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

119 سند

یادگیری ماشین برای معامله‌گری

این دفترچه، فهرستی بین‌مطالعه‌ای از ویژگی‌های مالی مهندسی‌شده و بالاترین ضریب اطلاعات ثبت‌شده برای هر مطالعه بازار ارائه می‌کند. تعداد ویژگی‌ها و خانواده‌های نام‌گذاری آن‌ها را می‌شمارد، اندازه فضای ویژگی را مقایسه می‌کند و الگوهای بین‌دارایی را خلاصه…

چندداراییآماریادگیری ماشینساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه چهار تخصیص مرجع ETF را با استفاده از بازه‌های بحران تاریخی، شوک‌های هم‌زمان دارایی که دستی تعریف شده‌اند، شبیه‌سازی مونت‌کارلو با توزیع Student-t و آمار رژیم بازار مقایسه می‌کند. معیار بیشینه افت سرمایه را توضیح می‌دهد و از سبدهای با وزن ثابت…

چندداراییمدیریت ریسکساخت پرتفوینوسان
یادگیری ماشین برای معامله‌گری

این ممیزی موتورهای معاملاتی را مقایسه می‌کند که اهداف ثابت و منجمد مدل و ورودی‌های تاریخیِ آدرس‌دهی‌شده بر اساس محتوا را در تخصیص ETF، قراردادهای آتی، تأمین مالی قراردادهای دائمی رمزارز، ارز خارجی و سهام US بازپخش می‌کنند. هم‌ارزی اجرا با تطبیق سوابق پرشدن…

آزمون گذشته‌نگراجرای سفارشچندداراییقراردادهای آتی
یادگیری ماشین برای معامله‌گری

این دفترچه یک تخصیص‌گر LSTM می‌سازد که ویژگی‌های اخیر بازده و نوسان ETF را مستقیماً به وزن‌های سبدِ فقط خرید نگاشت می‌کند. خروجی سافت‌مکس وزن‌ها را غیرمنفی و سرمایه‌گذاری‌شده نگه می‌دارد، و هدف نسبت شارپِ مشتق‌پذیر شبکه را بدون مرحله جداگانه پیش‌بینی بازده…

یادگیری ماشینساخت پرتفویآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه DeePM را توصیف می‌کند؛ سیاستی سرتاسری برای سبد ETF که برای بهبود عملکرد در شرایط متغیر بازار طراحی شده است. اجزای آن شامل ویژگی‌های بازده و روند نرمال‌شده با نوسان، مدلی مبتنی بر LSTM، انتخاب متغیر، لایه‌های شرطی‌سازی و توجه میان‌دارایی محدودشده…

چندداراییساخت پرتفوییادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یک رابط یکپارچه OHLCV را در یاهو فایننس، ویکی‌پرایسز و FRED نشان می‌دهد و سپس از این منابع برای داده‌های جاری ETF، سهام با تاریخچه طولانی و سری‌های اقتصاد کلان استفاده می‌کند. رویکرد جایگزینِ اولویت‌بندی‌شده‌ای برای گردآوری داده ترسیم می‌کند و بر…

سهامچندداراییریزساختار بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه از رجیستری‌ها، داده چندین مطالعه موردی معاملاتی را می‌گیرد و جدول‌های بین‌مجموعه‌ای برای مقایسه سیگنال، تخصیص، هزینه و ریسک تولید می‌کند. تشخیص‌هایی را درباره خوشه پیکربندی‌های رتبه‌بندی‌شده بر اساس اعتبارسنجی گزارش می‌دهد؛ از جمله فاصله شارپ رتبه…

آزمون گذشته‌نگرآمارچندداراییمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه تخصیص‌های پرتفویِ PyPortfolioOpt، Riskfolio-Lib و skfolio را با استفاده از پنل بازده یکسان ETF مقایسه می‌کند. تخصیص‌دهنده‌ها را در دوره آموزش برازش می‌دهد، بررسی می‌کند که هدف‌های معادل و وزن‌های هم‌تراز در محدوده تلورانس حل‌گرها همخوان باشند و…

