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.
2,112 سند
این دفترچه توضیح می‌دهد چگونه تراکنش‌های اشخاص داخلی را از SEC خام فرم 4 XML برای پژوهش کمی سهام استخراج کنید. از تجزیه‌گر XML استفاده می‌کند تا کد، تاریخ، تعداد سهم، قیمت و جهت هر معامله را به بلوک تراکنش مربوط نگه دارد و اطلاعات ناشر و مالک گزارش‌دهنده را…
این دفترچه از یادگیری ماشین دوگانه برای برآورد این موضوع استفاده می‌کند که آیا کری قراردادهای آتی، مستقل از نوسان، مومنتوم و رتبه کری مقطعی، بازده‌های بعدی را پیش‌بینی می‌کند یا نه. کری و بازده‌ها را با مدل‌های انعطاف‌پذیر و برازش متقاطع نسبت به این عوامل…
این دفترچه ویژگی‌های مبتنی بر مدل را برای قراردادهای آتی دائمی رمزارز توسعه می‌دهد: پیش‌بینی‌های نوسان شرطی هر دارایی از GJR-GARCH و احتمال رژیم تنش‌زده در کل بازار از مدل پنهان مارکوف گاوسی دوحالته‌ای که با تسویه‌های تأمین مالی برازش شده است. برخلاف…
این مطالعه موردی، جریان‌کاری پژوهشی برای قراردادهای آتی دائمی رمزارز ترسیم می‌کند و پرداخت‌های تأمین مالی میان موقعیت‌های خرید و فروش در تسویه‌های منظم را منبع بالقوه بازده در نظر می‌گیرد. مراحل داده و مدل را از ساخت برچسب و ویژگی‌های مالی تا مدل‌های آماری و…
این تحلیل نتایج غربال ویژگی‌ها را در ۹ مطالعه موردی معاملاتی مقایسه می‌کند و می‌پرسد آیا ویژگی‌هایی که از غربال عبور می‌کنند، استراتژی‌های قوی‌تری را پیش‌بینی می‌کنند. غربال آن، کنترل کشف کاذب بنجامینی–هوچبرگ را با مسیر دومی ترکیب می‌کند که بر حداقل اندازه…
این دفترچه DeePM را توصیف می‌کند؛ سیاستی سرتاسری برای سبد ETF که برای بهبود عملکرد در شرایط متغیر بازار طراحی شده است. اجزای آن شامل ویژگی‌های بازده و روند نرمال‌شده با نوسان، مدلی مبتنی بر LSTM، انتخاب متغیر، لایه‌های شرطی‌سازی و توجه میان‌دارایی محدودشده…
این مطالعه موردی برآورد علّی را برای مومنتوم ETF به‌کار می‌گیرد و می‌پرسد آیا اثر آن بر بازده‌های آتی با نوسان بازار تغییر می‌کند. در آن از مومنتوم پیوسته به‌عنوان متغیر مداخله، بازده آتی 21روزه به‌عنوان پیامد، کنترل‌های نوسان و منحنی بازده، و جنگل علّی برای…
این دفترچه، NLinear را به‌عنوان یک مدل پایه ساده برای پیش‌بینی بازده سهام US معرفی می‌کند. هر نمونه از پنجره‌ای شامل 60 جلسه پیاپی برای یک سهم استفاده می‌کند و ویژگی‌ها به ترتیب زمانی چیده شده‌اند. مدل برای هر ویژگی، آخرین مقدار آن را کم می‌کند، تاریخچه حاصل…
این دفترچه از تحلیل بیشینه حرکت مطلوب و نامطلوب برای تعیین پهنای موانع سه‌گانه بر اساس مسیرهای مشاهده‌شده قیمت استفاده می‌کند. برای ورود خرید در قیمت پایانی یک کندل، بالاترین سقف و پایین‌ترین کف را در پنجره نگهداری بعدی می‌سنجد؛ در موقعیت فروش، جای حرکت‌های…
این دفترچه FinBERT ازپیش‌آموزش‌دیده را روی تیترهای مالی FinMarBa اعمال می‌کند و بررسی می‌کند چرا دقت آن بسیار کمتر از ارقام گزارش‌شده در ارزیابی Financial PhraseBank است. تشخیص محوری، منشأ برچسب‌هاست: برچسب‌های PhraseBank بازتاب‌دهنده قضاوت حاشیه‌نویسان…
این سند روندی را شرح می‌دهد که بارگذارهای استاندارد داده بازار را به رجیستری ویژگی‌های ازپیش‌ساخته و ابزارهای تشخیص سیگنال پیوند می‌دهد. محاسبه ویژگی را می‌توان با نام‌ها، فرهنگ‌های پارامتر یا YAML مشخص کرد؛ این کار از خطوط پردازش تکرارپذیر و افق‌های چندگانه…
این دفترچه دیدی در سطح خانواده مدل از پنج رویکرد عامل نهفته در یک مطالعه موردی تحلیل اختیار معامله سهام ارائه می‌کند. PCA حرکت‌های مشترک را مستقیماً از پنل بازده برآورد می‌کند؛ IPCA ویژگی‌ها را به‌صورت خطی به مواجهه‌ها نگاشت می‌کند؛ و رمزگذار خودکار شرطی از…
