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 سند پوششی برای کارگزار را نشان می‌دهد که پیش از ارسال معاملات، سفارش‌ها و وضعیت سبد را بررسی می‌کند. کنترل‌های آن شامل سقف تعداد سهم و ارزش هر سفارش، محدودیت مواجهه موقعیت، سقف نرخ سفارش، فهرست دارایی‌های مجاز و مسدود و توقف اضطراری است. یک کارگزار…

مدیریت ریسکتعیین اندازه موقعیتاجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل پیش از برازش هر مدلی بررسی می‌کند که آیا داده‌های تسویه از یک استراتژی آتی CME با مقطع‌نگری هفتگی پشتیبانی می‌کنند یا نه. می‌سنجد آیا در تاریخ‌های بازتنظیم تعداد محصول‌های مظنه‌شده برای تشکیل سبدهای خرید و فروش موردنظر کافی است، هزینه اسپرد را با…

قراردادهای آتیهزینه/درآمد نگهداری موقعیتمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه، چارچوبی برای ارزیابی تولید تقویت‌شده با بازیابی در حوزه مالی می‌سازد که سنجه‌های جداگانه‌ای برای پوشش بازیابی، وفاداری پاسخ به منبع، خودداری به‌جا از پاسخ و رفتار امنیتی دارد. این چارچوب از شش نمونه آزمون دست‌نویس استفاده می‌کند که زمینه برخی از…

یادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعهٔ موردی استراتژی‌های دهکی ماهانهٔ خریدوفروش استقراضی را که بر پایهٔ ویژگی‌های شرکت‌های US ساخته شده‌اند ارزیابی می‌کند و مدل‌های خطی، تقویت گرادیانی و رویکردهای عامل نهفته را در چارچوب تأخیرهای حسابداری مقطعی، اعتبارسنجی واک‌فوروارد و هزینه‌های…

سهامبازارهای آمریکاسرمایه‌گذاری عاملییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه با Optuna مدل‌های بازده LightGBM را طوری تنظیم می‌کند که هم ضریب اطلاعات مقطعی (IC) و هم گردش معاملات پیش‌بینی را در نظر بگیرد. یک جست‌وجوی تک‌هدفه برای مقایسه، IC را بیشینه می‌کند؛ جست‌وجوی چندهدفهٔ NSGA-II تنظیمات بهینهٔ پارتو را شناسایی می‌کند…

یادگیری ماشینآمارقراردادهای آتیرمزارز
یادگیری ماشین برای معامله‌گری

این دفترچه پایگاه‌های دادهٔ تعبیه‌شده، سرورمحور، چندمنظوره و متمرکز بر معامله را در وظایف سری زمانی مالی مقایسه می‌کند: نوشتن انبوه، پویش کامل، پرس‌وجوهای بازهٔ زمانی، تجمیع OHLCV و هم‌ترازسازی معاملات و مظنه‌ها. نکتهٔ اصلی این است که چیدمان ذخیره‌سازی و نوع…

آزمون گذشته‌نگرآمارریزساختار بازاراجرای سفارش
یادگیری ماشین برای معامله‌گری

این درس، مدل‌های تصادفی پارامتری و روش‌های بوت‌استرپ را برای تولید مسیرهای مالی مصنوعی مقایسه می‌کند. حرکت براونی هندسی، انتشار جهشی، بازگشت به میانگین، نوسان‌پذیری تصادفی هستون و GARCH را در کنار بازنمونه‌گیری مستقل و بلوکی پوشش می‌دهد. مدل‌ها با استفاده از…

آمارنوسانمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل سه روش تبدیل پیش‌بینی‌های علامت‌دار بازده مدل به موقعیت‌های دودویی را مقایسه می‌کند: آستانهٔ ثابت صفر، صدک متحرک برای هر نماد و صدک مقطعی میان نمادها. قواعد را روی پیش‌بینی‌های اعتبارسنجی ثبت‌شده برای ETFها و قراردادهای دائمی رمزارز اعمال می‌کند و…

یادگیری ماشیناجرای سفارشآزمون گذشته‌نگررمزارز
یادگیری ماشین برای معامله‌گری

این دفترچه بازده‌های آتی 21روزهٔ ETF را به هدفی صعودی یا نزولی تبدیل می‌کند و رگرسیون لجستیک با منظم‌سازی L1 و L2 را در بخش‌های زمانی واک‌فوروارد ارزیابی می‌کند. ویژگی‌ها را با استفاده از داده‌های آموزشی هر بخش مقیاس‌بندی می‌کند و سپس پیش‌بینی‌ها را با دقت،…

یادگیری ماشینآمارتعیین اندازه موقعیتسهام
یادگیری ماشین برای معامله‌گری

این دفترچه Feast را به‌عنوان مخزن ویژگی برای داده‌های مالی و مبتنی بر مدل پیکربندی می‌کند و سپس بازیابی تاریخی و مقطعی آن را با اتصالی شفاف و دست‌ساز مقایسه می‌کند. موجودیت‌ها، منابع دارای مهر زمانی، نماهای ویژگی و زمان اعتبار را تعریف می‌کند و نسخه‌های موقت…

یادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توابع هدف تقویت گرادیانی را روی بازده ماهانهٔ سهام US مقایسه می‌کند و ویژگی‌ها، هدف و بخش‌های واک‌فوروارد را ثابت نگه می‌دارد. خطای مربعی را با خطای قدرمطلق و زیان هوبر مقایسه می‌کند؛ زیان هوبر اثر باقیمانده‌های بزرگ را کاهش می‌دهد. انگیزه این است…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این ماژول برازش و ارزیابی واک‌فوروارد چند مدل عامل نهفته، از جمله مؤلفه‌های اصلی، مؤلفه‌های اصلی ابزارشده و خودرمزگذارهای عصبی را هماهنگ می‌کند. داده‌های تابلویی و بخش‌ها را آماده می‌سازد، اجراکننده‌های ویژهٔ هر مدل را فرا می‌خواند و پیش‌بینی‌ها، فرادادهٔ…

