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.
327 سند
این سند L2GMOM را معرفی می‌کند؛ چارچوبی برای یادگیری ماشین در مومنتوم شبکه‌ای. مومنتوم شبکه‌ای از روابط میان دارایی‌ها برای کمک به پیش‌بینی بازده آینده استفاده می‌کند. چارچوب پیشنهادی شبکه مالی و سیگنال‌های معاملاتی را با هم یاد می‌گیرد، به‌جای آنکه ابتدا…
این مقاله شبکه عصبی کانولوشنیِ بدون مدل را توصیف می‌کند که قیمت‌های تاریخی مجموعه‌ای از دارایی‌ها را دریافت می‌کند و وزن‌های سبد را خروجی می‌دهد. شبکه با یادگیری تقویتی آموزش می‌بیند و بازده تجمعی نقش پاداش را دارد. داده آموزشی شامل قیمت‌های رمزارز از یک…
این مقاله به مسئله ساخت سبد در آربیتراژ آماری می‌پردازد: سیگنال‌های تعداد زیادی جفت می‌توانند با هم تعارض داشته باشند و ترکیب فرصت‌ها را در گروه بزرگی از اوراق بهادار دشوار کنند. پیشنهاد می‌کند روابط ترجیح میان اوراق بهادار به‌شکل گراف نمایش داده شوند؛ سپس…
این سند بهینه‌سازی رشد سبد را در شرایط نامطمئن بودن بازده مورد انتظار دارایی‌ها بررسی می‌کند. بازار مورد بررسی ناقص و پُربُعد است و قیمت دارایی‌ها به عوامل تصادفی وابسته‌اند. چارچوب به‌جای تثبیت کامل رانش، مدل‌های مجاز را از طریق ساختار نوسان مشترک، توزیع…
این مقاله روشی تطبیقی از نوع مونت‌کارلو زنجیره مارکوف ماتریسی برای خودرگرسیون‌های برداری هم‌انباشته بیزی ارائه می‌کند. این روش نمونه‌گیری گیبز شبکه‌ای را با رویکرد متروپولیس تطبیقی خودکار جایگزین می‌کند تا برآورد پسین را برای سیستم‌های با ابعاد بالاتر و…
این مقاله بررسی می‌کند آیا سیگنال‌های کلان و بازار می‌توانند زمان تخصیص میان سبدهای ETF رشد و تدافعی را تعیین کنند. مسئله را تخصیص سبک سرمایه‌گذاری می‌داند، نه کشف عامل آلفای جدید: انتساب عوامل نشان می‌دهد سبد رشد منهای تدافعی مواجهه‌های قابل‌شناسایی دارد و…
این مقاله بررسی می‌کند چگونه نوسان پرتفوی و سهم دارایی‌ها در ریسک را برای دوره‌های نگهداری بیش از یک روز برآورد کنند. مقیاس‌بندی آشنای جذر زمان فرض می‌کند بازده‌ها همبستگی سریالی ندارند. با این فرض، سهم‌ها در نوسان را نیز می‌توان به همان روش مقیاس‌بندی کرد.…
این یادداشت‌ها رویکردی کمی به بازگشت به میانگین ارائه می‌کنند که با معامله جفتی آغاز می‌شود و سپس به حذف میانگین، رگرسیون، رگرسیون وزنی، بهینه‌سازی مقید و مدل‌های عاملی می‌رسد. این توالی نشان می‌دهد چگونه می‌توان از روش‌های هرچه عمومی‌تر برای ساخت…
این مقاله سرمایه‌گذاری بهینه را برای سرمایه‌گذاری با ترجیحات ریسک‌گریزی نسبی ثابت در بازاری پیوسته و ناکامل صورت‌بندی می‌کند. قیمت دارایی‌ها از فرایندهای ایتو پیروی می‌کنند و استراتژی‌های معاملاتی باید محدودیت‌های پویای ریسک را رعایت کنند که با زمان و وضعیت…
این سند انتخاب جفت‌ارزهای مظنه در صرافی را مسئله‌ای بهینه‌سازی می‌داند: صرافی‌ها باید همه ارزها را پوشش دهند، جفت‌های نقدشونده را در اولویت بگذارند و پیچیدگی عملیاتی را محدود کنند. چون حجم بیشتر جفت‌های ممکن مشاهده نشده است، روش پیشنهادی ابتدا مقادیر…
این سند بررسی می‌کند که هزینه‌های متناسب معامله چگونه سرمایه‌گذاری اهرمی را در بازاری با یک دارایی امن و یک دارایی پرریسک محدود می‌کنند. استراتژی‌هایی را در نظر می‌گیرد که برای بیشینه‌سازی بازده بلندمدت و حفظ سطح متوسط نوسان طراحی شده‌اند و توضیح می‌دهد…
این مقاله مدل یادگیری عمیق میان‌مدت LSTM را برای پیش‌بینی قیمت سهام با درنظرگرفتن ناهنجاری‌های بازار پیشنهاد می‌کند. در طراحی آن، روندهای بازار به‌صورت حالت‌های پنهان نمایش داده می‌شوند. رویکرد توصیف‌شده ابتدا مدل ARMA میان‌مدتی را صورت‌بندی می‌کند که…
