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

1,290 سند

یادگیری ماشین برای معامله‌گری

این مطالعه موردی داده ارزش کل قفل‌شده DeFi Llama را به‌عنوان ورودی احتمالی برای خط لوله پژوهش معاملاتی اتر ارزیابی می‌کند. قدرت سیگنال، کیفیت داده، تناسب حقوقی و ارزش تجاری را جداگانه بررسی می‌کند و مسائل حقوقی و نبود نسخه‌های تاریخیِ قابل‌بازسازی را شرط‌های…

رمزارزدیفایداده‌های درون‌زنجیره‌ایآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بازده عوامل منتشرشده را به‌عنوان اجزای بالقوه ساخت پرتفوی ارزیابی می‌کند. سه پرسش را از هم جدا می‌سازد: آیا میانگین بازده یک عامل از آستانه آماری سخت‌گیرانه عبور می‌کند، آیا عوامل به دلایلی که ممکن است پایدار بمانند یکدیگر را متنوع می‌کنند و در…

سرمایه‌گذاری عاملیآمارساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پوشش‌های ریسک را در بک‌تست‌های مطالعات موردی مقایسه می‌کند؛ از جمله قواعد حد توقف، حد توقف متحرک، محدودیت زیان، قطع‌کننده افت سرمایه و هدف‌گذاری نوسان‌پذیری. نتایج پوشش هر مطالعه را بارگذاری می‌کند، هرجا موجود باشد مبنایی را از بک‌تست مرحله تخصیص…

مدیریت ریسکآزمون گذشته‌نگرساخت پرتفویآمار
یادگیری ماشین برای معامله‌گری

این مطالعه موردی درخت‌های تقویت‌شده با گرادیان را بر ویژگی‌های ریزساختار NASDAQ-100 به‌کار می‌گیرد تا بازده و جهت را در چند افق درون‌روزی پیش‌بینی کند. درخت‌ها را با مدل‌های خطی مقایسه می‌کند: درخت‌ها می‌توانند روابط شرطی را کشف کنند، مثلاً اینکه عدم‌توازن…

یادگیری ماشینریزساختار بازارسهامآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بازیابی رابطه‌ای قطعی را با جست‌وجوی تعبیه‌ای روی مجموعه‌ای از دارایی‌های نهادی 13F مقایسه می‌کند. با نگه‌داشتن آخرین موقعیت گزارش‌شده هر نهاد پیش از یک نقطه برش ثابت، تصویری در مقطع زمانی مشخص می‌سازد و سپس پرسش‌هایی درباره دارندگان عمده، مالکیت…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه آموزش یک شبکه مولد تخاصمی را بر ویژگی‌های مهندسی‌شده ETF با حریم خصوصی تفاضلی نشان می‌دهد. پارامترهای حریم خصوصی اپسیلون و دلتا را معرفی می‌کند، توضیح می‌دهد چرا DP-SGD پیش از تجمیع، گرادیان هر رکورد را برش می‌دهد و نویز کالیبره‌شده می‌افزاید، و…

یادگیری ماشینآمارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این دفترچه استنباط کلاسیک حداقل مربعات معمولی را برای ویژگی‌ها و بازده‌های آتی ETF به‌کار می‌برد. برآورد ضرایب، خطاهای استاندارد، آماره‌های t، مقادیر p و آزمون‌های ناهمسانی واریانس، خودهمبستگی باقیمانده‌ها، نرمال‌نبودن و هم‌خطی چندگانه را بررسی می‌کند.…

سهامآمارمدیریت ریسکیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه میله‌های زمانی را با میله‌های تیک، حجم، دلاری، عدم‌توازن و جریان ساخته‌شده از معاملات یک روز AAPL مقایسه می‌کند. چهار روش نمونه‌برداری نخست، مشاهدات را بر اساس زمان سپری‌شده، تعداد معاملات، تعداد سهام معامله‌شده یا ارزش اسمی معامله‌شده گروه‌بندی…

سهامریزساختار بازارآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه PatchTST، یک مدل دنباله‌ای به سبک ترنسفورمر، را به‌عنوان عضوی از جمعیت ازپیش‌تعریف‌شده مدل‌ها برای پژوهش اختیار معامله S&P 500 برازش می‌کند. سریِ بازنگر را به قطعه‌های با طول ثابت تقسیم می‌کند، آن‌ها را به‌صورت توکن بازنمایی می‌کند و با سازوکار…

اختیار معاملهیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه از شبکه همبستگیِ پنجره برآورد برای توصیف جهان سهام و ساخت سبدی متنوع‌شده بر پایه شبکه استفاده کنید. نمادهای نقدشونده را فقط با داده‌های موجود پیش از ارزیابی انتخاب می‌کند، همبستگی بازده را به فاصله تبدیل می‌کند و درخت پوشای کمینه…

سهامساخت پرتفویآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی، پنل قدیمی سهام آمریکا در Quandl WIKI US را بررسی می‌کند و بر شیوه‌های قیمت‌گذاری، پوشش داده‌ها و آنچه تاریخچه آن برای بک‌تست پشتیبانی می‌کند تمرکز دارد. این تحلیل قیمت‌های خام را که سطوح قیمت معامله‌شده را نشان می‌دهند، از قیمت‌های…

سهامبازارهای آمریکاآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نسبت شارپ را برآوردی همراه با عدم‌قطعیت نمونه‌گیری می‌داند. فاصله‌های اطمینان و محاسبات شارپ احتمالاتی را توسعه می‌دهد که طول نمونه، چولگی و کشیدگی را لحاظ می‌کنند؛ سپس با استفاده از حداقل سابقه معاملاتی و برنامه‌ریزی توان، برآورد می‌کند برای…

آمارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش طبقه‌بندی جمله‌های خبری مالی به مثبت، خنثی یا منفی را مقایسه می‌کند: ویژگی‌های واژه و جفت‌واژه TF-IDF با رگرسیون لجستیک، بردارهای میانگین GloVe ازپیش‌آموزش‌دیده با رگرسیون لجستیک و طبقه‌بند احساسات FinBERT ازپیش‌آموزش‌دیده. از تقسیم‌بندی…

یادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

این ماژول مشترک تخصیص، پیش‌بینی‌های مقطعی را به وزن‌های سبد تبدیل می‌کند. دارایی‌ها را بر اساس امتیاز رتبه‌بندی می‌کند تا موقعیت‌های خرید یا سبدهای بالایی و پایینیِ خریدوفروش دوطرفه را برگزیند. وزن موقعیت‌ها می‌تواند بر مبنای پهنای پیش‌بینی همدیس باشد،…

ساخت پرتفویتعیین اندازه موقعیتمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه با سه روش از داده‌های دقیقه‌ای NASDAQ-100 ویژگی می‌سازد: رگرسیون خودرگرسیو ناهمگنِ غلتان برای پیش‌بینی واریانس کوتاه‌مدت، تبدیل فوریه برای توصیف ساختار تناوبی فعالیت اخیر، و امضاهای مسیر با عمق دو برای ثبت ترتیب تغییرات قیمت، جریان سفارش و شدت…

سهامنوسانیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این تحلیل از پیام‌های TotalView-ITCH NASDAQ برای توصیف فعالیت در بازار و ساخت جدول معاملاتیِ پیوندخورده با نماد، سمت و ویژگی‌های سفارش استفاده می‌کند. انواع پیام را می‌شمارد، معاملات را با رویدادهای بسیار پرتعدادترِ ثبت و حذف مظنه مقایسه می‌کند و نمادها را…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این راهنمای مجموعه‌داده، روشی برای دریافت سری‌های FRED، هم‌ترازکردن مشاهدات با تقویم روزانه و بارگیری شاخص‌های منتخب برای تحلیل را شرح می‌دهد. نمونه‌ها شامل بازده اوراق خزانه، فاصله بازده اوراق 10-ساله و 2-ساله، VIX، شاخص‌های اشتغال، تورم، تولید صنعتی و GDP…

درآمد ثابتآمارمدیریت ریسکچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی می‌کند که آیا می‌توان استراتژی ماهانه خریدوفروش دوطرفه مبتنی بر ویژگی‌های شرکت را با پنل منتشرشده شرکت‌های US بررسی کرد. کدگذاری داده، تغییرات جهانِ در دسترس در طول زمان، کفایت تعداد شرکت‌ها برای هر دو سمت در هر بازتنظیم، امکان بیشتر بودن…

سهامسرمایه‌گذاری عاملیآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه گراف رویدادهای مالی را تحلیل کنید، بی‌آنکه زمان وقوع رویداد، زمان عمومی‌شدن آن و زمان استخراجش توسط خط لوله گراف با هم اشتباه شوند. روابط 8-K دارای مهر زمانی را بارگیری می‌کند، تأخیرهای افشا و استخراج را می‌سنجد و با استفاده از…

یادگیری ماشینآمارآزمون گذشته‌نگرمبتنی بر رویداد
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد یادگیری ماشین دوگانه (DML) چگونه برآورد می‌کند که آیا سهم حجم آغازشده از سوی خریدار، پس از درنظرگرفتن اسپرد، نوسان کوتاه‌مدت و بازده‌های گذشته، بر بازده‌های آتی اثر دارد یا نه. با استفاده از برازش متقاطع، اثر هر دو متغیر مداخله و پیامد…

سهامریزساختار بازارآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه، بک‌تست‌های ریزساختار NASDAQ-100 ثبت‌شده را بدون آموزش مدل یا اجرای دوباره بک‌تست به ارزیابی استراتژی تبدیل می‌کند. سنجه‌ها و تبار را از رجیستری می‌خواند، در صورت نیاز جدول‌های مشتق‌شده گروهی و مقایسه جفت‌شده می‌سازد و استراتژی‌ها را در تاریخ‌های…

سهامریزساختار بازارآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی ازپیش‌انتخاب‌شده قراردادهای آتی CME را با استفاده از پیش‌بینی‌های داده نگه‌داشته‌شده، تخصیص‌گر تثبیت‌شده، برنامه بازتوازن، قواعد تمرکز و فرض‌های هزینه معامله به‌کار می‌گیرد. نکته روش‌شناختی اصلی آن ثابت‌نگه‌داشتن این انتخاب‌ها پیش از…

قراردادهای آتیآزمون گذشته‌نگرمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پیکربندی مطالعه موردی قراردادهای آتی CME را از بک‌تست‌های اعتبارسنجی ثبت‌شده انتخاب کنید. نامزدها را از مراحل سیگنال، تخصیص و مدیریت ریسک تجمیع می‌کند و سپس پیکربندی دارای قوی‌ترین شارپ اعتبارسنجی را برمی‌گزیند. هر دو افق بازده…

قراردادهای آتیآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند فرایند پنج‌دروازه‌ای ارزیابی نه مطالعه موردی معاملاتی را توضیح می‌دهد؛ از کیفیت سیگنال تا اعتبارسنجی، هزینه‌های معامله، عملکرد داده نگه‌داشته‌شده و کیفیت شواهد. دروازه‌ها تجمعی‌اند، بنابراین استراتژی فقط زمانی به مرحله آخر می‌رسد که همه مراحل پیشینِ…

آزمون گذشته‌نگرمدیریت ریسکیادگیری ماشینآمار