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 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…

سهامبازارهای آمریکاریزساختار بازاراختیار معامله
یادگیری ماشین برای معامله‌گری

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…

اختیار معاملهیادگیری ماشینمدیریت ریسکاجرای سفارش
یادگیری ماشین برای معامله‌گری

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…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌سنجی می‌پرسد آیا داده‌ها و فرض‌های یک استراتژی هفتگی استرادل کوتاه با پوشش دلتا روی اجزای S&P 500، پیش از برازش مدل، معقول‌اند یا نه. توضیح می‌دهد که چگونه اختیار خرید و فروش با قیمت اعمال و سررسید یکسان یک استرادل می‌سازند، نوسان ضمنی و…

اختیار معاملهنوسانمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد وزن‌دهی پرتفوی را برای فروش استرادل روی نمادهای منتخب S&P 500 مقایسه می‌کند. نمادهای انتخاب‌شده را ثابت نگه می‌دارد و تخصیص را تغییر می‌دهد؛ وزن‌دهی برابر خط مبناست. روش‌ها شامل وزن‌دهی بر اساس امتیاز پیش‌بینی‌شده، نوسان معکوس، برابری ریسک،…

اختیار معاملهساخت پرتفویتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این مطالعه موردی، استرادل فروش هفتگی اختیار معامله S&P 500 را با استفاده از بک‌تست‌های ثبت‌شده ارزیابی می‌کند. پیکربندی‌ای را از جهان نقدشونده مشخص‌شده انتخاب می‌کند، نامزدها را بر مبنای اعتبارسنجی رتبه‌بندی می‌کند و پیکربندی برگزیده را بدون استفاده از نتایج…

اختیار معاملهسهامآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد عامل تنزیل تصادفی (SDF) چگونه مقطع سیگنال‌های اختیار معامله سهام را قیمت‌گذاری می‌کند. برخلاف مدل‌های عاملی که مواجهه‌ها و بازده عوامل را برآورد می‌کنند، رویکرد SDF یک متغیر تصادفی برآورد می‌کند که قیمت‌گذاری بازده دارایی‌ها را…

اختیار معاملهسهامیادگیری ماشینسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه استراتژی سهام و اختیار معامله S&P 500 را که پیش‌تر انتخاب شده، روی پیش‌بینی‌های یک دوره نگه‌داشته‌شده جداگانه در 2021 اعمال می‌کند. پیکربندی منتخب، از جمله تخصیص‌دهنده، قواعد تمرکز، پوشش ریسک و هزینه‌های معاملاتی، بدون تغییر حفظ می‌شود و…

سهاماختیار معاملهآزمون گذشته‌نگرمدیریت ریسک
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 با مدل GJR-GARCH(1,1) ویژگی‌های نوسان شرطیِ مبتنی بر مدل را برای سهام S&P 500 می‌سازد؛ سپس فاصله نوسان ضمنی اختیار معامله از نوسان تحقق‌یافته را با فاصله آن از پیش‌بینی مدل مقایسه می‌کند. چون پارامترهای برآوردشده ممکن است مشاهدات آینده را…

سهاماختیار معاملهنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه یک مدل عامل نهفته PCA را روی پنل بازده سهام برازش می‌کند، بدون آنکه از ویژگی‌های سطح اختیار معامله، مشخصه‌ها یا اطلاعات هدف استفاده کند. PCA جهت‌های اصلی هم‌حرکتی مقطعی تاریخی را استخراج می‌کند، مواجهه هر سهم را برآورد می‌کند و بر پایه میانگین…

سهاماختیار معاملهیادگیری ماشینآمار
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 ارزیابی می‌کند که هزینه‌های معاملاتی چگونه عملکرد اعتبارسنجی یک تخصیص سهام و اختیار معامله S&P 500 را که پیش‌تر انتخاب شده، تغییر می‌دهند. هزینه‌های یک‌طرفه را به‌صورت کسری از ارزش معامله‌شده تغییر می‌دهد و با کارمزد ثابت به‌ازای هر سهم و نصف فاصله…

سهاماختیار معاملهآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این مطالعه موردی برای مقایسه صرف ریسک واریانس میان سهام 500، با استفاده از استرادل‌های هم‌قیمت 30روزه و داده قیمت دارایی پایه، ویژگی می‌سازد. نوسان ضمنی را در چند افق با نوسان تحقق‌یافته می‌سنجد، شاخص‌های هزینه و ریسک بازار اختیار معامله را می‌افزاید و…

