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 دفترچه پیش‌بینی بازده را از ادعای اینکه مومنتوم علت آن است متمایز می‌کند. بازده سال پیشِ سهام، به‌استثنای ماه اخیر، را به‌عنوان متغیر مداخله و بازده آتی را پیامد در نظر می‌گیرد. نوسان اخیر، رتبه کم‌نقدشوندگی و نسبت حجم را عوامل مخدوش‌کننده بالقوه تعریف…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه PatchTST را به‌عنوان عضوی از جمعیت تعریف‌شده مدل‌های دنباله‌ای برای اختیار معامله S&P 500 برازش می‌دهد. PatchTST پنجره نگاه‌به‌عقب را به قطعه‌هایی با اندازه ثابت تقسیم می‌کند، آن‌ها را به‌صورت توکن تعبیه می‌کند و با توجه، رابطه میان بخش‌های…

اختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج LightGBM را در چند مطالعه موردی معاملاتی تجمیع و با خط مبناهای خطی و TabM مقایسه می‌کند. پیکربندی با بالاترین IC را برای هر مطالعه بررسی می‌کند، بازه‌های سازگار با ناهمسانی و خودهمبستگی را گزارش می‌دهد و ارتباط تابع زیان، عمق درخت و…

یادگیری ماشینآمارآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این ابزار روندی تشخیصی برای مصنوعات داده‌ایِ تولیدشده در خط لوله‌های پژوهش کمی توصیف می‌کند. ستون‌های عددی را از نظر مقادیر تهی، مقادیر غیرمتناهی، صفرها، مقادیر متمایز، چندک‌ها و رفتار دنباله بررسی می‌کند، سپس ستون‌هایی را که از آستانه‌های راهنمای تنظیم‌پذیر…

آمارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه می‌آزماید که آیا تعبیه‌های گرافیِ آموخته‌شده، اطلاعات پیش‌بینی‌کننده‌ای به مدل جدولیِ سهام US اضافه می‌کنند. شبکه را بر پایه همبستگی‌های مطلق بازده که پیش از دوره هدف اندازه‌گیری شده‌اند می‌سازد، ویژگی‌های مومنتوم، نوسان و روند را با همان تاریخچه…

سهامیادگیری ماشینآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های سنجش نوسان را مقایسه می‌کند و در کنار تحلیل ناهمواری، مدل‌های نوسان خودرگرسیو ناهمگن (HAR) را توسعه می‌دهد. از بازده‌های درون‌روزی برای برآورد واریانس تحقق‌یافته نشست استفاده می‌کند، حرکت درون‌روزی را از بازده شبانه متمایز می‌سازد و…

نوسانآمارشاخص‌های تکنیکالسهام
یادگیری ماشین برای معامله‌گری

این سند مدل دنباله‌ای LSTM را برای مطالعه اختیار معامله S&P 500 توصیف می‌کند. برخلاف مدل‌های مقطعی که برای خلاصه‌کردن تاریخچه نماد به ویژگی‌های مهندسی‌شده تکیه می‌کنند، LSTM پنجره‌های زمانی را به‌ترتیب دریافت می‌کند و می‌آموزد کدام بخش‌های دنباله اهمیت…

اختیار معاملهسهامیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه با پیش‌بینی همدیسِ تفکیک‌شده، پیرامون پیش‌بینی‌های گرادیان‌بوستینگ بازه پیش‌بینی می‌سازد. مدل را روی بخش آموزشیِ قدیمی‌تر برازش می‌کند، باقیمانده‌های مطلق را در بخش کالیبراسیونِ بعدی می‌سنجد و از آماره ترتیبیِ نمونه محدود برای تعیین پهنای بازه…

یادگیری ماشینآمارمدیریت ریسکتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه چهار تخصیص مرجع ETF را با استفاده از بازه‌های بحران تاریخی، شوک‌های هم‌زمان دارایی که دستی تعریف شده‌اند، شبیه‌سازی مونت‌کارلو با توزیع Student-t و آمار رژیم بازار مقایسه می‌کند. معیار بیشینه افت سرمایه را توضیح می‌دهد و از سبدهای با وزن ثابت…

چندداراییمدیریت ریسکساخت پرتفوینوسان
یادگیری ماشین برای معامله‌گری

این دفترچه فضای ذخیره‌سازی CSV، Parquet، Feather و HDF5 را با پنل قطعیِ یک‌میلیون‌ردیفی OHLCV مقایسه می‌کند. زمان نوشتن، زمان خواندنِ داده بارگذاری‌شده، اندازه فایل و خواندن‌هایی را که فقط دو ستون را انتخاب می‌کنند می‌سنجد. روش زمان‌گیری از یک اندازه‌گیری…

سهامآماراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه خط لوله‌ای برای تبدیل تیترهای مالی به سیگنال‌های سطح سهام ارائه می‌کند. مجموعه اخبار را پاک‌سازی و استاندارد می‌کند، موارد تکراری کاملاً یکسان یا دارای پیشوند مشترک را در گروه‌های نماد-تاریخ حذف می‌کند و از تعبیه‌های جمله برای بازنمایی معنای تیتر…

سهامیادگیری ماشیناحساسات بازارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه چرخه عمر داده بازارِ روزانه OHLCV را توضیح می‌دهد: بارگذاری تاریخچه اولیه، دریافت تغییرات کوچکِ هم‌پوشان، تشخیص نشست‌های مفقود و خلاصه‌سازی تازگی و مشکلات اعتبارسنجی هر نماد. توضیح می‌دهد چرا بازه به‌روزرسانی باید در آخرین میله کامل ارائه‌دهنده…

سهامآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه DQN، PPO و A2C را در محیط شبیه‌سازی‌شده معامله ارز دیجیتال مقایسه می‌کند. فرایند نوسان GARCH(1,1) را بر بازده‌های ساعتی قراردادهای دائمی آتی بیت‌کوین کالیبره می‌کند، سپس مسیرهایی را شبیه‌سازی می‌کند که خوشه‌بندی نوسان را حفظ می‌کنند، اما جهت بازده…

یادگیری ماشینرمزارزقراردادهای آتی دائمیآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه عملکرد یک خط مبنای ثابتِ مومنتومِ خریدِ صرفِ ETF را در شرایط بازار از 2010 تا 2024 بررسی می‌کند. هر بازده روزانه را با معیارهای نوسان و روندی برچسب می‌زند که پیش از آغاز همان بازده معلوم بوده‌اند؛ میانه‌های تاریخیِ گسترش‌یابنده، وضعیت‌های بالا و…

سهاممومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های ازپیش‌انتخاب‌شده مبتنی بر ویژگی‌های شرکت و یک پیکربندی ثابت سبد را در دوره نگه‌داشته‌شده یک‌ساله اعمال می‌کند. برای حفظ ارزیابی برون‌نمونه، هیچ انتخاب تازه‌ای درباره پیش‌بینی‌ها، تخصیص، تمرکز، بازمتعادل‌سازی یا هزینه‌های تراکنش انجام…

سهامسرمایه‌گذاری عاملیتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نمونه‌برداری مبتنی بر اطلاعات را با ساخت میله‌های عدم‌تعادل تیک و حجم از داده‌های معاملات بررسی می‌کند. پیاده‌سازی دستی عدم‌تعادل تیک را با نمونه‌گیر یک کتابخانه تطبیق می‌دهد، سپس اندازه‌های موردانتظار میله و تنظیمات سازگاری را می‌سنجد تا…

سهامریزساختار بازارآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این ممیزی موتورهای معاملاتی را مقایسه می‌کند که اهداف ثابت و منجمد مدل و ورودی‌های تاریخیِ آدرس‌دهی‌شده بر اساس محتوا را در تخصیص ETF، قراردادهای آتی، تأمین مالی قراردادهای دائمی رمزارز، ارز خارجی و سهام US بازپخش می‌کنند. هم‌ارزی اجرا با تطبیق سوابق پرشدن…

آزمون گذشته‌نگراجرای سفارشچندداراییقراردادهای آتی
یادگیری ماشین برای معامله‌گری

این دفترچه روند پرسش‌وپاسخ فقط‌خواندنی را روی گراف دارایی‌های نهادی نشان می‌دهد که از گزارش‌های 13F ساخته شده است. به‌جای تولید پرس‌وجوهای پایگاه داده از زبان طبیعی، پرسش‌های دقیق و پشتیبانی‌شده را به قالب‌های Cypher دست‌نویس با موجودیت‌های ثابت هدایت…

سهامیادگیری ماشیناجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل لایه‌های ریسک را در مطالعات موردی مقایسه می‌کند؛ بک‌تست‌های آن‌ها را از دفتر ثبت می‌خواند و شارپ و بیشینه افت سرمایه را در برابر خط‌پایه مرحله تخصیص می‌سنجد، با جایگزینی از مرحله سیگنال در صورت نبود خط‌پایه. پیکربندی‌ها را بر اساس نوع قاعده…

مدیریت ریسکآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه حد ضرر، حد ضرر متحرک و خروج زمانی در سطح موقعیت را روی پیکربندی‌های برتر مرحله تخصیص در راهبرد درون‌روزی NASDAQ-100 ارزیابی می‌کند. تصمیم‌ها هر پانزده دقیقه گرفته می‌شوند، در حالی که موتور بک‌تست موقعیت‌ها را هر دقیقه پایش می‌کند؛ بنابراین لایه…

سهاممدیریت ریسکآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه قیمت‌گذاری بلک–شولز برای اختیار خرید و فروش اروپایی را توسعه می‌دهد، برابری اختیار خرید و فروش را بررسی می‌کند و با روش ریشه‌یابی برنت نوسان ضمنی را محاسبه می‌کند. همچنین دلتا، گاما، وگا، تتا و رو را تعریف می‌کند و با نمودار نشان می‌دهد حساسیت‌های…

اختیار معاملهقیمت‌گذاری مشتقه‌هانوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه ترنسفورمری قطعه‌بندی‌شده را برای پیش‌بینی دنباله در مطالعه سهام و اختیار معامله S&P 500 شرح می‌دهد. پنجره زمانی را به بلوک‌های پیوسته تقسیم می‌کند و هر بلوک را یک توکن در نظر می‌گیرد؛ این کار اجازه می‌دهد توجه، هنگام کار با دنباله‌ای کوتاه‌تر،…

سهاماختیار معاملهیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این یادداشت، تحلیل مؤلفه‌های اصلی ابزارمند (IPCA) را برای یک پنل متغیر از سهام US توضیح می‌دهد. در PCA سنتی، برای هر سهم یک بار عاملی برازش‌شده تعیین می‌شود؛ این روش به‌طور طبیعی سهامی را که در نمونه آموزشی حضور نداشته‌اند پوشش نمی‌دهد و با تغییر ویژگی‌های…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این فصل یادگیری تقویتی را ابزاری برای کنترل ترتیبی معرفی می‌کند و آن را از پیش‌بینی نظارت‌شده متمایز می‌سازد. تمرکز آن بر وظایفی است که کنش‌ها بر پیامدهای بعدی اثر می‌گذارند و پاداش‌ها نسبتاً ملموس‌اند: اجرای معامله، بازارسازی و پوشش ریسک مشتقات. نگاشت این…

یادگیری ماشیناجرای سفارشبازارسازیاختیار معامله