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.
821 سند
این دفترچه بررسی می‌کند که یک استراتژی منتخب مبتنی بر ویژگی‌های شرکت‌های US چگونه به تغییر فرض هزینه تراکنش واکنش نشان می‌دهد. پیکربندی استراتژی را ثابت نگه می‌دارد و بک‌تست‌های اعتبارسنجی را در شبکه‌ای تعریف‌شده از سطوح کمیسیون و لغزش قیمت دوباره اجرا…
این دفترچه، پیش‌نمایشی از پرونده‌های 100 10-K و 8-K ارائه می‌دهد که قرار است ورودی گراف دانش مالی باشند. این دفترچه بررسی‌های طرح‌واره برای فیلدهای الزامی، کلیدهای یکتای شرکت و شماره پذیرش، برچسب‌های فرم سازگار، هم‌ترازی سال و فراداده طول متن را شرح می‌دهد.…
این دفترچه یک استراتژی ثابت مبتنی بر ویژگی‌های سهام را در دوره نگه‌داشته‌شده رزروشده، با استفاده از پیش‌بینی‌ها و تخصیص‌دهنده سبدی که پیش‌تر انتخاب شده‌اند، اجرا می‌کند. پیکربندی، اندازه موقعیت، تمرکز، تناوب تجدید توازن و فرض هزینه را بدون تغییر نگه می‌دارد…
این مطالعه موردی، استرادل فروش هفتگی اختیار معامله S&P 500 را با استفاده از بک‌تست‌های ثبت‌شده ارزیابی می‌کند. پیکربندی‌ای را از جهان نقدشونده مشخص‌شده انتخاب می‌کند، نامزدها را بر مبنای اعتبارسنجی رتبه‌بندی می‌کند و پیکربندی برگزیده را بدون استفاده از نتایج…
این دفترچه مقایسه‌های درستی و زمان اجرا را برای VectorBT Pro و VectorBT OSS در برابر ML4T روی استراتژی‌های مطالعه موردیِ پشتیبانی‌شده ارائه می‌دهد. هر دو نسخه را در تخصیص ETF، ارز خارجی با مظنه USD و پنل سهام US بررسی می‌کند؛ VectorBT Pro همچنین در مقایسه…
این دفترچه پیش‌بینی‌های سطح سهام را به سبدهای اعتبارسنجی تبدیل می‌کند. در هر تاریخ تجدید توازن، سهام را بر اساس بازده پیش‌بینی‌شده مرتب می‌کند، گروه بالایی را می‌خرد و گروه پایینی را فروش استقراضی می‌کند و به هر موقعیت سرمایه‌ای برابر اختصاص می‌دهد. این خط…
این دفترچه نشان می‌دهد که یک سفارش با مبلغ ثابت دلاری، به‌دلیل تفاوت اندازه‌اش نسبت به حجم معاملات موجود، می‌تواند هزینه‌های بسیار متفاوتی در سهام گوناگون ایجاد کند. در آن، مدلی از اثر بازار با ریشه دوم برای یک استراتژی مومنتومِ خرید هنگام مثبت بودن، با…
این دفترچه TSMixer را برای پیش‌بینی بازده آتی ETF بر پایه ویژگی‌های مومنتوم تاریخی به‌کار می‌گیرد. معماری آن یک تبدیل خطی مشترک را در محور زمان با یک ترکیب‌کننده ویژگی MLP ترکیب می‌کند که جداگانه در هر تاریخ اعمال می‌شود. پیش‌نرمال‌سازی و اتصالات باقیمانده…
این دفترچه تنظیم دقیق ترنسفورمر برای شناسایی موجودیت‌های نام‌دار مالی را توضیح می‌دهد؛ کاری که بازه‌هایی مانند سازمان‌ها، افراد، مبالغ، تاریخ‌ها و درصدها را در متن مشخص می‌کند. تمرکز آن بر برچسب‌های مرزی BIO و مسئله هم‌ترازی میان حاشیه‌نویسی‌های واژه‌ای و…
این دفترچه یک خودرمزگذار نظارت‌شده را با سهام روزانه US سازگار می‌کند. مدل ویژگی‌های رتبه‌بندی‌شده قیمت و حجم را بازسازی می‌کند، درحالی‌که سرهای طبقه‌بندی کمکی و اصلی، بازنمایی نهفته مشترکی را آموزش می‌دهند تا مثبت‌بودن بازده را در چند افق آتی پیش‌بینی کند.…
این دفترچه روندی برای کیفیت داده‌های روزانه سهام US از نوع OHLCV نشان می‌دهد. بررسی‌های ساختاری شامل مقادیر تهی، موارد تکراری، ترتیب زمانی، سازگاری قیمت، مقادیر منفی، قیمت‌های مانده و بازده‌های حدی است. سپس اعتبارسنجی ساختاری را از شناسایی ناهنجاری جدا…
این راهنمای مجموعه‌داده، پنل ماهانه سهام US را توصیف می‌کند که شامل شرکت‌های ناشناس و ویژگی‌های آن‌هاست و در پژوهش قیمت‌گذاری دارایی با یادگیری ماشین به کار می‌رود. داده‌ها شامل ویژگی‌های حسابداری و فنی، بازده‌ها و دوره‌های ازپیش‌تعریف‌شده آموزش و آزمون…
