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.
807 سند
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…
تحلیل مؤلفه‌های اصلی با صرف ریسک PCA ماتریس کوواریانس را با افزودن حاصل‌ضرب خارجیِ وزن‌دارِ بردار میانگین بازده آموزشی تغییر می‌دهد. بردارهای ویژه پیشرو، پرتفوی‌های عاملی ایستا را تعریف می‌کنند: با صفر بودن وزن، تحلیل مؤلفه‌های اصلی معمولی PCA به دست می‌آید؛…
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 فصل استدلال می‌کند که پژوهش معاملاتی بادوام به فرایندی منضبط وابسته است که با بازارهای در حال تغییر، شواهد پرنویز و هزینه‌های اجرا سازگار شود. تفاوت شکست‌های ساختاری، رژیم‌ها، رانش داده و رانش مفهوم را معرفی می‌کند؛ سپس گردش‌کاری از پژوهش تا تولید ارائه…
این دفترچه ارزیابی، ویژگی‌های مالی و مبتنی بر مدل را از نظر ارتباط با بازده هشت ساعت بعدِ قراردادهای آتی دائمی رمزارز غربال می‌کند. نمونه ارزیابی را از پنجره‌های اعتبارسنجی پیش‌رونده می‌سازد، دوره نهایی نگه‌داشته‌شده را بیرون از تحلیل می‌گذارد و هر ویژگی را…
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 بررسی می‌کند منظم‌سازی چگونه بر مدل آتی CME ساخته‌شده از خانواده‌های ویژگی همبسته، از جمله معیارهای معامله انتقالی، شارپ غلتان، مومنتوم و نوسان اثر می‌گذارد. Ridge، Lasso و ElasticNet را مقایسه می‌کند: Ridge ضرایب را کوچک می‌کند و ویژگی‌ها را نگه…
این دفترچه سازگارکردن Diffusion-TS را برای تولید دنباله‌های بازده مصنوعی ETF شرح می‌دهد. مدل حذف‌کننده نویز، دنباله پاک را به‌شکل مجموع مؤلفه‌های روند چندجمله‌ای، فصلی فوریه‌ای و باقیمانده پیش‌بینی می‌کند؛ در همین حال، تابع زیان ترکیبی در حوزه زمان و فوریه،…
این سند توضیح می‌دهد چرا از TabM برای مدل‌سازی داده‌های پنلی تأمین مالی قراردادهای دائمی استفاده می‌شود: ستون فقرات عصبی مشترک آن همه ویژگی‌های ورودی را ترکیب می‌کند و لایه‌های غیرخطی می‌توانند برهم‌کنش‌ها را بازنمایی کنند. برخلاف درختی که در هر انشعاب یک…
این گردش‌کار ارزیابی، ویژگی‌های مالی و مبتنی بر مدل را در برابر بازده‌های آتی برای یک پنل درون‌روزی NASDAQ-100 غربال می‌کند. ابتدا دوره نهایی آزمون را کنار می‌گذارد و مشاهداتی را حذف می‌کند که برچسب‌های آتی آن‌ها در آن بازه نهایی می‌شوند. برای هر ویژگی، ضریب…
این تحلیل برآورد می‌کند که آیا مومنتوم با حذف دوره اخیر با تغییری علّی در بازده‌های آتی ETFها مرتبط است یا نه؛ پرسش آن این نیست که مومنتوم تا چه اندازه بازده‌ها را پیش‌بینی می‌کند. یادگیری ماشین دوگانه با استفاده از مخدوش‌گرهای تعریف‌شده، پیامد و متغیر…
این دفترچه مدل‌های تقویت‌شده با گرادیان را برای پیش‌بینی بازده و جهت حرکت در قراردادهای دائمی رمزارز بررسی می‌کند. شبکه جست‌وجو ظرفیت درخت و تابع زیان را تغییر می‌دهد؛ از جمله اهداف خطای مربعی، خطای مطلق و Huber، و در چند نقطه از فرایند آموزش به مدل‌ها…
این سند هسته شبکه عصبی PatchTST را برای پیش‌بینی سری‌های زمانی چندمتغیره ارائه می‌کند. هر سری ورودی را به وصله‌های هم‌پوشان تقسیم می‌کند، هر وصله را به فضای ویژگیِ آموخته‌شده نگاشت می‌کند، کدگذاری‌های مکانی را می‌افزاید و توالی حاصل را از لایه‌های انکودر…
