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.
821 سند
این دفترچه دارایی‌های نهادی 13F را به گرافی تبدیل می‌کند که مدیران و سهام را به هم پیوند می‌دهد و شامل ارتباط‌های بخشی و یال‌های مالکیت با تعداد سهام، ارزش، دوره گزارش و تاریخ انتشار عمومی پرونده است. جست‌وجوهای گرافی برای مالکیت مشترک و روابط چندمرحله‌ای را…
این دفترچه 57 ویژگی حسابداری و مبتنی بر قیمت را به‌عنوان پیش‌بین‌های مستقل بازده سهام US در ماه آینده ارزیابی می‌کند. همبستگی‌های رتبه‌ای مقطعی ماهانه را محاسبه و در طول زمان میانگین‌گیری می‌کند و عدم‌قطعیت را برای وابستگی سریالی و آزمون نامزدهای متعدد تعدیل…
این دفترچه از داده‌های معامله و سفارشِ مشتق‌شده از NASDAQ ITCH برای نمایش الگوهای ریزساختار استفاده می‌کند. خودهمبستگی مرتبه اول منفی را در بازده معاملاتِ سطح تیک بررسی و اثر آن را با بازده قیمت میانی مقایسه می‌کند؛ همچنین فعالیت معاملاتی و نوسان درون‌روزی…
این نمایش، گردش‌کار یک سفارش را به بازتوازن روزانه برای جهان ثابتی از سهام بزرگِ US گسترش می‌دهد. توضیح می‌دهد چگونه موقعیت‌های کنونی کارگزار را با اهداف مدل مقایسه کنید، برای تفاوت‌ها سفارش بسازید و در صورت تمایل سبد را از طریق رابط کارگزار برای معامله…
این دفترچه آموزشی ویژگی‌های مشتق‌شده از قیمت و حجم را که در پژوهش کمی به کار می‌روند مرور می‌کند. بازده‌های ساده و لگاریتمی در افق‌های مختلف، مومنتوم با حذف یک دوره، بازده‌های شبانه و درون‌روزی، فاصله از میانگین متحرک، سنجه‌های روند و بازگشت، چند برآوردگر…
این دفترچه گردش‌کاری ارائه می‌کند تا بررسی شود آیا مومنتوم شش‌ماهه با حذف دوره اخیر، بر بازده‌های آتی 21-روزه اثر می‌گذارد و آیا این اثر با نوسان بازار تغییر می‌کند. اثرها را با یادگیری ماشین دوگانه و با کنترل نوسان و منحنی بازده و در نظر گرفتن نوسان بازار…
این دفترچه پیش از پیش‌پردازش یا مهندسی ویژگی، یک بررسی تشخیصیِ قابل‌بازاستفاده برای مجموعه‌داده‌های مالی می‌سازد. نوع داده شاخص زمانی، زمان‌مهرهای تهی، ترتیب و یکتایی را می‌سنجد؛ ردیف‌های تکراری دقیق و مبتنی بر کلید را می‌یابد؛ مقادیر گمشده را بر اساس فیلد،…
این دفترچه دو مدل بنیادینِ ازپیش‌آموزش‌دیده سری زمانی، Chronos و TinyTimeMixer، را با یک LSTM و یک مبنای خطی جریمه‌شده روی پنل ETF مقایسه می‌کند. هر مدل زمینه تاریخی تک‌متغیره‌ای دریافت می‌کند؛ مدل‌های ازپیش‌آموزش‌دیده همان سری ورودی را پیش‌بینی می‌کنند و…
این فصل چارچوبی برای ارزیابی ادعاهای علّی در پژوهش معاملات کمی ارائه می‌کند. ابتدا درمان، پیامد، برآوردشونده، خلاف‌واقع و مجموعه تعدیل را به‌روشنی تعریف می‌کند و سپس پرسش‌های پژوهشی را با روش‌های مناسب تطبیق می‌دهد: یادگیری ماشین دوگانه (DML) برای مواجهه‌های…
این دفترچه مدل‌های خطی را روی ویژگی‌های ریزساختار NASDAQ-100 که در بازه‌های یک‌دقیقه‌ای مشاهده شده‌اند برازش می‌دهد تا بازده‌ها را در چند افق آتی پیش‌بینی کند. هدف آن ایجاد یک مبنای ساده پیش از استفاده از مدل‌های توانمندتر است. چون ویژگی‌های اسپرد و…
این دفترچه یک GAN سیگ‌واسرشتاینِ بدون شرط برای تولید سری‌های زمانی مالی ارائه می‌کند. این روش، تفکیک‌گری را که میان داده واقعی و تولیدشده تمایز یاد می‌گیرد، با فاصله‌ای مبتنی بر امضاهای موردانتظار مسیر جایگزین می‌کند؛ امضاها خلاصه‌های ریاضی حرکت‌های متوالی…
این ماژول منبع، بارگذارهایی برای قیمت سهام آمریکا، داده شاخص، اختیار معامله، ریزساختار بازار، داده‌های بنیادی و دارایی‌های نهادی فراهم می‌کند. مهم‌ترین جزئیات روش‌شناختی آن به بازنمونه‌گیری داده معاملات درون‌روزی مربوط است: برای باز، بیشینه، کمینه، پایانی و…