اختیار معاملهسهامنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌پذیری بررسی می‌کند که آیا داده‌ها و فرض‌ها می‌توانند پشتیبان استراتژی هفتگی‌ای باشند که سهام 500 را بر اساس نوسان ضمنی هم‌قیمت رتبه‌بندی و سهام برتر را خریداری می‌کند. اختیار معامله سیگنال را فراهم می‌کند، اما موقعیت‌ها در سهام نگهداری…

سهاماختیار معاملهنوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این یادداشت پیکربندی، تنظیماتی را که در هویت یک بک‌تست ظاهر می‌شوند از تنظیماتی که واقعاً بر هزینه‌های معاملاتی شبیه‌سازی‌شده اثر می‌گذارند متمایز می‌کند. در مطالعه موردی توصیف‌شده، همه اجراهای ثبت‌شده از مسیری برداری‌شده استفاده می‌کنند که بازده را تا…

اختیار معاملهآزمون گذشته‌نگراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه TabM، یک تجمیع عصبی با اشتراک وزن، را برای هدف‌های بازده سهامِ ساخته‌شده از ویژگی‌های اختیار سهام به کار می‌گیرد. اعضای آن از هسته شبکه‌ای دولایه مشترک، بردارهای مقیاس‌بندی فعال‌سازی جداگانه و سرهای خروجی‌ای استفاده می‌کنند که پیش‌بینی‌هایشان…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیل یادگیری ماشین دوگانه‌ای را درباره اثر صرف ریسک واریانس بر بازده اختیارهای S&P 500 تا سررسید تعریف و اجرا می‌کند. پیش از اجرا، کمیت هدف، زمان‌بندی مشاهدات، عوامل مخدوش‌کننده، طرح اعتبارسنجی متقاطع زمانی، مدل مزاحم، طرح کوواریانس HAC و روش…

اختیار معاملهبازارهای آمریکایادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چرا سری روزانه اختیار معامله با سررسید ثابت، سری بازدهِ موقعیتی نیست که واقعاً نگهداری شده باشد. ابتدا پایه‌های اختیار خرید و فروش با قیمت اعمال و سررسید یکسان را که از فیلترهای نقدشوندگی، سررسید، برآورد نوسان و دلتای اختیار عبور می‌کنند…

اختیار معاملهنوسانآزمون گذشته‌نگرقیمت‌گذاری مشتقه‌ها
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های عصبی TabM را برای هدف بازده استراتژی استرادل کوتاه روی اختیارهای S&P 500 برازش می‌دهد و سه ظرفیت مدل را روی همان پنل ویژگیِ روش‌های خطی و تقویتی مقایسه می‌کند. TabM یک ستون فقرات عصبی را میان اعضای مجموعه مشترک می‌سازد، در حالی که بردارهای…

اختیار معاملهسهامیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پوشش ریسک عمیق برای یک اختیار خرید اروپایی فروش‌رفته را نشان می‌دهد. مسیرهای حرکت براونی هندسی را شبیه‌سازی می‌کند، پوشش دلتا بلک–شولز را به‌عنوان معیار به کار می‌برد و شبکه عصبی نیمه‌بازگشتی را آموزش می‌دهد تا موقعیت در دارایی پایه را انتخاب کند؛…

اختیار معاملهقیمت‌گذاری مشتقه‌هایادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه کنترل‌های سطح موقعیت را برای تخصیص سهام و اختیار معامله S&P 500 ارزیابی می‌کند و حد ضرر ثابت، حد ضرر متحرک و خروج زمانی را با مبنای بدون پوشش اختصاصی هر استراتژی مقایسه می‌کند. زنجیره واجد شرایط استراتژی را با شارپ اعتبارسنجی انتخاب می‌کند و سپس…

سهاماختیار معاملهمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی می‌کند که آیا سنجه‌های بازار اختیار معامله می‌توانند بازده‌های آینده سهام را رتبه‌بندی کنند. مدل‌های خطی مشخص‌شده با ویژگی‌های استخراج‌شده از اختیار معامله و با اعتبارسنجی پیش‌رونده برازش می‌شوند و شدت جریمه برای ریدج، لسو و الاستیک‌نت…

اختیار معاملهسهامنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این مطالعه می‌پرسد آیا کمیت‌های بازار اختیار معامله می‌توانند بازده آتی سهام را رتبه‌بندی کنند. ویژگی‌ها شامل نوسان ضمنی در سررسیدهای مختلف، چولگی اختیار فروش‌ـ‌خرید، شیب ساختار سررسید و صرف ریسک واریانس هستند. چون بسیاری از سنجه‌ها در چند شکل هم‌پوشان…

اختیار معاملهسهامنوسانیادگیری ماشین