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 از رجیستری‌ها، داده چندین مطالعه موردی معاملاتی را می‌گیرد و جدول‌های بین‌مجموعه‌ای برای مقایسه سیگنال، تخصیص، هزینه و ریسک تولید می‌کند. تشخیص‌هایی را درباره خوشه پیکربندی‌های رتبه‌بندی‌شده بر اساس اعتبارسنجی گزارش می‌دهد؛ از جمله فاصله شارپ رتبه…

آزمون گذشته‌نگرآمارچندداراییمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه نهایی، وزن برابر، معکوس نوسان، بهینه‌سازی میانگین-واریانس و برابری ریسک سلسله‌مراتبی را با استفاده از سیگنال مشترکی در مجموعه متنوع ETF مقایسه می‌کند. مدل غلتان ریج از ویژگی‌های مومنتوم، فاصله از میانگین متحرک و نوسان برای برآورد بازده آتی و…

ساخت پرتفویآزمون گذشته‌نگرسهاماجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه N-BEATS را می‌سازد؛ معماری پیش‌بینی عصبیِ کاملاً متصل که یک پنجره ورودی کامل را پردازش می‌کند و مسیر آینده را پیش‌بینی می‌کند. گونه تفسیرپذیر آن بلوک‌ها را مقید می‌کند تا مؤلفه‌ها را با پایه‌های روند چندجمله‌ای و فصلی‌بودن فوریه بیان کنند.…

یادگیری ماشینسهامآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه با ثابت‌کردن سیگنال منتخب هر مطالعه موردی، اثر تخصیص پرتفوی را جدا می‌کند و بک‌تست‌های مرحله تخصیص را مقایسه می‌کند. روش‌هایی مانند وزن برابر، معکوس نوسان، وزن‌دهی امتیازی، بهینه‌سازی میانگین-واریانس، برابری ریسک و برابری ریسک سلسله‌مراتبی را…

ساخت پرتفویآزمون گذشته‌نگرمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های تخصیص پرتفوی را در چند مطالعه موردی، با ثابت نگه‌داشتن پیش‌بینی سیگنال منتخب هر مطالعه، مقایسه می‌کند. بک‌تست‌های مرحله تخصیصِ مرتبط با همان پیش‌بینی محوری را بارگیری می‌کند و سپس روش‌هایی مانند وزن برابر، معکوس نوسان، بهینه‌سازی…

ساخت پرتفویآزمون گذشته‌نگرمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بازسازی دفتر سفارش محدود NASDAQ را از پیام‌های بازارِ سفارش‌به‌سفارش DataBento برای یک نماد و یک روز معاملاتی شرح می‌دهد. موتور ماژولاری را تشریح می‌کند که وضعیت هر سفارش را دنبال می‌کند، سفارش‌ها را در سطوح قیمت تجمیع می‌کند و سمت‌های خرید و فروش…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که تناوب بازمتعادل‌سازی چگونه بر گردش، عملکرد ناخالص و نتایج تعدیل‌شده با هزینه برای پرتفوی مومنتومِ برترِ صندوق‌های قابل معامله اثر می‌گذارد. گردش را از تغییرات تاریخی وزن هدف در برنامه‌های روزانه، هفتگی، دوهفته‌ای و ماهانه برآورد…

سهاممومنتوماجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های LightGBM را با خط پایه ریج برای پیش‌بینی بازده ETF در دو افق مقایسه می‌کند. توضیح می‌دهد که چرا درخت‌ها می‌توانند برهم‌کنش‌های وابسته به رژیم را کشف کنند، مانند رفتار متفاوت مومنتوم هنگام تنش بازار، درحالی‌که تقسیم‌های حریصانه در حضور…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه یک سری ارزش کل قفل‌شده دیفای را به‌عنوان داده جایگزین برای معامله اتر ارزیابی می‌کند. بررسی را حول چهار پرسش سامان می‌دهد: آیا این سری با بازده‌های آتی ارتباط دارد، آیا داده معتبر و بازسازی‌پذیر است، آیا استفاده از آن از نظر قانونی پذیرفتنی است و…

رمزارزدیفایداده‌های درون‌زنجیره‌ایآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بازیابی ساختاریافته به سبک گراف را با بازیابی برداری مبتنی بر تعبیه، روی دارایی‌های نهادی در پرونده‌های 13F مقایسه می‌کند. تصویری از دارایی‌ها در یک زمان قطع ثابت می‌سازد، مجموعه سهام را محدود می‌کند و پرسش‌هایی درباره دارندگان سهام، دارایی‌های…

سهامیادگیری ماشینآمارساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه جریان کاری‌ای را نشان می‌دهد که معاملات زیان‌ده را به توضیح‌های مدلِ مرتبط با تصمیم‌های آن‌ها پیوند می‌دهد. پنل ویژگی تک‌دارایی SPY را از داده‌های قیمت و اقتصاد کلان می‌سازد، مدل LightGBM را با مشاهدات پیشین آموزش می‌دهد و از مشاهدات بعدی برای…

سهامیادگیری ماشینمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه جریان کاری بک‌تست 15 دقیقه‌ای را برای پیش‌بینی سهام NASDAQ-100 شرح می‌دهد. ابتدا آزمون فنی سیگنال تصادفی را اجرا می‌کند: چون معامله تصادفی پس از هزینه‌ها باید زیان‌ده باشد، سودآوری پایدار می‌تواند نشان‌دهنده مشکلاتی مانند نگاه به آینده، داده‌های…

