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 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…
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…
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…
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…
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 سند رابطی برای خوانندگان توصیف می‌کند که امکان بررسی نتایج بک‌تست ذخیره‌شده در یک رجیستری را فراهم می‌کند. این رابط خلاصه‌ای از تعداد اجراها ارائه می‌دهد، مشخصات و اجراهای منفرد را بررسی می‌کند، نتایج را رتبه‌بندی می‌کند، روش‌های تخصیص را مقایسه می‌کند،…
این دفترچه یال‌های رویداد مالی زمان‌مهرخورده را از یک گراف دانش تحلیل می‌کند و زمان وقوع رویداد، زمان عمومی شدن آن و زمان ایجاد یال به‌دست خط لوله استخراج را از هم جدا می‌سازد. تأخیر افشا و استخراج را محاسبه می‌کند، با استفاده از برش‌های زمانی افشای عمومی…
این مرور فصل، فرایندی فرضیه‌محور برای تعریف استراتژی‌های معاملاتی پیش از بک‌تست را شرح می‌دهد. فرض‌های مستند داده و پیکربندی تغییرناپذیر را به تحلیل اکتشافی، مطالعه رویداد و برگه مشخصات ساختاریافته استراتژی پیوند می‌دهد. برگه پیشنهادی، فرضیه ابطال‌پذیر، طرح…
این دفترچه یک خودرمزگذار ساده را روی بازده‌های ساعتی سبدی از بازارهای پرپچوال رمزارز آموزش می‌دهد. بازده‌ها با استفاده از دوره آموزش استاندارد می‌شوند و شبکه عصبی ورودی چنددارایی را پیش از بازسازی به بازنمایی نهفته دوبعدی فشرده می‌کند. مدل برای کمینه‌سازی…
این سند روند کاری مشترکی برای مقایسه پیکربندی‌های مدل در مطالعات موردی توصیف می‌کند. ابتدا یک پیکربندی را برای هر مطالعه موردی انتخاب می‌کند و سپس خلاصه‌های سطح فولد و میان‌مطالعه‌ای را از همان انتخاب استخراج می‌کند تا تحلیل‌های بعدی از انتخابی یکدست استفاده…
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 پروژه پایانی توضیح می‌دهد چگونه پیش‌بینی‌های احتمالی را با امتیاز بریر، امتیاز لگاریتمی، خطای کالیبراسیون مورد انتظار و میزان تفکیک‌پذیری ارزیابی کنیم و نمودارهای پایایی چگونه نشان می‌دهند پیش‌بینی‌ها کجا بیش‌ازحد مطمئن یا کمتر از حد مطمئن‌اند. همچنین…
این دفترچه پیکربندی‌های دنباله‌ای LSTM و NLinear را روی محصولات آتی CME ارزیابی می‌کند. مدل‌های دنباله‌ای پنجره‌های مرتب‌شده‌ای از مشاهدات را می‌گیرند تا بررسی کنند آیا مسیر اخیر، فراتر از ویژگی‌های خلاصه مهندسی‌شده، اطلاعاتی دارد. LSTM در طول پنجره حالت…
این دفترچه روند کاری مشترکی را برای برازش شبکه‌های کانولوشنی زمانی روی داده‌های روزانه جفت FX شرح می‌دهد. مدل به‌جای درنظرگرفتن هر تاریخ به‌عنوان ردیفی مستقل از ویژگی‌ها، از پنجره‌ای ثابت از مشاهدات متوالی استفاده می‌کند. اجراکننده تاریخ‌های مجاز برای…
این دفترچه SHAP را در سطح توکن روی نسخه‌ای مشخص و تثبیت‌شده از مدل FinBERT به‌کار می‌گیرد که متن مالی را منفی، خنثی یا مثبت طبقه‌بندی می‌کند. استنتاج مدل را طوری پوشش می‌دهد که ترتیب برچسب‌های نقطه بازرسی حفظ شود؛ سپس احتمال‌های کلاس را با سنجش تغییر آن‌ها…
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 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 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 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…