورس را توصیف می‌کند که در استراتژی مومنتوم و مجموعه گسترده‌تری از نمونه‌های پژوهش مالی به کار رفته است. داده‌های روزانه بازشدن، بیشینه، کمینه، بسته‌شدن و حجم را از 2006 ارائه می‌کند که در…

چندداراییسهامدرآمد ثابتکالاها
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های ریج، لاسو و الاستیک‌نت را روی مجموعه گسترده‌ای از ویژگی‌های شناخته‌شده سهام US برازش می‌کند؛ از جمله سنجه‌های ارزش، سودآوری، سرمایه‌گذاری، مومنتوم، اندازه، ریسک و نقدشوندگی. بازده‌های ماهانه خام، هدف بازده وینسورایزشده در مقطع عرضی و یک…

سهامسرمایه‌گذاری عاملیمومنتومیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این آموزش سیگنال‌های مقطعی ETF را به پرتفوی‌های ده‌سهمیِ فقط خرید و با وزن برابر تبدیل می‌کند و رگرسیون ریج و طبقه‌بندی لجستیک را با استراتژی‌های مبنای مومنتوم و وزن برابر مقایسه می‌کند. مدل‌ها روی پنجره‌های آموزشی پیش‌رونده، همراه با فاصله حائل برای برچسب…

سهامآزمون گذشته‌نگراجرای سفارشساخت پرتفوی