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 تنظیم تک‌هدفه ابرپارامترها را با جست‌وجوی چندهدفه برای مدل‌های پیش‌بینی LightGBM مقایسه می‌کند. خط‌مبنا ضریب اطلاعات اعتبارسنجی (IC) را بیشینه می‌کند. جست‌وجوی NSGA-II در عوض هدف IC را بیشینه و گردش پیش‌بینی نرمال‌شده را کمینه می‌کند و مرز پارتویی…

یادگیری ماشینآمارآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این فصل نه مطالعه موردی را جمع‌بندی می‌کند که سیگنال‌های یادگیری ماشین را از ساخت پرتفوی و هزینه‌های معامله تا پوشش ریسک و ارزیابی روی دوره نگه‌داشته‌شده‌ای که از پیش ثابت شده پیش می‌برند. پیشرفت هر مطالعه موردی را واحد تحلیل می‌گیرد، نه اینکه استراتژی‌ها را…

یادگیری ماشینسهامآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این ارزیابی یک استراتژی سهام US را از مجموعه ثابت بک‌تست اعتبارسنجی تا ارزیابی دوره نگه‌داشته‌شده ردیابی می‌کند. قاعده‌ای قطعی اعمال می‌کند: نامزد دارای بالاترین شارپ اعتبارسنجی انتخاب می‌شود و در تساوی، هش بک‌تست تعیین‌کننده است. از سوابق رجیستری برای تأیید…

سهامآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یک پیکربندی ریزساختار NASDAQ-100 منتخب را روی پیش‌بینی‌های ثبت‌شده دوره نگه‌داشته‌شده اجرا می‌کند. مدل، تخصیص‌دهنده، سقف تمرکز پرتفوی، برنامه بازتوازن، پوشش ریسک و فرض‌های هزینه از کار قبلی گرفته شده و بدون تغییر اعمال می‌شوند؛ دفترچه هیچ تصمیمی…

سهامبازارهای آمریکاآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه از مجموعه‌ای ثابت از بک‌تست‌های سهام US یک استراتژی را انتخاب و آن را در دوره‌ای جداگانه و نگه‌داشته‌شده ارزیابی کنید. بررسی می‌کند که نامزدها شناسه‌های داده و پروتکل موردنیاز را مشترک داشته باشند، سپس آن‌ها را بر اساس شارپ…

سهامآزمون گذشته‌نگرمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه گردش کاری عملیاتی را برای اتصال بک‌تست و استراتژی زنده مشترک به نشست معامله شبیه‌سازی‌شده Interactive Brokers نشان می‌دهد. هویت و وضعیت حساب را بررسی می‌کند، برای راه‌اندازی اندیکاتورها داده‌های کندلی تاریخی را درخواست می‌کند، به داده‌های بازار…

سهاممومنتوماجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه سه مدل خطی سری زمانی، یک رمزگذار ترنسفورمر و پیش‌بینی‌های بدون پارامتر را روی بازده روزانه SPY مقایسه می‌کند. روش‌های خطی یک پنجره تاریخی را به پیش‌بینی چندروزه نگاشت می‌کنند و گونه‌هایی دارند که مؤلفه هموار را از باقی‌مانده جدا می‌کنند یا پیرامون…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه مناظره‌ای چندمرحله‌ای میان نقش‌های صعودی و نزولی در پیش‌بینی ارائه می‌کند. هر طرف از احتمال بیشتر یا کمتر یک رویداد دفاع می‌کند، در مراحل بعد استدلال پیشین طرف مقابل را می‌بیند و احتمال و شواهد پشتیبان را گزارش می‌دهد. معیار تشخیصی اصلی فاصله میان…

یادگیری ماشینآماراحساسات بازارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا درخت‌های گرادیان‌بوست‌شده می‌توانند روابط غیرخطی در ویژگی‌های ریزساختار NASDAQ-100 پیدا کنند که ممکن است از دید یک مدل خطی پنهان بمانند. تمرکز آن بر این احتمال است که عدم‌تعادل جریان سفارش بسته به اسپرد، بازده را به‌شکل متفاوتی…

سهامیادگیری ماشینریزساختار بازارآمار
یادگیری ماشین برای معامله‌گری

این دفترچه، عامل پژوهشی به سبک اپراتور را برای تکرار و بهبود مطالعات موردی کمی توضیح می‌دهد. به‌جای محدود کردن مدل به اقدامات پیش‌بینی از پیش تعریف‌شده، ابزارهای عمومی برای فایل‌ها، فرمان‌های پوسته، پرس‌وجو از رجیستری و بررسی داده‌ها در اختیارش می‌گذارد.…

یادگیری ماشینآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌سنجی بررسی می‌کند آیا می‌توان با پنل سهام US موجود، درباره استراتژی رتبه‌بندی روزانه سهام با موقعیت‌های خرید و فروش کوتاه پژوهش کرد یا نه. ساخت مجموعه دارایی در نقطه زمانی را با آستانه‌های قیمت و گردش گذشته بررسی می‌کند، هزینه‌های معاملاتی…

سهامبازارهای آمریکاآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی انتخاب‌شده در مراحل اعتبارسنجی پیشین را با استفاده از تاریخچه پیش از -2021 دوباره برازش می‌کند و سپس پیش‌بینی‌هایی برای دوره نگه‌داشته‌شده 2021 منتشر می‌کند. پیکربندی برگزیده را از مجموعه نامزدهای ثبت‌شده بازیابی می‌کند یا در نبود آن…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه جریان کار تیترهای ESG را پیاده‌سازی می‌کند: خبرها را با کلیدواژه‌ها انتخاب می‌کند، هر تیتر منتخب را به دسته محیط‌زیست، اجتماعی یا حاکمیت شرکتی اختصاص می‌دهد و تیترهای نمونه‌گیری‌شده را با تحلیل احساسات FinBERT امتیازدهی می‌کند. ترکیب دسته‌های…

یادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پیش از نمایه‌سازی برای پژوهش مالی، مجموعه‌ای از گزارش‌های سالانه را ممیزی می‌کند. فاصله پایان دوره مالی تا تاریخ انتشار عمومی پرونده را اندازه می‌گیرد و نشان می‌دهد چرا کاربردهای نقطه‌درزمان باید از تاریخ انتشار استفاده کنند. همچنین پرونده‌هایی را…

سهامیادگیری ماشیناجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های مالی و مبتنی بر مدل را از نظر رابطه‌شان با بازده هشت‌ساعته بعدی قراردادهای دائمی رمزارز غربال می‌کند. برای هر تسویه، همبستگی‌های اسپیرمن مقطعی میان قراردادهای واجد شرایط را محاسبه و سپس امتیازها را در تاهای اعتبارسنجی آزمون پیش‌رونده…

رمزارزقراردادهای آتی دائمییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج موجود مدل‌ها در آزمون پیش‌رونده را در مطالعات موردی مالی گردآوری می‌کند تا LSTM، NLinear، TSMixer، TCN و PatchTST را با خط‌مبناهای خطی، تقویت گرادیانی و شبکه عصبی جدولی مقایسه کند. معیار اصلی آن میانگین ضریب اطلاعات اسپیرمن روزانه است که با…

یادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا عوامل سرمایه‌گذاری منتشرشده، صرف بازده معتبر ارائه می‌کنند و یکدیگر را متنوع می‌سازند یا نه. از سری‌های بلندمدت و میان‌دارایی AQR در کنار عوامل سهام فاما-فرنچ استفاده می‌کند و برای درنظرگرفتن تعداد زیاد عوامل نامزدِ بررسی‌شده…

سرمایه‌گذاری عاملیآمارساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این ماژول تحلیل مشترک، روش‌هایی برای برآورد اصطکاک معاملاتی در طبقات دارایی را شرح می‌دهد. شامل برآوردگرهای سقف-کف و خودکوواریانس بازده برای اسپرد خرید-فروش، معیارهای حجم میانگین متحرک و رویکردهای رگرسیونی برای کالیبره‌کردن اثر بازار با ریشه دوم و ضریب اثر…

اجرای سفارشریزساختار بازارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ارزش کل قفل‌شده را داده‌ای جایگزین در نظر می‌گیرد و این فرضیه را می‌سنجد که شرایط سرمایه‌ای دیفای می‌توانند به پیش‌بینی بازده اتر کمک کنند. TVL را ارزش دلاری دارایی‌های رمزارزی سپرده‌گذاری‌شده در پروتکل‌ها تعریف می‌کند و سپس تأکید می‌کند که این یک…

رمزارزداده‌های درون‌زنجیره‌ایدیفایآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند چرا ضریب اطلاعات مدل، نسبت شارپ استراتژی ساخته‌شده از پیش‌بینی‌های آن را تعیین نمی‌کند. در مجموعه‌ای از مطالعات موردی، رتبه‌بندی سیگنال‌ها را با نتایج بک‌تست مقایسه می‌کند و می‌سنجد قواعد ورود، اندازه موقعیت، تناوب بازمتعادل‌سازی و…

آزمون گذشته‌نگریادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه، اقتباسی آموزشی و روزانه از مدل ضریب تنزیل تصادفیِ خصمانه را پیاده‌سازی می‌کند. شبکه وزن‌دهی پرتفوی با استفاده از ویژگی‌ها و وضعیت بازارِ در دسترس تا پایان روز قبل، عاملی از بازده مازاد روز بعد می‌سازد. شبکه لحظه‌ای خصمانه به آموزش هسته قیمت‌گذاری…

سهامیادگیری ماشینآمارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این تحلیل با مقایسه شواهد ضریب اطلاعات (IC) و نسبت‌های شارپ حاصل از تبدیل پیش‌بینی‌ها به موقعیت، می‌سنجد آیا سیگنال‌های معاملاتی منتخب قابل‌اتکا به نظر می‌رسند یا نه. نتایج خانواده‌های مدل را در طبقات دارایی گردآوری می‌کند، میانگین IC و میانه شارپ سیگنال را…

یادگیری ماشینآمارآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج آزمون پیش‌رونده‌ای را که پیش‌تر اجرا شده‌اند گردآوری می‌کند تا LSTM، NLinear، TSMixer، TCN و PatchTST را در مطالعات موردی، در کنار خط‌مبناهای خطی، تقویت گرادیانی و TabM مقایسه کند. میانگین ضرایب اطلاعات اسپیرمن روزانه را با بازه‌های اطمینان…

یادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌سنجی می‌پرسد آیا داده‌ها و فرض‌های یک استراتژی هفتگی استرادل کوتاه با پوشش دلتا روی اجزای S&P 500، پیش از برازش مدل، معقول‌اند یا نه. توضیح می‌دهد که چگونه اختیار خرید و فروش با قیمت اعمال و سررسید یکسان یک استرادل می‌سازند، نوسان ضمنی و…

اختیار معاملهنوسانمدیریت ریسکآزمون گذشته‌نگر