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

2,112 سند

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 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 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 روش‌های تشخیص تغییر در سری زمانی مالی را با استفاده از SPY به‌عنوان نمونه مرور می‌کند. آزمون Zivot–Andrews را که هنگام آزمودن فرض ریشه واحد، یک شکست را برآورد می‌کند، با PELT و بخش‌بندی دودویی مقایسه می‌کند؛ این دو سری را بر پایه هزینه و جریمه…

سهامآماریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یک مدل ازپیش‌آموزش‌دیده احساسات مالی را روی تیترهای FinMarBa ارزیابی می‌کند و توضیح می‌دهد چرا نتیجه، آزمون خالصی از انتقال احساسات نیست. FinBERT با قضاوت‌های انسانی درباره احساس متن آموزش دیده است، در حالی که برچسب‌های منفی، خنثی و مثبت FinMarBa…

یادگیری ماشیناحساسات بازارسهامآمار
یادگیری ماشین برای معامله‌گری

این دفترچه قاعده بازگشت به میانگینِ فقط خریدِ RSI را برای قراردادهای دائمی BTC/USDT با استفاده از موتور بک‌تست رویدادمحور پیاده‌سازی می‌کند. کندل‌های درون‌روزی را به داده روزانه OHLCV بر مبنای UTC تجمیع می‌کند، شاخص سود و زیان غلتان RSI را محاسبه می‌کند،…

رمزارزقراردادهای آتی دائمیبازگشت به میانگینشاخص‌های تکنیکال
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 دفترچه مدل‌های دنباله‌ای روی شبکه هفتگی را برای پیش‌بینی همان بازده آتی پنج‌جلسه‌ایِ به‌کاررفته در شبکه روزانه مقایسه می‌کند. نمونه‌برداری در روزهای جمعه، آن برچسب را تقریباً به هدف یک‌گام‌بعد تبدیل می‌کند و امکان مقایسه صورت‌بندی رگرسیون مستقیم با مدل…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه دستیار پژوهشیِ تقویت‌شده با بازیابی را بر پایه گزیده‌هایی از پرونده‌های 10-K شرکت‌های US می‌سازد. پرونده‌ها را بارگذاری می‌کند، متن را به بازه‌های جمله‌ای تقسیم می‌کند، قطعه‌ها را با مدل محلی به بردار تبدیل می‌کند و برای جست‌وجوی شباهت نمایه‌سازی…

یادگیری ماشینسهامآمار
یادگیری ماشین برای معامله‌گری

این سند نحوه انتخاب مجموعه‌ای ثابت از سهام را برای بک‌تست‌های اعتبارسنجی و نگه‌داشته‌شده، با استفاده از هزینه تخمینی رفت‌وبرگشت معامله شرح می‌دهد. برآوردگر، هزینه تخمینی هر سهم نسبت به میانگین قیمت سهم را با دو برابر میانه نیم‌اسپرد ترکیب می‌کند؛ هر دو برحسب…

سهاماجرای سفارشریزساختار بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی، پنل روزانه صندوق‌های قابل‌معامله در بورس را در نه گروه بررسی می‌کند. پوشش نمادها را در گذر زمان می‌سنجد، پنل را با فرهنگ رده‌بندی مقایسه می‌کند، مقادیر تهی و حجم‌های صفر را بررسی می‌کند و ترتیب کندل‌های قیمت و نقدشوندگی را برحسب گروه…

سهامساخت پرتفویاجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه آموزش یک شبکه مولد تخاصمی را روی ویژگی‌های روزانه ETF با حریم خصوصی تفاضلی نشان می‌دهد. ابتدا تضمین و بودجه حریم خصوصی را معرفی می‌کند، سپس با Opacus گرادیان متمایزگر هر نمونه را برش می‌دهد، پیش از آنکه گرادیان‌ها تجمیع و نویز کالیبره‌شده اضافه…

یادگیری ماشینآمارسهاممدیریت ریسک
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 نحوه ساخت برچسب‌های بازده قیمت آتی را برای پنل قراردادهای دائمی رمزارز با داده‌های هشت‌ساعته توضیح می‌دهد. مُهرزمان شروع کندل را به زمانی منتقل می‌کند که داده کندل تکمیل‌شده در دسترس قرار می‌گیرد، سپس پیش از پیوند زدن ویژگی‌های پیش‌بین، بازده‌های…

رمزارزقراردادهای آتی دائمیبازگشت به میانگینآمار
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 فصل روش‌های تولید داده مالی مصنوعی و راه‌های سنجش سودمندی خروجی را مرور می‌کند. از محدود بودن مسیرهای واقعی بازار و این خطر آغاز می‌کند که جست‌وجوهای مکرر استراتژی، عملکرد ظاهری بک‌تست را بزرگ‌نمایی کنند. روش‌های پایه شبیه‌سازیِ تفسیرپذیر، از جمله…

یادگیری ماشینآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه موردی، قواعد حد ضرر ثابت و متحرکِ اعلام‌شده را برای موقعیت‌های FX مقایسه می‌کند. ابتدا از یک گروه اعتبارسنجی مهروموم‌شده، برای هر برچسب یک استراتژی مادر انتخاب می‌کند و سپس فقط قاعده ریسک موقعیت را تغییر می‌دهد. چون حد ضررها به حرکت قیمت در طول…

فارکسمدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیت
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 TabM را روی جدولی تخت از ویژگی‌های سهام US به کار می‌گیرد و آن را میان مدل‌های خطی جریمه‌دار و تجمیع‌های درختی قرار می‌دهد. اعضای هر تجمیع، یک هسته شبکه عصبی مشترک دارند، اما هرکدام بردار مقیاس‌بندی و لایه خروجی خود را دارند؛ میانگین‌گیری پیش‌بینی…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه خودرمزگذاری نظارت‌شده را شرح می‌دهد که ردیف‌های ویژگی ETF را به بازنمایی کم‌بعد فشرده می‌کند و بازده‌های آتی را مستقیماً از آن بازنمایی پیش‌بینی می‌کند. برخلاف خودرمزگذار شرطی، فرض نمی‌کند که بازده‌ها از مجموعه کوچکی از حرکات عامل مشترک ناشی…

چنددارایییادگیری ماشینسرمایه‌گذاری عاملیآمار
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 تحلیل، مدل‌های پیش‌بینی ثبت‌شده ETF را از چند خانواده روی پنل مشترکی میان دارایی‌ها مقایسه می‌کند. بررسی می‌کند هر مدل با استفاده از ضرایب اطلاعاتی تا چه حد صندوق‌ها را بر اساس بازده‌های بعدی رتبه‌بندی می‌کند، بازه‌های اطمینان و ثبات در سطح بخش را…

چنددارایییادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل، تحلیل مؤلفه‌های اصلی مبتنی بر همبستگی را روی بازده صندوق‌های قابل‌معامله بورسیِ بخشی اعمال می‌کند. استانداردسازی بازده‌ها پیش از تجزیه، واریانس هر بخش را یک می‌کند؛ بنابراین مؤلفه‌های نخست، حرکت مشترک را توصیف می‌کنند و تحت سلطه پرنوسان‌ترین بخش…

سهامسرمایه‌گذاری عاملیآمارساخت پرتفوی