سهامآزمون گذشته‌نگراجرای سفارشریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه معیارهای ریزساختار بازار را از داده معاملات NASDAQ ITCH می‌سازد، معاملات را در بازه‌های درون‌روزی تجمیع می‌کند و جانشین‌های نقدشوندگی را از سیگنال‌های جریان سفارش و وضعیت دفتر سفارش متمایز می‌سازد. پیش از تجمیع، معاملات منفرد را با قاعده تیک…

سهامریزساختار بازارمعاملات پربسامدآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تخصیص‌های پرتفویِ PyPortfolioOpt، Riskfolio-Lib و skfolio را با استفاده از پنل بازده یکسان ETF مقایسه می‌کند. تخصیص‌دهنده‌ها را در دوره آموزش برازش می‌دهد، بررسی می‌کند که هدف‌های معادل و وزن‌های هم‌تراز در محدوده تلورانس حل‌گرها همخوان باشند و…

چندداراییساخت پرتفویآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه برای استراتژی‌ای که سیگنال‌های اختیار معامله فهرست‌شده را می‌خواند و سهام پایه را معامله می‌کند، برچسب‌های بازده آتی می‌سازد. قیمت‌های روزانه سهام را برای تجزیه سهام و سود نقدی تعدیل می‌کند، از شناسه پایدار اوراق بهادار استفاده می‌کند و بازده را…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه برآورد می‌کند که پرتفوی هم‌وزنِ سهام US باقی‌مانده تا چه اندازه می‌تواند بازده را نسبت به پرتفویی که شرکت‌های خارج‌شده از مجموعه‌داده را نیز در بر می‌گیرد، بیش‌برآورد کند. ابتدا زمان ثبت خروج‌ها در پنل را بررسی می‌کند و درمی‌یابد که سابقه…

سهامبازارهای آمریکاآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پایش تغییر هم‌متغیرها را برای ویژگی‌های مومنتوم ETF و ویژگی‌های قراردادهای آتی دائمی رمزارز در بازه‌های متضاد بازار نشان می‌دهد. شاخص پایداری جمعیت را که تغییر توزیع تک‌تک ویژگی‌ها را می‌سنجد، با فاصله واسرشتاین و یک طبقه‌بند دامنه مقایسه می‌کند…

یادگیری ماشینآمارمدیریت ریسکرمزارز
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که هزینه‌های معامله چگونه بر استراتژی NASDAQ-100 با بازمتعادل‌سازی پرتکرار اثر می‌گذارند. ابتدا فرض‌های هزینه برحسب واحد پایه را به بک‌تست‌های موجود پیش از اعمال هزینه اضافه می‌کند تا نشان دهد با افزایش هزینه‌ها، شارپ چگونه تغییر…

سهاماجرای سفارشریزساختار بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را روشی برای وابسته‌کردن بارگذاری‌های عامل نهفته به ویژگی‌های مشاهده‌پذیر سهام توضیح می‌دهد، به‌جای آنکه برای هر سهم بارگذاری ثابتی تعیین شود. نگاشت مشترکی از ویژگی‌ها به مواجهه با عامل‌ها می‌تواند برای سهام غایب از…

سهامیادگیری ماشینآمارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوب مارکویتزِ فقط خرید و با سرمایه‌گذاری کامل را می‌سازد؛ از جمله سبدهای شدنی، مرز کارا و راه‌حل‌های حداکثر شارپ و حداقل واریانس. توضیح می‌دهد واریانس سبد چگونه به ماتریس کوواریانس وابسته است و تنوع‌بخشی چگونه می‌تواند ریسک را کاهش دهد، وقتی…

چندداراییساخت پرتفویآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه رتبه‌بندی مدل‌ها را به سبدهای ساده قراردادهای آتی دائمی رمزارز تبدیل می‌کند تا آزمایش‌های بعدی اثر تغییر اندازه موقعیت، هزینه یا کنترل ریسک را بسنجند. قواعد ورود، مانند انتخاب قراردادهای دارای بالاترین امتیاز برای خرید و پایین‌ترین امتیاز برای…

رمزارزقراردادهای آتی دائمیآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند خانواده‌ای از مدل‌های بازده شرکت را معرفی می‌کند که فرض می‌گیرند مجموعه کوچکی از عامل‌های مشترکِ مشاهده‌نشده، بخش بزرگی از مقطع را توضیح می‌دهند. این مدل‌ها به‌جای پیش‌بینی مستقیم بازده از ویژگی‌ها، میزان مواجهه هر شرکت با عامل‌ها را از ویژگی‌هایش…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه اکتشافی ساختار و تفسیر میله‌های یک‌دقیقه‌ای NASDAQ-100 در AlgoSeek را شرح می‌دهد. فیلدهای ازپیش‌محاسبه‌شده مجموعه‌داده را به قیمت‌ها و اندازه‌های مظنه، قیمت‌های معامله، فاصله قیمت خرید و فروش، حجم، دسته‌های محل معامله، جهت تیک، فشار، VWAP و شمار…

سهامریزساختار بازاراجرای سفارشبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه یک مدل عصبیِ عامل تنزیل تصادفی را روی قراردادهای آتی CME به کار می‌گیرد. از دید قیمت‌گذاری دارایی، عامل تنزیل تصادفی متغیری تصادفی است که حاصل‌ضرب آن در بازده هر دارایی، در نبود فرصت آربیتراژ، امید ریاضی یکسانی دارد. مدل این متغیر نهفته را با…

قراردادهای آتییادگیری ماشینسرمایه‌گذاری عاملیآزمون گذشته‌نگر