این مقاله چارچوبی برای پرتفوی بر پایه سیگنال‌های پیرو روند توسعه می‌دهد. مدل خودهمبستگی را با کوواریانس روندها و صرف ریسک ترکیب و مدل‌هایی برای ماتریس کوواریانس روند مشخص می‌کند. پرتفوی بهینه حاصل به چهار مؤلفه تجزیه می‌شود که متناظرند با تخصیص مارکویتز،…
این مقاله رویکردی یادگیری عمیق برای انتخاب پرتفوی در سهام US توصیف می‌کند. شبکه تغییر رژیم باقیمانده آن از یک ماژول برای شناسایی شرایط بازار و ماژولی دیگر برای پیش‌بینی شتاب و بازگشت استفاده می‌کند و با تغییر رژیم، میان این دو نوع سیگنال جابه‌جا می‌شود.…
این مطالعه مصرف و سرمایه‌گذاری بهینه تحت مطلوبیت توانی را بررسی می‌کند، هنگامی که ریسک‌گریزی نسبی به دو حالت حدیِ بی‌نهایت و یک نزدیک می‌شود. نتایج همگرایی مصرف بهینه را در مدل‌های نیم‌مارتینگل عمومی و استراتژی‌های معاملاتی بهینه را در مدل‌های پیوسته اثبات…
این مقاله به ساخت پرتفویی از دارایی‌های پایه برای استفاده در آربیتراژ آماری، از جمله معامله جفتی، می‌پردازد. هدف طراحی، ایجاد پرتفویی با رفتار بازگشت به میانگینِ مطلوب و در عین حال کنترل واریانس آن، با رعایت محدودیت اهرم سرمایه‌گذاری است. نویسندگان این اهداف…
این مقاله با استفاده از بهینه‌سازی میانگین–واریانس، ارزش در معرض ریسک شرطی و تغییر رژیم مارکوف بررسی می‌کند که افزودن بیت‌کوین چه اثری بر پرتفوی متنوع بین‌المللی دارد. دو چارچوب نخست نشان می‌دهند که بیت‌کوین می‌تواند تنوع‌بخشی را بهبود دهد، اما نویسنده…
این پژوهش استراتژی تقریبی سبد را برای سرمایه‌گذاری در بازاری ساده و ناکامل با تابع مطلوبیت عمومی استخراج می‌کند. از معادله همیلتون-ژاکوبی-بلمن برای تابع ارزش استفاده می‌کند و بسط مرتبه اولی برحسب طول افق سرمایه‌گذاری به دست می‌دهد. عبارت حاصل، وقتی افق کوتاه…
این پژوهش روشی برای سبد سهام پیشنهاد می‌کند که بر پیش‌بینی توزیع عوامل باقیمانده تکیه دارد؛ عواملی که اطلاعاتی فراتر از مواجهه‌های مشترک بازار دربر دارند و می‌توانند به پوشش ریسک آن مواجهه‌ها کمک کنند. دو مؤلفه اصلی شرح داده می‌شود: روشی با محاسبات کارآمد…
این مقاله مسئله طراحی سبد برای آربیتراژ آماری را صورت‌بندی می‌کند و در پی ترکیب‌هایی از دارایی‌های پایه با رفتار قوی بازگشت‌به‌میانگین است. هدف آن معیاری برای سنجش قدرت بازگشت‌به‌میانگین را در برابر واریانس سبد متوازن می‌کند و هم‌زمان محدودیت بودجه…
این فصل بررسی می‌کند که ثروت و رفتار معاملاتی در سامانه‌های رمزارزی‌ای که از طریق اثبات سهام کوین‌های تازه ایجاد می‌کنند، چگونه تحول می‌یابند. ابتدا انباشت ثروت بدون معامله را با توجه به اثر احتمالی پروتکل بر تمرکززدایی بررسی می‌کند. سپس انگیزه یک…
این مقاله اصل همسانگردیِ برابری ریسک ویژه‌مقدار را به چارچوب تخصیص سبد گسترش می‌دهد که بهینه‌سازی میانگین-واریانس را با قید همسانگردی قابل‌تنظیم ترکیب می‌کند. همسانگردی ریسک را میان مُدهای ویژه پخش می‌کند و به‌عنوان منظم‌ساز هندسی در نظر گرفته شده که حساسیت…
این مقاله عامل یادگیری تقویتی عمیقی را برای مدیریت سبد معرفی می‌کند که جست‌وجوی بازده را با مهار ریسک متوازن می‌سازد. سیاست هدف آن تنظیم می‌کند که عامل تا چه اندازه از اقدام بهینه پیروی کند و با استفاده از پارامتر قابل‌تنظیم طمع، انتخاب‌های کم‌ریسک‌تر را…
این سند چارچوبی برای آربیتراژ آماری ارائه می‌کند که قیمت‌گذاری دارایی، مدل‌سازی سری زمانی و بهینه‌سازی سبد را ترکیب می‌کند. ابتدا از عوامل قیمت‌گذاری نهفته شرطی برای شناسایی دارایی‌های مشابه و ساخت سبدهای باقیمانده استفاده می‌کند، سپس با یک ترنسفورمر…