چندداراییساخت پرتفویآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوب مارکویتزِ فقط خرید و با سرمایه‌گذاری کامل را می‌سازد؛ از جمله سبدهای شدنی، مرز کارا و راه‌حل‌های حداکثر شارپ و حداقل واریانس. توضیح می‌دهد واریانس سبد چگونه به ماتریس کوواریانس وابسته است و تنوع‌بخشی چگونه می‌تواند ریسک را کاهش دهد، وقتی…

چندداراییساخت پرتفویآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه سیاهه‌ای میان‌مطالعه‌ای از ویژگی‌های مالی مهندسی‌شده در نه طبقه دارایی ارائه می‌دهد. تعداد ویژگی‌ها و خانواده‌های مبتنی بر نام را از هر پنل ویژگیِ موجود می‌شمارد، اندازه فضاهای ویژگی را مقایسه می‌کند و قوی‌ترین ضریب اطلاعات ثبت‌شده در دفتر ثبت مدل…

چندداراییآمارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این سند بررسی تشخیصیِ قابل‌استفاده مجددی برای مجموعه‌داده‌های مالی ارائه می‌دهد که یکپارچگی شاخص، موارد تکراری، داده‌های مفقود، دورافتاده‌ها، شکاف‌های تقویمی و ناهنجاری‌های مختص حوزه را پوشش می‌دهد. نوع زمان، ترتیب و یکتایی را بررسی می‌کند، از جمله ترتیب…

چندداراییآمارمدیریت ریسکبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه وزن‌دهی برابر، وزن‌دهی معکوس نوسان، کمینه‌واریانس و برابری ریسک سلسله‌مراتبی را با استفاده از مجموعه ETF، پیش‌بینی‌ها، برنامه بازتنظیم و پروتکل بک‌تست یکسان مقایسه می‌کند. مدل Ridge غلتان ETFها را بر اساس ویژگی‌های مومنتوم، فاصله از میانگین متحرک…

ساخت پرتفویآزمون گذشته‌نگرمدیریت ریسکیادگیری ماشین
یادگیری ماشین برای معامله‌گری

دفترچه ارزش در معرض ریسک (VaR) را توضیح می‌دهد که چندک زیان را مشخص می‌کند، و ارزش در معرض ریسک شرطی (CVaR) را که میانگین زیان‌های فراتر از آن آستانه است. با استفاده از بازده‌های روزانه ETF، برآوردهای تاریخی، گاوسی، تعدیل‌شده با Cornish–Fisher و مونت‌کارلوی…

مدیریت ریسکنوسانآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی یک ویژگی ETF را از یک افق بازده به بررسی ده ویژگی در سه افق گسترش می‌دهد و تعدیل آزمون‌های متعدد را اعمال می‌کند. سپس تشخیص‌های مبتنی بر سازوکار را برای مومنتوم بلندمدت 12-1 و بازگشت کوتاه‌مدت به میانگین به کار می‌گیرد: جابه‌جایی زمان‌بندی…

چندداراییمومنتومبازگشت به میانگینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه برابری ریسک سلسله‌مراتبی (HRP) را توضیح می‌دهد؛ روشی برای ساخت سبد که حساسیت به برآوردهای پرنویز کوواریانس را محدود می‌کند. سه مرحله آن را شرح می‌دهد: خوشه‌بندی دارایی‌ها بر پایه فاصله همبستگی، مرتب‌سازی دوباره آن‌ها بر اساس سلسله‌مراتب حاصل، و…

ساخت پرتفویمدیریت ریسکآزمون گذشته‌نگرچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی بک‌تست‌های ثبت‌شده ETF را در سراسر خط لوله استراتژی، از سیگنال‌ها و تخصیص تا هزینه‌ها و لایه‌های ریسک، ارزیابی می‌کند. پیش‌بینی‌ها و بک‌تست‌های موجود را می‌خواند، نه اینکه مدل برازش کند یا بک‌تست تازه‌ای بیفزاید؛ همچنین معیارهای گروهی و…