این دفترچه روندی برای کاهش مجموعه بزرگی از ویژگی‌های ETF به نامزدهایی برای مدل‌سازی بعدی ارائه می‌کند. ویژگی‌ها را با ضرایب اطلاعاتی اسپیرمنِ مقطعی در برابر بازده‌های آتی رتبه‌بندی می‌کند؛ این ضرایب برحسب تاریخ محاسبه و سپس میانگین‌گیری می‌شوند. آماره‌های…
این دفترچه توضیح می‌دهد عامل تنزیل تصادفی (SDF) چگونه مقطع سیگنال‌های اختیار معامله سهام را قیمت‌گذاری می‌کند. برخلاف مدل‌های عاملی که مواجهه‌ها و بازده عوامل را برآورد می‌کنند، رویکرد SDF یک متغیر تصادفی برآورد می‌کند که قیمت‌گذاری بازده دارایی‌ها را…
این سند توضیح می‌دهد چگونه برچسب‌های بازده آتی و جهت را برای پژوهش درون‌روزی NASDAQ-100 بسازیم. بازده را با قرارداد اجرایی مشخصی تعریف می‌کند: قیمت پایانی یک کندل را مشاهده کنید، در کندل بعدی وارد معامله شوید و نتیجه را طی مدتی تنظیم‌شده بسنجید. قیمت‌های…
این دفترچه TabM، طرحی از شبکه عصبی برای داده‌های جدولی، را روی ویژگی‌های ماهانه شرکت‌ها بررسی می‌کند. سه پیش‌تنظیم را مقایسه می‌کند که با ثابت‌ماندن دیگر تنظیمات آموزش، عرض لایه پنهان و تعداد مدل‌های مجموعه را افزایش می‌دهند. اجراکننده مشترک هدف یادگیری را…
این دفترچه استراتژی سهام و اختیار معامله S&P 500 را که پیش‌تر انتخاب شده، روی پیش‌بینی‌های یک دوره نگه‌داشته‌شده جداگانه در 2021 اعمال می‌کند. پیکربندی منتخب، از جمله تخصیص‌دهنده، قواعد تمرکز، پوشش ریسک و هزینه‌های معاملاتی، بدون تغییر حفظ می‌شود و…
این فصل چارچوب حاکمیت پس از استقرار برای سامانه‌های معاملاتی یادگیری ماشین را ترسیم می‌کند. خطاهای فنی، که در آن‌ها ورودی‌های یکسان خروجی‌های متفاوتی می‌دهند، از افت آماری، که در آن خروجی‌ها دیگر بازده را پیش‌بینی نمی‌کنند، جدا می‌شوند. چارچوب، شناسایی از…
این نمایه عوامل نهفته را به‌عنوان الگوهای مشترکی معرفی می‌کند که از حرکت هم‌زمان بازده سهام استخراج می‌شوند؛ بار عاملی هر سهم میزان مواجهه آن با یک الگو را نشان می‌دهد. تحلیل مؤلفه‌های اصلی را، که عوامل و بارهای سهام را فقط از بازده‌ها برآورد می‌کند، با…
این دفترچه طبقه‌بندی معاملات لی-ردی را با برچسب‌های سمت مهاجم در داده‌های سفارش‌به‌سفارش نزدک می‌آزماید. دفتر سفارش محدود را از پیام‌های افزودن، تغییر، لغو، اجرا و بازنشانی بازسازی می‌کند و سپس هر معامله را با بهترین قیمت خرید و فروش هم‌زمان آن تراز می‌کند.…
این دفترچه از TreeSHAP برای توضیح پیش‌بینی بازده LightGBM استفاده می‌کند؛ از جمله اهمیت کلی ویژگی‌ها، توضیح پیش‌بینی‌های منفرد، نمودارهای وابستگی و مقادیر برهم‌کنش دوتایی. رتبه‌بندی‌های SHAP را با اهمیت جایگشتی و اهمیت ناخالصی مبتنی بر درخت مقایسه می‌کند تا…
این دفترچه تیترهای مالی را به سیگنال‌های سطح سهام تبدیل می‌کند و آن‌ها را در برابر بازده‌های آتی می‌سنجد. تیترها را تعبیه می‌کند، غافلگیری خبری را به‌صورت فاصله معنایی از مبنای متحرک تعبیه‌ها می‌سنجد و آن را با جهت احساسات ترکیب می‌کند تا خبرهای صعودیِ…
این سند توضیح می‌دهد چگونه یک استراتژی سهام US را که پیش‌تر انتخاب شده، با پیکربندی ثابت روی داده‌های نگه‌داشته‌شده ارزیابی کنیم. مجموعه پیش‌بینی درست را از هویت آموزشی مدل منتخب و نقطه وارسی آن به دست می‌آورد؛ سپس تخصیص‌گر، قواعد تمرکز، تناوب بازتوازن، لایه…
این دفترچه خط لوله‌ای را برای استخراج روابط تأمین‌کننده، مشتری و رقیب از گزارش‌های سالانه شرکت‌ها و ذخیره آن‌ها در گراف دانش نشان می‌دهد. یک مدل زبانی محلی، سه‌تایی‌های پیشنهادیِ موضوع، رابطه و موجودیت را از متن پرونده‌ها می‌سازد. سپس گردش کار نام موجودیت‌ها…