این دفترچه گردش‌کار تشخیصی در سطح معامله را نشان می‌دهد که زیان‌های تحقق‌یافته را به توضیح‌های SHAP مدل پیوند می‌دهد. مدل LightGBM را با ویژگی‌های قیمت و نوسانِ باوقفه، به‌علاوه ورودی‌های کلان، آموزش می‌دهد تا بازده SPY نشست بعد را پیش‌بینی کند. آستانه ثابت…
این دفترچه دو روش تقسیم یک سفارش بزرگ سهام به سفارش‌های کوچک‌تر در طول نشست معاملاتی را مقایسه می‌کند. TWAP در هر فاصله زمانی تقریباً مقدار برابری می‌فرستد و به پیش‌بینی بازار نیاز ندارد. VWAP سهم‌ها را بر اساس نمایه برآوردشده حجم درون‌روزی تخصیص می‌دهد تا…
این دفترچه خودرمزگذاری نظارت‌شده را برای پیش‌بینی بازده پیش‌نگر ETF ارائه می‌کند. شبکه، ردیف ویژگی‌های یک صندوق را به بازنمایی کم‌بعد فشرده می‌کند و بازده را مستقیماً از همان بازنمایی پیش‌بینی می‌کند. برخلاف خودرمزگذارهای شرطی در همین خانواده مدل، فرض…
این سند توضیح می‌دهد چگونه با استفاده از قیمت‌های پایانی تعدیل‌شده در تاریخ مشاهده و یک نشست معاملاتی بعدی، برچسب‌های روزانه بازده پیش‌نگر را برای صندوق‌های قابل معامله ساخت. یک برچسب اصلی با افق ماهانه و نسخه‌ای کوتاه‌تر با افق هفتگی ایجاد می‌کند؛ برچسب‌ها…
این دفترچه بررسی می‌کند که آیا فعالیت دفتر سفارش بازده‌های کوتاه‌مدت NVDA را پیش‌بینی می‌کند یا نه. معیاری وزن‌دار بر اساس فاصله برای فشار دفتر سفارش از سفارش‌های افزوده‌شده، لغوشده و اجراشده در داده‌های بازار به‌ازای هر سفارش می‌سازد و سپس فعالیت علامت‌دار…
این دفترچه اتصال یک رابط مشترک استراتژی مومنتوم ETF به Alpaca را با مسیر آفلاین شبیه‌سازی‌شده‌ای که به‌طور پیش‌فرض در دسترس است نشان می‌دهد. توضیح می‌دهد که آداپتورهای کارگزار و داده بازار می‌توانند تغییر کنند، درحالی‌که استراتژی، گزارش سفارش‌ها و پوشش حالت…
این سند مجموعه‌داده روزانه سهام US را توصیف می‌کند که از حدود 3,200 شرکت، از 1962 تا مارس 2018، پوشش می‌دهد. ناشران حذف‌شده از فهرست را نیز دربرمی‌گیرد؛ بنابراین برای پژوهش تاریخی مفید است، چون کنارگذاشتن شرکت‌های ناموفق یا حذف‌شده می‌تواند نتایج را منحرف…
این دفترچه بررسی می‌کند فرض‌های هزینه معامله چگونه بر شارپ اعتبارسنجیِ یک تخصیص انتخاب‌شده سهام و اختیار معامله S&P 500 اثر می‌گذارند. در صورت وجود، پیکربندی انتخاب‌شده از مجموعه نامزدهای تثبیت‌شده را ادامه می‌دهد؛ سپس همان زنجیره را روی شبکه‌ای از هزینه‌های…
این دفترچه پیاده‌سازی‌های پیش‌بینی تک‌متغیره قیمت SPY را در PyTorch خام، sktime و Darts مقایسه می‌کند. هدف اصلی سنجش تلاش عملی است: طول کد، نیازهای رابط، موفقیت نصب و زمان ترکیبی برازش و پیش‌بینی. پیش‌بینی ساده آخرین قیمت مشاهده‌شده نقطه مرجعی فراهم می‌کند؛…
این مطالعه موردی NASDAQ-100 بررسی می‌کند آیا سیگنال‌های ریزساختارِ بازه 15 دقیقه می‌توانند از پس هزینه‌های معامله برآیند یا نه. گردش‌کار جریان سفارش، کهنگی مظنه و اسپردهای نسبی را ارزیابی می‌کند، سپس استراتژی کل جهان سرمایه‌گذاری را با استراتژی محدود به سهام…
این دفترچه پیش از برازش هر مدلی بررسی می‌کند که آیا یک استراتژی رتبه‌بندی روزانه سهام US داده قابل استفاده کافی برای ارزیابی منصفانه دارد یا نه. توضیح می‌دهد چگونه با استفاده از اجزای تاریخی، جهان سرمایه‌گذاری مقطع زمانی بسازیم؛ در غربال قابلیت معامله از…
این دفترچه پیکربندی سهام US انتخاب‌شده قبلی را روی پیش‌بینی‌های دوره نگه‌داشته‌شده اجرا می‌کند. مدل، پیش‌بینی‌ها، تخصیص‌دهنده، تمرکز، پوشش ریسک، تناوب بازمتوازن‌سازی و فرض‌های هزینه معامله از مراحل پیشین به ارث رسیده‌اند. روش اصلی آن استخراج مجموعه پیش‌بینی…