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

807 سند

یادگیری ماشین برای معامله‌گری

این پیاده‌سازی خودرمزگذاری شرطی را برای قیمت‌گذاری دارایی شرح می‌دهد. شبکهٔ بتا ویژگی‌های هر سهم را به بارهای عاملی نهفته نگاشت می‌کند، درحالی‌که شبکهٔ خطی عامل، بازده پرتفوی‌های مدیریت‌شده را به بازده عامل‌ها نگاشت می‌کند. مدل بازده سهم را با جمع بارهای…

سهامسرمایه‌گذاری عاملییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این مرجع Financial Phrasebank را معرفی می‌کند: مجموعه‌ای برچسب‌گذاری‌شده از جمله‌های خبری مالی که برای آموزش یا ارزیابی مدل‌های پردازش زبان طبیعی به کار می‌روند. برچسب‌گذاران انسانی احساسات را مثبت، خنثی یا منفی تعیین می‌کنند. پیکره با چهار آستانهٔ توافق…

احساسات بازاریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این تحلیل توضیح می‌دهد ضرایب اطلاعات مقطعی (IC) در مدل‌های آتی CME چگونه خوانده شوند و چه ارتباطی با آزمون‌های بعدی پرتفوی دارند. هم‌بستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته را برای هر تاریخ محاسبه و سپس این هم‌بستگی‌ها را در تاریخ‌ها…

قراردادهای آتیآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه جست‌وجوی کلیدواژهٔ BM25، امبدینگ‌های متراکم، ادغام رتبهٔ متقابل (RRF) و بازرتبه‌بندی با رمزگذار متقابل را روی بخش‌هایی از پرونده‌های 10-K شرکت‌ها مقایسه می‌کند. هر روش بازیابی را پیاده‌سازی می‌کند و نتایج رتبه‌بندی‌شده را برای پرس‌وجوهای دقیق،…

یادگیری ماشینآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های LightGBM را روی مجموعه‌ای از سهام US در سه افق بازده مقایسه می‌کند. شبکه، تعداد برگ‌های درخت و توابع زیان را تغییر می‌دهد و سپس هر پیکربندی را در چند نقطهٔ بررسیِ تعداد درخت‌ها امتیازدهی می‌کند. بحث توضیح می‌دهد درخت‌های کم‌عمق چگونه…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه وزن‌دهی برابر، وزن‌دهی معکوس نوسان، کمینه‌واریانس و برابری ریسک سلسله‌مراتبی را با استفاده از مجموعه ETF، پیش‌بینی‌ها، برنامه بازتنظیم و پروتکل بک‌تست یکسان مقایسه می‌کند. مدل Ridge غلتان ETFها را بر اساس ویژگی‌های مومنتوم، فاصله از میانگین متحرک…

ساخت پرتفویآزمون گذشته‌نگرمدیریت ریسکیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این مطالعه موردی سهام US میان پیش‌بینی بازده آینده و این ادعا که مومنتوم علت آن است تمایز می‌گذارد. بازده سال گذشته سهم، بدون احتساب آخرین ماه، را متغیر درمان می‌گیرد؛ بازده آینده پیامد است و نوسان اخیر، رتبه کم‌نقدشوندگی و نسبت حجم معاملات عوامل…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه یک مسئله بازارسازی شبیه‌سازی‌شده می‌سازد که در آن عامل PPO کجی مظنه و پهنای اسپرد را انتخاب می‌کند. هرچه مظنه‌ها از قیمت میانی دورتر شوند، احتمال انجام سفارش کاهش می‌یابد؛ عدم‌تعادل سفارش نیز هم بر انجام سفارش و هم بر حرکت‌های بعدی قیمت اثر…

بازارسازییادگیری ماشیناجرای سفارشریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه آموزشی روش‌های ساخت برچسب هدف برای مدل‌های معاملاتی نظارت‌شده را با داده‌های ETF مقایسه می‌کند. بازده‌ها و برچسب‌های جهت‌دار با افق ثابت، صدک‌های غلتان سری زمانی، صدک‌های مقطعی، برچسب‌های سه‌مانعه با آستانه‌های ثابت یا مقیاس‌شده با نوسان، و اسکن…

یادگیری ماشینآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این ماژول مشترک مدل‌سازی با بارگذاری ویژگی‌ها، برچسب‌ها، داده‌های زمانی و پیکربندی، از گردش‌کارهای پژوهش کمی پشتیبانی می‌کند و سپس بخش‌های اعتبارسنجی متقاطع پیش‌رونده را آماده می‌سازد. طراحی آن بر بازتولیدپذیری و تبار داده تأکید دارد: هش‌ها فایل‌های منبع،…

یادگیری ماشینآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه متن بخش بحث و تحلیل مدیریت در گزارش‌های فصلی SEC 10-Q را به دو سیگنال بالقوه سهام تبدیل کنیم. FinBERT قطعه‌های متن را از نظر لحن مثبت، خنثی یا منفی امتیازدهی می‌کند؛ امتیاز قطعه‌ها به احساسات میانگین و پراکندگی درون هر گزارش…

سهامیادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش استفاده از رژیم‌های بازار در پیش‌بینی را مقایسه می‌کند: مدل مبنا بدون ورودی رژیم، یک مدل با احتمال فیلترشده وضعیت پرنوسان، و مدل‌های جداگانه آموزش‌دیده درون تخصیص‌های قطعی رژیم. برای پرهیز از نگاه‌به‌آینده، مدل مارکوف پنهان را در هر بخش…