سرمایه‌گذاری عاملییادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این پیاده‌سازی خودرمزگذاری شرطی را برای قیمت‌گذاری دارایی شرح می‌دهد. شبکهٔ بتا ویژگی‌های هر سهم را به بارهای عاملی نهفته نگاشت می‌کند، درحالی‌که شبکهٔ خطی عامل، بازده پرتفوی‌های مدیریت‌شده را به بازده عامل‌ها نگاشت می‌کند. مدل بازده سهم را با جمع بارهای…

سهامسرمایه‌گذاری عاملییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه تدابیر حفاظتی عملیاتی برای معاملهٔ زنده را با استفاده از کارگزاری مصنوعی نشان می‌دهد. نمایش می‌دهد که اگر تصویر لحظه‌ای بازار از عمر تعیین‌شده فراتر رود، سفارش رد می‌شود و چگونه افت ارزش حساب می‌تواند کلید توقفِ زیان روزانه را فعال کند. وضعیت زیان…

مدیریت ریسکاجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد تغییر هزینه‌های متناسب با حجم معامله چگونه بر یک استراتژی FX منتخب از اعتبارسنجی برای هر برچسب بازده اثر می‌گذارد. ابتدا یک گزینهٔ پایه را از میان نامزدهای سیگنال، تخصیص و پوشش ریسک انتخاب می‌کند، سپس فقط هزینهٔ تجمیعی هر سمت معامله را…

فارکسآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مرجع Financial Phrasebank را معرفی می‌کند: مجموعه‌ای برچسب‌گذاری‌شده از جمله‌های خبری مالی که برای آموزش یا ارزیابی مدل‌های پردازش زبان طبیعی به کار می‌روند. برچسب‌گذاران انسانی احساسات را مثبت، خنثی یا منفی تعیین می‌کنند. پیکره با چهار آستانهٔ توافق…

احساسات بازاریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این تحلیل توضیح می‌دهد ضرایب اطلاعات مقطعی (IC) در مدل‌های آتی CME چگونه خوانده شوند و چه ارتباطی با آزمون‌های بعدی پرتفوی دارند. هم‌بستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته را برای هر تاریخ محاسبه و سپس این هم‌بستگی‌ها را در تاریخ‌ها…

قراردادهای آتیآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی می‌کند که آیا داده‌های تاریخی ETF پیش از ساخت هرگونه مدل یا پیش‌بینی، می‌توانند پشتیبان استراتژی رتبه‌بندی ماهانه باشند. شرایط واجدبودن در هر مقطع را با استفاده از نقدشوندگی سال قبل بررسی می‌کند، تعداد صندوق‌های موجود در تاریخ‌های…

سهامآزمون گذشته‌نگراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد که نسبت شارپ تعدیل‌شده (DSR) چگونه شارپِ استراتژی منتخب را با توجه به تعداد استراتژی‌های آزموده‌شده، تغییرات برآوردهای شارپ آن‌ها و توزیع‌های بازده غیرنرمال تعدیل می‌کند. آن را با محاسبهٔ تعدیل‌نشدهٔ شارپ احتمالاتی مقایسه می‌کند و تحلیلی…

آزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه جست‌وجوی کلیدواژهٔ BM25، امبدینگ‌های متراکم، ادغام رتبهٔ متقابل (RRF) و بازرتبه‌بندی با رمزگذار متقابل را روی بخش‌هایی از پرونده‌های 10-K شرکت‌ها مقایسه می‌کند. هر روش بازیابی را پیاده‌سازی می‌کند و نتایج رتبه‌بندی‌شده را برای پرس‌وجوهای دقیق،…

یادگیری ماشینآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند چرا دو موتور بک‌تست با سیگنال‌های یکسان ممکن است نتایج متفاوتی تولید کنند. یک استراتژی ETF ازپیش‌محاسبه‌شده را ثابت نگه می‌دارد، بر اساس پیش‌بینی‌های آن پرتفویی قطعی می‌سازد و تنظیمات اجرا را یکی‌یکی تغییر می‌دهد. این تنظیمات شامل گرد…

آزمون گذشته‌نگراجرای سفارشریزساختار بازارتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های LightGBM را روی مجموعه‌ای از سهام US در سه افق بازده مقایسه می‌کند. شبکه، تعداد برگ‌های درخت و توابع زیان را تغییر می‌دهد و سپس هر پیکربندی را در چند نقطهٔ بررسیِ تعداد درخت‌ها امتیازدهی می‌کند. بحث توضیح می‌دهد درخت‌های کم‌عمق چگونه…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه داده‌های فصلی و انبوه دارایی‌های SEC 13F را برای بررسی مالکیت نهادی، رتبه‌بندی مدیران و شبکه‌های مالکیت مشترک پردازش می‌کند. با استفاده از تاریخ ثبت، آخرین گزارش هر مدیر را انتخاب می‌کند، اوراق بهادار را بر اساس CUSIP و نه متن نام ناشر تجمیع…

سهامبازارهای آمریکاآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی حاصل از پژوهش سهام و اختیار معامله را با تبدیل آن‌ها به سبدهای سهام فقط خرید ارزیابی می‌کند. از مبنای وزن‌دهی برابر به K گزینه برتر استفاده می‌کند، چند میزان تمرکز سبد را مقایسه می‌کند و تناوب تصمیم‌گیری مختص هر برچسب را…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی