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 پیکربندی مطالعه‌ای درون‌روزی از سیگنال‌های جریان سفارش را در مجموعه سهام NASDAQ-100 بر اساس اطلاعات در نقطه زمانی توصیف می‌کند. زیرمجموعه‌ای را با غربال هزینه و بر مبنای اطلاعات نقدشوندگیِ در دسترس پیش از هر دوره ارزیابی تعریف می‌کند، برنامه‌های…
این دفترچه از مدل آمیخته گاوسی برای گروه‌بندی ماه‌ها بر اساس رفتار مشترک نه سری بازده عامل و طبقه دارایی استفاده می‌کند. مشاهدات ماهانه را استاندارد می‌کند، ماه‌های دارای مقادیر گمشده را کنار می‌گذارد و شمار خوشه‌های نامزد را با BIC، AIC و امتیاز سیلوئت…
این دفترچه عاملی برای پیش‌بینی می‌سازد که در حلقه ReAct میان استدلال و کنش جابه‌جا می‌شود. فضای کنش آن عمداً کوچک است: عامل می‌تواند شواهد را جست‌وجو کند یا پیش‌بینی احتمالی ارائه دهد. یک رابط مشترکِ دو‌روشی به حلقه امکان می‌دهد از ارائه‌دهندگان مختلف مدل…
این دفترچه چالش کشف علّی آزمایشگاه ADIA را به‌عنوان بنچمارکی برای یادگیری الگوها در یک خانواده شبیه‌ساز شناخته‌شده بررسی می‌کند. این وظیفه مجموعه‌های داده مصنوعی بسیاری را همراه با گراف‌های جهت‌دارِ بی‌دورِ معلوم ارائه می‌دهد و سپس مدل‌ها را بر اساس…
این دفترچه تولید پیش‌بینی‌های دوره نگه‌داشته‌شده برای پیکربندی مدل آتی CME را توضیح می‌دهد. پیکربندی با نتایج اعتبارسنجی انتخاب می‌شود و سپس با داده‌هایی که پیش از آغاز پنجره نگه‌داشته‌شده پایان می‌یابند دوباره برازش می‌شود. حائل برچسب، مشاهدات آموزشی را از…
این دفترچه Tail-GAN را رویکردی تخاصمیِ مولد برای ساخت سناریوهای بازده مالی با هدف‌گذاری ارزش در معرض ریسک (VaR) و زیان مورد انتظار دنباله‌ای (ES) توضیح می‌دهد. از مرتب‌سازی مشتق‌پذیر استفاده می‌کند تا گرادیان‌ها از برآوردهای چندکی عبور کنند و برآوردهای ریسک…
این دفترچه مهندسی ویژگی توضیح می‌دهد که اطلاعات کندتر چگونه می‌توانند از طریق داده‌های بنیادی، اقتصاد کلان و زمینه تقویمی، سیگنال‌های معاملاتی سریع‌تر را مشروط کنند. نسبت‌های ارزشی مانند ارزش دفتری به بازار و بازده سود، سنجه‌های کیفیت مانند بازده حقوق صاحبان…
این دفترچه توضیح می‌دهد چگونه پس از انتخاب مدل و استراتژی در فولدهای اعتبارسنجی، برای یک پیکربندی ریزساختار NASDAQ-100 پیش‌بینی‌های دوره نگه‌داشته‌شده تولید کنید. مشخصات آموزش انتخاب‌شده را بازسازی می‌کند، فولد نگه‌داشته‌شده را از پنجره اعلام‌شده مطالعه…
این دفترچه نتایج اعتبارسنجی ثبت‌شده پنج برآوردگر عامل نهفته را در مجموعه‌ای از مطالعات موردی ترکیب می‌کند. ابتدا مشخص می‌کند کدام برآوردگرها برای هر پنل نتیجه دارند، سپس برآوردگر پیشرو را بر اساس میانگین ضریب اطلاعات رتبه‌ای اسپیرمن روزانه (IC) همراه با…
این مطالعه موردی ویژگی‌های مالی و مبتنی بر مدل را در برابر بازده‌های آتی برای یک استراتژی ریزساختار NASDAQ-100 غربال می‌کند. ضرایب اطلاعات رتبه‌ای مقطعی را در طول زمان محاسبه می‌کند، استنباط را برای وابستگی و آزمون‌های متعدد تعدیل می‌کند و شکل بازده در…