این دفترچه برآورد می‌کند که آیا امتیاز استانداردشده پریمیومِ یک قرارداد دائمی رمزارز بر بازده‌های هشت‌ساعته بعدی اثر دارد، وقتی سه عامل اعلام‌شده—نوسان قیمت، نرخ تأمین مالی و انحراف میانگین پریمیوم—ثابت نگه داشته شوند. چون متغیر مداخله پیوسته است، هدف شیبی…
این دفترچه توضیح می‌دهد چگونه کاتالوگ آزمایش مدل را از رجیستری مطالعه موردی بازسازی و محتوای آن را با MLflow مقایسه کنیم. آزمایش‌ها را در اجراهای آموزش، مجموعه‌های پیش‌بینی و اجراهای بک‌تست دنبال می‌کند و هر مرحله را به مرحله پیشین پیوند می‌دهد. مشخصات…
این دفترچه رگرسیون حداقل مربعات معمولی را با Ridge، LASSO و Elastic Net برای پیش‌بینی بازده‌های آینده در مجموعه‌ای از ETF مقایسه می‌کند. همه مدل‌ها از فولدهای یکسان آزمون پیش‌رونده استفاده می‌کنند و فاصله حذف‌شده با افق برچسب همخوان است؛ بنابراین تفاوت‌ها را…
این فصل چگونگی ساخت پژوهش سازگار با زمان را درباره داده‌های بنیادی و جایگزین در سهام، سری‌های اقتصاد کلان، قراردادهای آتی، رمزارز و بازارهای پیش‌بینی شرح می‌دهد. روش‌های اصلی آن ذخیره‌سازی دوزمانی و پرس‌وجوهای «تا زمان»، زمان‌بندی انتشار با توجه به منبع،…
این دفترچه مدل‌های خطی را برای پیش‌بینی بازده ETF از ویژگی‌های هم‌پوشانِ مشتق‌شده از قیمت مقایسه می‌کند. ازآنجاکه افق‌های متعدد بازده و خانواده‌های شاخص می‌توانند اطلاعات مشابهی رمزگذاری کنند، کمترین مربعات معمولی ممکن است به ضرایب ناپایدار و متضادی برای…
این راهنما پرسش‌های علّی را به کتابخانه‌های پایتون پیوند می‌دهد و تفاوت میان برآورد اثرها با فرض یک ساختار علّی و کشف ساختارهای احتمالی از داده را روشن می‌کند. یادگیری ماشین دوگانه برای اثرهای تعدیل‌شده درمان، شناسایی و رد مبتنی بر گراف با DoWhy، و روش‌های…
این دفترچه مدل عامل تنزیل تصادفی را برای قیمت‌گذاری مقطعی ETFها معرفی می‌کند. به‌جای برآورد جداگانه مواجهه صندوق‌ها و بازده عوامل، شبکه‌ها را آموزش می‌دهد تا سری مشترکی از عوامل تنزیل بیابند که هم‌تغییری آن با بازده صندوق‌ها، بازده‌های میانگین را توضیح دهد.…
این دفترچه ویژگی‌های مالی و مشتق‌شده از مدل را از نظر توان رتبه‌بندی ETFها بر اساس بازده‌های بعدی غربال می‌کند. ضریب اطلاعاتی روزبه‌روز را با مقایسه رتبه‌های مقطعی هر ویژگی با رتبه‌های بازده آتی محاسبه می‌کند و سپس سری زمانی حاصل را بررسی می‌کند. تحلیل،…
این دفترچه آزمونی متمرکز را مطرح می‌کند: آیا نمایش دنباله‌ایِ آموخته‌شده از ویژگی‌های فاندینگ پرپچوال، خلاصه‌های دست‌ساز از پریمیوم، یعنی فاصله قیمت‌های پرپچوال و نقدی، را بهبود می‌دهد؟ NLinear را که نگاشتی خطی روی تغییرات یک پنجره اخیر اعمال می‌کند با یک…
این دفترچه بررسی می‌کند که آیا انتساب ویژگی‌های SHAP برای پشتیبانی از هرس مدل، تصمیم‌های ریسک یا گزارش‌دهی به‌اندازه کافی پایدار هستند یا نه. ابتدا در یک مسئله پیش‌بینی ETF، نمونه‌های آزمونی را پیدا می‌کند که پیش‌بینی‌هایشان نزدیک اما پروفایل‌های SHAP آن‌ها…
این دفترچه ویژگی‌های نامزد را برای هر یک از 20 جفت‌ارز، جداگانه در برابر بازده‌های آتی ارزیابی می‌کند. تحلیل را به دوره‌های اعتبارسنجی واک‌فوروارد محدود می‌کند، هر جلسه را با فولد آن مشخص می‌کند و پیش از دوره کنارگذاشته‌شده فاصله‌ای حائل می‌گذارد تا برچسب‌ها…