این دفترچه بررسی می‌کند چرا دو موتور بک‌تست می‌توانند با سیگنال‌های یکسان نتایج متفاوتی تولید کنند. استراتژی و مجموعه قابل معامله را ثابت نگه می‌دارد، هنگام برابر بودن پیش‌بینی‌ها وزن‌های پرتفوی را قطعی می‌کند و تنظیمات اجرا مانند سهام کسری در برابر سهام…
این فصل بک‌تست را تلاشی برای رد یک استراتژی از طریق فرض‌های صریح درباره زمان‌بندی سیگنال، اجرا، بازمتعادل‌سازی، اندازه موقعیت، هزینه‌ها، محدودیت‌ها و معیارهای مقایسه می‌داند. شبیه‌سازی برداری و رویدادمحور را از نظر نحوه برخورد با وضعیت، ترتیب سفارش‌ها، وجه…
این منبع حفاظ‌هایی را برای بازسازی درخواست مدل از مشخصات آموزشی تغییرناپذیر و اعتبارسنجی اجرای حاصل شرح می‌دهد. بررسی می‌کند که درخواست از نسخه هویتِ پشتیبانی‌شده، سطح اجرای استاندارد، خانواده مدل و مطالعه منطبق، و هویت آموزشیِ بدون تغییر استفاده کند. مجموعه…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را به‌عنوان مدلی برای بازده‌های مقطعی ارائه می‌کند. به‌جای اختصاص وزن مستقیم بازده به ویژگی‌های هر شرکت، IPCA نگاشتی خطی و مشترک از ویژگی‌ها به مواجهه‌های عاملی، در کنار بازده‌های عاملی ماهانه، برآورد می‌کند. این روش…
این دفترچه توضیح می‌دهد چگونه قراردادهای دودویی نرخ فدرال رزرو در Kalshi را به‌صورت احتمال بخوانیم و چگونه از نردبانی از آستانه‌های نرخ، توزیعی ضمنی بسازیم. تأکید می‌کند که خوراک داده شامل پیشنهادهای خرید YES است؛ بنابراین قیمت‌ها کران پایین‌اند و اسپرد بر…
این دفترچه چهار طراحی شبکه عصبی را در یک وظیفه مقایسه می‌کند: پیش‌بینی بازده روزانه بعدی از پنجره‌ای از بازده‌های گذشته که روی هشت صندوق قابل معامله در بورس تجمیع شده‌اند. توضیح می‌دهد شبکه متراکم، کانولوشن یک‌بعدی، LSTM و GRU چگونه این ورودی را پردازش…
این دفترچه مدل‌های دنباله‌ای را برای رتبه‌بندی سهام S&P 500 با استفاده از پنجره‌هایی از تاریخچه سطح اختیار معامله و قیمت‌ها ارزیابی می‌کند. یک مدل خطی نرمال‌شده، که حافظه بازگشتی ندارد، را با LSTM مقایسه می‌کند که دروازه‌های آن اطلاعات را در طول زمان منتقل…
این دفترچه پنل اقتصادی‌ای را بررسی می‌کند که از سری‌های داده‌های اقتصادی فدرال رزرو ساخته شده است. نشان می‌دهد پنل ارائه‌شده از تاریخ‌های تقویمی، شامل آخرهفته‌ها و تعطیلات، استفاده می‌کند و فراداده همراه، معنای هر سری، تناوب منبع و هر فرمول مشتق‌شده را مشخص…
این دفترچه توضیح می‌دهد چرا آزمون‌های تیِ معمولی ممکن است قدرت یک ضریب اطلاعات (IC) را هنگامی که مشاهدات روزانه IC به هم وابسته‌اند بیش‌برآورد کنند. سیگنال مومنتوم را روی داده‌های ETF می‌سازد، خودهمبستگی IC را بررسی می‌کند و در کنار بوت‌استرپ بلوکی برای…
این دفترچه یک رابط یکپارچه OHLCV را در یاهو فایننس، ویکی‌پرایسز و FRED نشان می‌دهد و سپس از این منابع برای داده‌های جاری ETF، سهام با تاریخچه طولانی و سری‌های اقتصاد کلان استفاده می‌کند. رویکرد جایگزینِ اولویت‌بندی‌شده‌ای برای گردآوری داده ترسیم می‌کند و بر…
این دفترچه یک شبکه حافظه بلندمدت کوتاه‌مدت را با ویژگی‌های ریزساختار NASDAQ-100 برازش می‌دهد تا بازده‌های آتی را در چند افق زمانیِ چنددقیقه‌ای پیش‌بینی کند. برخلاف مدل خطیِ تخت‌شده، یک LSTM هر مشاهده را به‌ترتیب پردازش می‌کند و می‌آموزد چه میزان از اطلاعات…
این فصل توضیح می‌دهد چگونه مدل‌های یادگیری ماشین مالی را با رعایت اطلاعات موجود در هر زمان تصمیم‌گیری ارزیابی کنید. آموزش، اعتبارسنجی و دوره کنارگذاری نهایی را از هم متمایز می‌کند و توضیح می‌دهد چرا اعتبارسنجی کی‌فولد با ترتیب تصادفی اجازه می‌دهد مدل‌ها…