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

821 سند

یادگیری ماشین برای معامله‌گری

این دفترچه برازش شبکهٔ حافظهٔ بلندمدت کوتاه‌مدت (LSTM) را روی ویژگی‌های ریزساختار یک‌دقیقه‌ای NASDAQ-100 برای پیش‌بینی بازده‌های آتی در چند افق توضیح می‌دهد. مدل، توالیِ مشاهدات گذشته را گام‌به‌گام پردازش می‌کند و می‌آموزد کدام مشاهدات پیشین را نگه دارد.…

یادگیری ماشینسهاممعاملات پربسامدآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه خودرمزگذار شرطی‌ای را معرفی می‌کند که تحلیل مؤلفه‌های اصلی ابزارمند را گسترش می‌دهد: نگاشت خطی از ویژگی‌های سهام به مواجهه‌های عاملی را با یک شبکه عصبی جایگزین می‌کند. ساختار حاصل‌ضرب مواجهه‌ها در بازده عوامل را حفظ می‌کند و در عین حال روابط…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه کاری، روشی برای دریافت و نگهداری سری‌های زمانی مالی با یک مدیر یکپارچه، مجموعه نمادهای ازپیش‌تعریف‌شده یا سفارشی و ذخیره‌سازی پارتیشن‌بندی‌شده پارکت ارائه می‌کند. دریافت تک‌نمادی و موازی چندنمادی، بارگذاری داده در ذخیره‌سازی، خواندن بازه‌های تاریخ…

چندداراییسهامآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این سند معماری یک شبکه سیاست عصبی را شرح می‌دهد که سری‌های زمانی و زمینه هر دارایی را به وزن‌های ریسک محدودشده سبد تبدیل می‌کند. ستون فقرات هر دارایی، جاسازی‌های زمینه، تعدیل ویژگی‌محور، انتخاب متغیر، یک LSTM و توجه زمانی علّی را ترکیب می‌کند. سپس روابط میان…

یادگیری ماشینساخت پرتفویمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این دفترچه مرحله پیش‌بینی دوره نگه‌داشته‌شده را در مطالعه ویژگی‌های شرکت‌های US شرح می‌دهد. پیکربندی مدلِ انتخاب‌شده با نتایج اعتبارسنجی را می‌گیرد، مشخصات آموزش و نقطه کنترل آن را بازسازی می‌کند و سپس با داده‌هایی که پیش از پنجره نگه‌داشته‌شده پایان…

سهامبازارهای آمریکایادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه خط لوله‌ای برای استخراج رویدادهای ساختاریافته شرکتی از پرونده‌های SEC 8-K و بارگذاری آن‌ها در گراف دانش Neo4j ارائه می‌کند. یک مدل زبانی پرونده‌ها را دسته‌ای پردازش می‌کند تا رکورد رویدادهایی با فاعل، رابطه، مفعول و زمان‌مهر بسازد. گردش‌کار از…

مبتنی بر رویدادیادگیری ماشینسهامآمار
یادگیری ماشین برای معامله‌گری

این دفترچه جست‌وجوهای ابرپارامتر Optuna را برای XGBoost، LightGBM و CatBoost روی مجموعه‌داده ویژگی‌های شرکت‌ها مقایسه می‌کند. هر کتابخانه مطالعه جست‌وجوی جداگانه‌ای دارد که از برآوردگر پارزنِ ساختاریافته با درخت، هرس میانه، توقف زودهنگام و ذخیره‌سازی پایدار…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه با یادگیری ماشین دوگانه بررسی می‌کند که آیا فاصله نوسان ضمنی منهای نوسان تحقق‌یافته، پس از تعدیل عوامل مخدوش‌گر مشاهده‌شده، با بازده‌های بعدی سهام ارتباط دارد یا خیر. نوسان تحقق‌یافته، مومنتوم سهام و چولگی بازگشت ریسک را به‌عنوان متغیرهای کنترلی…

سهاماختیار معاملهنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این نمایش بررسی می‌کند که آیا یک پیاده‌سازی تقاطع دو میانگین متحرک، در موتورهای بک‌تست و زنده سیگنال‌های یکسانی تولید می‌کند. هر دو موتور همان کندل‌های آماده‌شده ETF را دریافت می‌کنند و از پارامترهای استراتژی و قرارداد اجرای یکسان استفاده می‌کنند؛ بنابراین…

سهامآزمون گذشته‌نگراجرای سفارششاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه داده‌های معامله و مظنه AlgoSeek در سطح تیک را برای AAPL هنگام سقوط بازار در ماه مارس 16، 2020 بررسی می‌کند. داده‌ها به ساعات عادی معامله محدود می‌شوند؛ ثبت معاملات از به‌روزرسانی‌های NBBO جدا می‌شود و فعالیت درون‌روزی، فاصله قیمت خریدوفروش، اندازه…

سهامریزساختار بازاراجرای سفارشنوسان
یادگیری ماشین برای معامله‌گری

این تحلیل سفارش‌های محدود منفرد NASDAQ را از پیام‌های افزودن، حذف، لغو جزئی، جایگزینی و اجرا در ITCH بازسازی می‌کند. با استفاده از زمان‌مهرهای دقیق و توزیع‌های طول عمر با مقیاس لگاریتمی، می‌سنجد که آیا سفارش‌ها لغو یا اجرا می‌شوند و چقدر طول می‌کشد تا این…

سهامریزساختار بازاراجرای سفارشمعاملات پربسامد
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های ریج، لاسو و الاستیک‌نت را با ویژگی‌های منتشرشده شرکت‌ها برای سهام منفرد US برازش می‌دهد. ویژگی‌ها ارزش، سودآوری، سرمایه‌گذاری، اندازه، مومنتوم، بازگشت، ریسک و نقدشوندگی را دربر می‌گیرند. بخش‌های آزمون پیش‌رونده پیکربندی‌ها را قابل‌مقایسه…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این مطالعه موردی درخت‌های تقویت‌شده گرادیانی را با برچسب‌های بازده ETF برازش می‌دهد و آن‌ها را با یک مبنای خطی مقایسه می‌کند که تحت منظم‌سازی ریج قوی عملکرد خوبی داشته است. توضیح می‌دهد چرا درخت‌ها می‌توانند تعامل‌ها را کشف کنند؛ برای مثال، مومنتوم ممکن است…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی، پنل تاریخی سهام US را بررسی می‌کند، فیلدهای قیمت خام و تعدیل‌شده آن را توضیح می‌دهد و پوشش نمادها را در گذر زمان می‌سنجد. شمار سالانه نمادهای فعال با نخستین و آخرین مشاهده مقایسه می‌شود تا روشن شود چرا برای فهم توانایی یک مجموعه‌داده در…

سهامبازارهای آمریکاآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از مدل GJR-GARCH، ویژگی‌های نوسان شرطی را برای مطالعه سهام و اختیار معامله S&P 500 می‌سازد. برخلاف قواعد ثابتی که بر قیمت‌های گذشته تکیه دارند، ویژگی‌های برازش‌شده به پنجره برآوردشان وابسته‌اند. بنابراین روش، برنامه بازبرازش را مشخص…

سهاماختیار معاملهنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند روش‌های پاک‌سازی داده‌های مالی را ارائه می‌کند و توضیح می‌دهد چگونه پیش‌پردازش را با بخش‌بندی آموزش و آزمون هم‌راستا نگه داریم. نکته محوری این است که تبدیل‌هایی مانند مقیاس‌بندی و وینسورایز کردن فقط با داده‌های آموزش برآورد شوند؛ استفاده از کل…

یادگیری ماشینآمارسهامآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

سند سه قاعده برای بستن موقعیت‌ها پیش از بازمتوازن‌سازی زمان‌بندی‌شده پرتفوی را توضیح می‌دهد: حد ضرر ثابت، حد ضرر متحرک بر اساس بهترین قیمت موقعیت و خروج زمانی که پس از دوره نگهداری مشخصی موقعیت را می‌بندد. چون این لایه‌ها فقط موقعیت‌ها را حذف می‌کنند،…

سهاممدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این سند مجموعه‌داده‌های عمومی بازده عوامل Fama-French و AQR را به‌عنوان ورودی‌هایی برای معیارسنجی، انتساب ریسک و پژوهش عوامل معرفی می‌کند. عوامل بازار، اندازه، ارزش، سودآوری، سرمایه‌گذاری و مومنتوم از کتابخانه Fama-French را در کنار سری‌های AQR شرح می‌دهد که…

سرمایه‌گذاری عاملیسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه بخش‌های روایی پرونده‌های 10-K و 10-Q را برای تحلیل متنی بعدی استخراج کنیم. شماره بندهای ویژه هر فرم را نگاشت می‌کند، HTML پرونده را با حفظ مرز پاراگراف‌ها تبدیل می‌کند، اجزای حاشیه‌ای صفحه را پاک‌سازی می‌کند و با وجود ارجاع‌های…

سهامیادگیری ماشیناحساسات بازارمبتنی بر رویداد
یادگیری ماشین برای معامله‌گری

این دفترچه افشاهای نهادی 13F را به گرافی دوبخشی تبدیل می‌کند که مدیران را به سهام پیوند می‌دهد و سپس ویژگی‌های مالکیت در سطح سهام را استخراج می‌کند. موقعیت‌های تکراری مدیر و سهام را تجمیع می‌کند، برچسب ناشران را نرمال‌سازی می‌کند، ردیف‌های اختیار معامله را…

سهامآمارساخت پرتفویبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه مرز استقرار میان خط لوله آفلاین یادگیری ماشین و موتور LEAN در QuantConnect را نشان می‌دهد. مجموعه پیش‌بینی را از طریق ثبت مطالعات موردی ETF انتخاب می‌کند، منشأ آموزش و پیش‌بینی را بررسی می‌کند و پیش‌بینی‌های خارج از نمونهِ دوره نگه‌داشته‌شده را در…

یادگیری ماشیناجرای سفارشآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه امضاهای مسیر را به‌عنوان ویژگی‌هایی با طول ثابت توضیح می‌دهد که ترتیب و شکل مشترک مشاهدات را در یک سری زمانی حفظ می‌کنند. شرح می‌دهد که سطح نخست امضا تغییرات کل را ثبت می‌کند، درحالی‌که جمله‌های سطح دوم مساحت‌های علامت‌دار میان جفت مختصات را ثبت…

سهامیادگیری ماشینآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه مقایسه‌های هم‌ارزی میان Backtrader، Zipline Reloaded و یک چارچوب معاملاتی داخلی را برای استراتژی‌های منتخبِ مطالعات موردی واقعی گزارش می‌کند. برای هر دو موتور بیرونی، مقایسه‌های ETF و پنل سهام US را در بر می‌گیرد و برای Backtrader نیز مقایسه…

آزمون گذشته‌نگراجرای سفارشریزساختار بازارسهام
یادگیری ماشین برای معامله‌گری

این ماژول یک خط مبنای تخصیص ماهانه ETF را با امتیاز مومنتوم تعدیل‌شده بر اساس ریسک تعریف می‌کند: بازده تجمعی گذشته تقسیم بر نوسان تحقق‌یافته سالانه‌شده. وقتی شیب منحنی بازدهِ نرخ سررسید 10‌ساله منهای 2‌ساله از آستانه بیشتر باشد، دارایی‌های با رتبه بالاتر را…

سهامچندداراییمومنتومنوسان