سهامیادگیری ماشینآمارنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه برآورد می‌کند که آیا سهم حجم علامت‌گذاری‌شده به‌عنوان آغازشده از سوی خریدار با بازده‌های آینده 15-دقیقه‌ای ارتباط دارد یا نه؛ در این برآورد، اسپرد نسبی، نوسان تحقق‌یافته اخیر و بازده ماهانه گذشته لحاظ می‌شوند. یادگیری ماشین دوگانه با استفاده از…

سهامریزساختار بازاریادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه از یادگیری ماشین دوگانه (DML) برای برآورد اثر تعدیل‌شده یک سنجه پیوسته مومنتوم ETF بر بازده‌های بعدی استفاده می‌کند و نوسان اخیر و بلندمدت، رژیم بازار و شیب منحنی بازده را کنترل می‌کند. رگرسیون تعدیل‌نشده را با EconML و پیاده‌سازی دستی DML مقایسه…

یادگیری ماشینآمارسهاممومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی اجرای پیش‌بینی LSTM را برای مطالعه موردی جفت‌ارزهای FX راه‌اندازی می‌کند. مدل در طول توالی نگاه‌به‌عقب حالت پنهان را حفظ می‌کند و دفترچه پژوهشی معماری و تنظیمات آموزش را از طریق ابزارهای مشترک پیکربندی و برنامه‌ریزی مطالعه تعیین می‌کند. از…

فارکسیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی بررسی می‌کند پیش‌بینی بازده ETF چگونه می‌تواند عدم‌قطعیت را بیان کند و دراپ‌اوت مونت‌کارلو را با گروه مدل‌های عمیق مقایسه می‌کند. دراپ‌اوت در گذرهای تکراری استنتاج فعال می‌ماند، درحالی‌که گروه مدل‌ها اختلاف میان شبکه‌هایی را می‌سنجد که…

سهامیادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی برآوردهای ثبت‌شده یادگیری ماشین دوگانه را از چندین مطالعه موردی معاملاتی گرد می‌آورد و عدم‌قطعیت و تشخیص‌های آن‌ها را مقایسه می‌کند. ردیف‌های جاری را از ثبت‌نامه هر مطالعه بارگیری می‌کند، یکپارچگی ثبت‌نامه و یکتایی برچسب‌ها را می‌سنجد، پوشش…

آماریادگیری ماشینمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی یک مدل LSTM تعریف‌شده را برای پیش‌بینی در مطالعه اختیار معامله S&P 500 برازش می‌دهد. شبکه پنجره‌های زمانیِ تاریخچه هر نماد را دریافت می‌کند و به‌جای اتکا صرف به ویژگی‌های مهندسی‌شده دستی، از حالت بازگشتی دروازه‌دار برای بازنمایی اطلاعات در…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی سه روش طبقه‌بندی جمله‌های اخبار مالی به مثبت، خنثی یا منفی را مقایسه می‌کند: ویژگی‌های واژه و عبارت TF-IDF همراه با رگرسیون لجستیک، بردارهای ایستای واژه با میانگین‌گیری و یک طبقه‌بندی‌گر، و مدل احساسات ازپیش‌آموزش‌دیده FinBERT. روش‌ها روی…

یادگیری ماشیناحساسات بازارسهامآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی ویژگی‌های حسابداری و مبتنی بر قیمت را به‌عنوان پیش‌بین‌های مستقل بازده سهام US در ماه بعد ارزیابی می‌کند. همبستگی‌های رتبه‌ای مقطعی ماهانه میان هر ویژگی و برچسب بازده را محاسبه می‌کند و سپس آن‌ها را در ماه‌های دوره توسعه خلاصه می‌کند. روند…

سهامسرمایه‌گذاری عاملیآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی ویژگی‌های نامزد را برای مطالعه موردی قراردادهای آتی CME در برابر بازده‌های آتی غربال می‌کند. برای هر ویژگی، همبستگی‌های رتبه‌ای مقطعی میان مقادیر ویژگی و بازده‌های بعدی را محاسبه می‌کند، همبستگی را در طول تاریخ‌ها خلاصه می‌کند، عدم‌قطعیت…

قراردادهای آتیآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی شاخص‌های کلان اقتصادی ماهانه را خوشه‌بندی می‌کند تا شرایط بازار را مستقل از بازده سهام توصیف کند. سری‌های FRED را با مشاهدات پایان ماه هم‌تراز می‌کند، بیکاری، نرخ وجوه فدرال، فاصله منحنی بازده و تغییر سالانه CPI را استاندارد می‌سازد و سپس…

یادگیری ماشینآمارنوسانبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی Diffusion-TS را برای تولید توالی‌های مصنوعی بازده روزانه ETF به‌کار می‌گیرد. مدل حذف نویز، سری اصلی را پیش‌بینی می‌کند و پیش‌بینی را به روند چندجمله‌ای، مؤلفه‌های منتخب فوریه و باقیمانده تجزیه می‌کند. هدف تابع ترکیبی حوزه زمان و حوزه…

یادگیری ماشیننوسانآمارچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی با استفاده از داده‌های واقعی بخش نگه‌داشته‌شده، روندی برای پایش مدل مالی مستقرشده می‌سازد. پیش از اندازه‌گیری تغییر، بررسی می‌کند که داده‌های ویژگی ورودی موجود و از نظر ساختاری معتبر باشند؛ سپس پنجره‌های مرجع و جاری را مقایسه می‌کند.…

یادگیری ماشینآمارمدیریت ریسکسهام