چندداراییسهامساخت پرتفویآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی Diffusion-TS را برای تولید توالی‌های مصنوعی بازده روزانه ETF به‌کار می‌گیرد. مدل حذف نویز، سری اصلی را پیش‌بینی می‌کند و پیش‌بینی را به روند چندجمله‌ای، مؤلفه‌های منتخب فوریه و باقیمانده تجزیه می‌کند. هدف تابع ترکیبی حوزه زمان و حوزه…

یادگیری ماشیننوسانآمارچنددارایی
یادگیری ماشین برای معامله‌گری

این ماژول مهندسی ویژگی، داده‌های قیمت روزانه را برای مدل‌های پرتفوی کلان نظام‌مند آماده می‌کند. بازده‌های افقیِ مقیاس‌شده با نوسان برآوردی، چندین سیگنال MACD چندمقیاسی و نمره‌های استاندارد غلتان قیمت لگاریتمی را می‌سازد. افق‌های بازده می‌توانند از مجموعه‌ای…

چندداراییمومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این فصل روش‌های تبدیل رویه‌های آماری برازش‌شده به ویژگی برای مدل‌های معاملاتی را مرور می‌کند. مباحث آن شامل تشخیص‌ها و ایستایی، شکست‌های ساختاری، تفاضل‌گیری کسری، فیلتر کالمن، روش‌های طیفی و امضای مسیر، نوسان ARIMA و GARCH، سنجه‌های HAR و نوسان‌پذیری زبر،…

آمارنوسانیادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل خانواده‌های مدل ثبت‌شده را با نتایج اعتبارسنجی آزمون پیش‌رونده روی پنل ETF چنددارایی مقایسه می‌کند. مدل‌ها بازده 21روزه معاملاتی را پیش‌بینی می‌کنند و با ضریب‌های اطلاعاتی مقطعی سنجیده می‌شوند؛ این ضریب‌ها نشان می‌دهند پیش‌بینی‌ها در هر تاریخ تا چه…

چندداراییسهاممومنتومآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی مجموعه داده تاریخی اقتصاد کلان از FRED را برای فیلترکردن رژیم و تحلیل میان‌دارایی مشخص می‌کند. سری‌ها را بر اساس تناوب روزانه، هفتگی، ماهانه و فصلی سازمان‌دهی می‌کند؛ از جمله بازده اوراق خزانه، نرخ وجوه فدرال، VIX، سنجه‌های اشتغال، شاخص‌های…

چندداراییدرآمد ثابتنوسانآمار
یادگیری ماشین برای معامله‌گری

این تحلیل میان‌موردی بررسی می‌کند که اطلاعات پیش‌بینانه، سنجیده‌شده با ضریب اطلاعاتی (IC)، چگونه در نه مطالعه موردی معاملاتی به شارپ سبد تبدیل می‌شود. نکته اصلی این است که نحوه اجرا این رابطه را میانجی‌گری می‌کند: قواعد ورود، اندازه موقعیت، تناوب بازتنظیم و…

چندداراییآمارآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند روندکاری گردآوری بازده اوراق خزانه و شاخص‌های اقتصادی FRED، هم‌ترازکردن سری‌های دارای تناوب گزارش‌دهی متفاوت با تقویم روزانه و بارگذاری یا پالایش مجموعه‌داده حاصل را شرح می‌دهد. شاخص‌ها شامل نرخ‌ها و اسپردهای خزانه، VIX، سنجه‌های اشتغال، تورم، تولید…

درآمد ثابتچندداراییمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی، آزمایشی برای رتبه‌بندی و متعادل‌سازی دوباره ETF با موقعیت‌های صرفاً خرید را مشخص می‌کند. مجموعه گسترده‌ای شامل 100-ETF تعریف می‌کند که سهام، اوراق قرضه، کالاها و مواجهه‌های منطقه‌ای را دربرمی‌گیرد؛ تصمیم‌ها ماهانه‌اند و اجرا در بازگشایی بعدی…

سهامچندداراییآزمون گذشته‌نگراجرای سفارش