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 سیاهه‌ای میان‌مطالعه‌ای از ویژگی‌های مالی مهندسی‌شده در نه طبقه دارایی ارائه می‌دهد. تعداد ویژگی‌ها و خانواده‌های مبتنی بر نام را از هر پنل ویژگیِ موجود می‌شمارد، اندازه فضاهای ویژگی را مقایسه می‌کند و قوی‌ترین ضریب اطلاعات ثبت‌شده در دفتر ثبت مدل…

چندداراییآمارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این فصل بازنمایی‌های متن مالی را از واژه‌نامه‌ها و شمارش واژه‌ها تا TF-IDF، تعبیه‌های ثابت، شبکه‌های بازگشتی و ترنسفورمرها مرور می‌کند. بده‌بستان‌ها را توضیح می‌دهد: روش‌های ساده‌تر سریع، تفسیرپذیر و سازگار با امور مالی‌اند، درحالی‌که مدل‌های زمینه‌محور…

یادگیری ماشیناحساسات بازارآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های نامزد را برای استراتژی‌ای غربال می‌کند که اختیار خرید و فروشِ هم‌قیمتِ اعمال را روی یک سهام و با سررسید یکسان می‌فروشد و استرادل را تا سررسید نگه می‌دارد. برای هر ویژگی می‌سنجد که آیا نام‌های در دسترس را به همان ترتیبی رتبه‌بندی می‌کند…

اختیار معاملهسهامآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوبی تشخیصی برای بک‌تست تخصیص ETF ارائه می‌دهد. سنجه‌های ریسک و بازده مانند شارپ، سورتینو، کالمر، نوسان‌پذیری، ارزش در معرض ریسک و حداکثر افت سرمایه را محاسبه می‌کند؛ عملکرد غلتان و بازیابی افت سرمایه را پی می‌گیرد؛ و سبد را با SPY بر اساس…

ساخت پرتفویمدیریت ریسکآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه می‌توان آزمود که آیا چهار استراتژی سبد مدیریت‌شده، پس از کنترل حرکت‌های گسترده ثبت‌شده در ده مؤلفه اصلی، قدرت توضیحی بیشتری برای بازده SPY دارند. سبدهای نامزد، ETFها را بر اساس مومنتوم اخیر، نوسان‌پذیری پایین یا بازگشت کوتاه‌مدت…

سهامیادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های پیش‌بینی را برای رتبه‌بندی سهام NASDAQ-100 بر اساس بازده 15 دقیقه بعد، با استفاده از اطلاعات ریزساختار درون‌روزی مانند فاصله قیمت خرید و فروش، عدم‌توازن عمق، حجم علامت‌دار و اثر قیمت مقایسه می‌کند. برای هر خانواده مدل، تنها زمانی یک مجموعه…

سهامیادگیری ماشینآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه چهار روش بازیابی بخش‌هایی از پیکره متون گزارش‌های شرکت‌ها را مقایسه می‌کند: BM25، تعبیه‌های متراکم، ادغام متقابل رتبه‌ها (RRF) و بازرتبه‌بند رمزگذار متقاطع. RRF فهرست‌های رتبه‌بندی‌شده را به‌جای امتیازهای خام ترکیب می‌کند؛ بنابراین می‌تواند…

یادگیری ماشینآمارسهامبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های زوجی و مقطعی را با استفاده از پنل‌های ETF توضیح می‌دهد. آزمون‌های هم‌انباشتگی انگل–گرنجر و یوهانسن را مقایسه می‌کند و میان اسپرد ایستا و حرکت هم‌جهت ساده تمایز می‌گذارد. نمونه صندوق انرژی و صندوق نفت خام آن در هر دو آزمون رد می‌شود؛…

معاملات زوجیبازگشت به میانگینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه موردی بررسی می‌کند که آیا اطلاعات اختیارهای معامله‌شده در بورس می‌تواند به انتخاب سهام 500 کمک کند. قیمت‌های روزانه سهام را با سطوح نوسان‌پذیری ضمنی اختیار، چولگی، ساختار زمانی و سنجه‌های صرف ریسک واریانس، برای 633 سهم در فاصله 2017 تا 2021 ترکیب…

سهاماختیار معاملهآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند بک‌تستی تخصصی برای استراتژی اختیار معامله هفتگی 500 شرح می‌دهد. هر گروه از میان اجزای دارای رتبه بالا انتخاب می‌کند، اختیار خرید و فروش نزدیک به قیمت اعمال را با حدود یک ماه تا سررسید می‌فروشد و هرگاه دلتای خالص از آستانه بگذرد، با سهام پوشش دلتا…

اختیار معاملهسهامبازارهای آمریکاآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی FX را که قبلاً با اعتبارسنجی انتخاب شده است دوباره برازش می‌کند و پیش‌بینی‌های آن را برای بک‌تستِ بعدیِ خارج از نمونه ثبت می‌کند. انتخاب را از بک‌تست‌های اعتبارسنجیِ دارای نتیجه معتبر به دست می‌آورد که به مجموعه نامزدهای ثابتی محدود…

فارکسآزمون گذشته‌نگریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این اسکریپت اثباتی، گردش کار پژوهشیِ کاهش‌یافته قراردادهای آتی CME را از پیش‌بینی‌های مدل تا وزن‌های سبد و بک‌تست اجرا می‌کند. بررسی می‌کند که پیش‌بینی‌ها دقیقاً کلیدهای محصول، زمان و بخش مورد انتظار را پوشش دهند، وضعیت‌های برازش‌شده و فایل‌های پیش‌بینی با…

قراردادهای آتیآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه سامانه‌ای برای پیش‌بینی با چهار مرحله می‌سازد: گروهی از عامل‌های پژوهشی، تجمیع احتمالات، مناظره‌ای چالشی و ناظری که اختلاف‌نظرها را شناسایی می‌کند، در پی شواهد روشنگر می‌گردد و احتمال نهایی را ارائه می‌دهد. اثر ناظر به میزان اطمینانی که اعلام…

یادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه تنظیم قواعد StopLoss، TakeProfit و TrailingStop را برای سبد مومنتوم نشان می‌دهد و جدایی زمانی میان کالیبراسیون و ارزیابی را حفظ می‌کند. پهنای قواعد منفرد و ترکیب‌های مشترک را با داده کالیبراسیون می‌آزماید، سپس پیکربندی‌های انتخاب‌شده را پیش از…

سهاممدیریت ریسکآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این سند بررسی تشخیصیِ قابل‌استفاده مجددی برای مجموعه‌داده‌های مالی ارائه می‌دهد که یکپارچگی شاخص، موارد تکراری، داده‌های مفقود، دورافتاده‌ها، شکاف‌های تقویمی و ناهنجاری‌های مختص حوزه را پوشش می‌دهد. نوع زمان، ترتیب و یکتایی را بررسی می‌کند، از جمله ترتیب…

چندداراییآمارمدیریت ریسکبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این سند اتصال یک استراتژی مومنتوم پنج‌روزه ETF به Alpaca را از طریق رابط مشترک استراتژی نشان می‌دهد. این استراتژی مومنتوم را در SPY، QQQ و IWM دنبال می‌کند و هنگام عبور از آستانه سیگنال می‌سازد. آداپتورهای مختص کارگزار، داده و سفارش‌ها را مدیریت می‌کنند، در…

سهاممومنتوماجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه تجزیه موجک و برآوردهای طیفی غلتان، بازده‌های مالی را در مقیاس‌های زمانی مختلف توصیف می‌کنند. موجک‌ها بازده را به مؤلفه‌هایی تقسیم می‌کنند که بازه‌های زمانی به‌تدریج طولانی‌تری را در بر می‌گیرند و نشان می‌دهند کدام مقیاس‌ها بیشترین…

سهامآمارنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این سند روش‌های جایگزین اندازه‌گذاری موقعیت را برای استراتژی‌های معاملات آتی CME مقایسه می‌کند. این استراتژی‌ها از میان گزینه‌های خط پایه‌ای انتخاب شده‌اند که بر اساس شارپ اعتبارسنجی با وزن‌دهی برابر رتبه‌بندی شده‌اند. وزن‌دهی برابر با همه محصولات منتخب…

قراردادهای آتیکالاهاتعیین اندازه موقعیتساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه مجموعه‌های پیش‌بینی مدل را به بک‌تست‌های قابل‌مقایسه اختیار معامله S&P 500 تبدیل می‌کند. در هر تاریخ تصمیم‌گیری هفتگی، بازده‌های پیش‌بینی‌شده را رتبه‌بندی می‌کند، نمادهای بالاترین‌رتبه را در مجموعه نقدشونده انتخاب می‌کند و استرادل‌های هم‌وزنِ در…

اختیار معاملهسهامآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه با یادگیری ماشین دوگانه برآورد می‌کند آیا کری معاملات آتی پس از تعدیل بابت نوسان، مومنتوم و رتبه مقطعی کری بر بازده‌های بعدی اثر دارد یا نه. میان تبیین علّی و عملکرد پیش‌بینی تمایز می‌گذارد: بک‌تستی سودآور می‌تواند نشان دهد کری بازده را پیش‌بینی…

قراردادهای آتیهزینه/درآمد نگهداری موقعیتیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه پیش از تخصیص سرمایه، مدل فعلی و مدل نامزد را در ارزیابی سایه مقایسه کنید. نقش‌ها و آستانه‌های ارتقا را از پیش تعیین می‌کند و سپس نامزد را در پنج بُعد می‌سنجد: بهبود شارپ سالانه‌شده، حداقل طول دوره مشاهده، همبستگی سیگنال، هم‌پوشانی…

یادگیری ماشینآمارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه Feast را با منابع Parquet، موجودیت‌ها، نماهای ویژگی، برچسب‌های زمانی و سیاست زمان‌تا‌انقضا پیکربندی کنید و سپس ویژگی‌ها را برای نمونه‌های آموزشی و یک پرس‌وجوی شبه‌زنده در زمان مشخص بازیابی کنید. خروجی Feast را ویژگی‌به‌ویژگی با…

یادگیری ماشیناجرای سفارشآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه خودرمزگذاری نظارت‌شده را برای مدل‌سازی عامل سهام معرفی می‌کند. برخلاف خودرمزگذارهای بدون نظارت که با بازسازی مقطع، گلوگاه را یاد می‌گیرند، این مدل بازده‌های آتی را نیز در هدف آموزشی خود می‌گنجاند. بنابراین هدف، هم بازنمایی آموخته‌شده و هم…

سهامیادگیری ماشینسرمایه‌گذاری عاملیآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه تغییرات پیوسته قیمت را از جهش‌ها در بازده سهام درون‌روزی جدا کنیم. واریانس تحقق‌یافته روزانه را از بازده‌های مجذور برآورد می‌کند و از تغییرات بای‌پاور به‌عنوان برآوردی مقاوم به جهش از مؤلفه پیوسته استفاده می‌کند؛ تفاضل نامنفی…

سهامنوسانآمارریزساختار بازار