این فصل تولیدِ بازیابی‌افزوده را راهی برای مفیدتر کردن مدل‌های زبانی در پژوهش مالیِ باز و گسترده معرفی می‌کند؛ حوزه‌ای که ادعاهای بی‌پشتوانه و توهم‌زایی می‌توانند پرهزینه باشند. مراحل سامانه را از ورود اسناد و بخش‌بندیِ آگاه از ساختار تا فراداده، تعبیه‌های…
این دفترچه ویژگی‌هایی را توسعه می‌دهد که به چند سری دارایی نیاز دارند. آزمون‌های انگل–گرنجر و یوهانسن را برای هم‌انباشتگی مقایسه می‌کند، توضیح می‌دهد چرا صرف هم‌حرکتی به معنای ایستا بودن فاصله نیست و نسبت‌های پوشش ریسک را هم با رگرسیون کل نمونه و هم با فیلتر…
این مطالعه موردی مدل‌های تقویت گرادیانی را مقایسه می‌کند که بازده تا سررسید موقعیت‌های فروش استرادلِ نزدیک به قیمت جاری را پیش‌بینی می‌کنند. ظرفیت درخت و سه هدف برازش را تغییر می‌دهد: خطای مربعی، خطای مطلق و زیان هوبر. اعتبارسنجی پیش‌رونده از دو دوره، از…
این دفترچه، ترنسفورمری وصله‌ای را برای پیش‌بینی برچسب اصلی در مطالعه سهام و اختیارهای S&P 500 برازش می‌کند. پنجره ورودی تاریخی هر سهم را به وصله‌های پیوسته تقسیم می‌کند و هر وصله را یک توکن برای توجه می‌گیرد. توجه می‌تواند بخش‌های دور از هم پنجره را مستقیم…
این کد معماری خودرمزگذار نظارت‌شده‌ای را برای پیش‌بینی بر پایه ویژگی‌های مالی ارائه می‌کند. رمزگذار ورودی‌های نرمال‌شده را به یک لایه فشرده می‌برد و رمزگشا آن‌ها را بازسازی می‌کند تا این بازسازی نقش منظم‌ساز داشته باشد. یک سرِ پیش‌بینی کمکی روی بازسازی کار…
این دفترچه یک مدل عامل تنزیل تصادفی ETF را شرح می‌دهد که یک مجموعه وزن مشترک را برای قیمت‌گذاری بازده صندوق‌ها برازش می‌کند. برخلاف مدل‌هایی که مواجهه صندوق‌ها و بازده عامل‌ها را جداگانه برآورد می‌کنند، این مدل دو شبکه را بر مبنای خطاهای قیمت‌گذاری آموزش…
این مطالعه یادگیری Q عمیق دوگانه را با ترکیب‌های متخصصانِ بخش‌بندی‌شده با K-means و شبکه‌های متراکمِ هم‌اندازه از نظر تعداد پارامتر، برای اجرای سفارش BTC/USDT مقایسه می‌کند. ارزیابی از داده‌های دفتر سفارش محدود بایننس، تجمیع‌شده به میانگین‌های بازه‌های…
MintEval ارزیابی می‌کند که آیا مدل‌های زبانی دستورهای معامله‌گر را به کدی تبدیل می‌کنند که مطابق استراتژی موردنظر رفتار کند. این ابزار از اجزای ترکیب‌پذیر، استراتژی‌های مرجع می‌سازد، آن‌ها را به دستورهای محاوره‌ای تبدیل می‌کند و از مدل‌ها می‌خواهد…
این مقاله انتخاب سبد سرمایه‌گذاری را در طول زندگی فردی با درآمد تصادفی و سرمایه‌گذاری در سهام، اوراق قرضه و بیمه عمر بررسی می‌کند. هدف، مصرف، مزایای فوت و ثروت نهایی را در نظر می‌گیرد. قید محدب معاملاتی، محدودیت‌هایی مانند غیرقابل‌معامله بودن دارایی‌ها،…
این مطالعه می‌آزماید که آیا بهینه‌سازی سیاست مجاور می‌تواند تصمیم‌های سرعت معامله کارگزار را در یک بازی پیوسته‌زمان کارگزار–معامله‌گر با راه‌حل تحلیلی بیاموزد. پاداش گسسته‌ای را از هدف پیوسته‌زمان استخراج می‌کند و پیاده‌سازی را با پالایش شبکه و یک همانی…
این مقاله بررسی می‌کند که آیا عامل‌های مستقل یادگیری تقویتی عمیق در یک بازی اجرای بهینه، رفتاری سازگار با تبانی پیدا می‌کنند یا نه. در چارچوب تسویه موقعیت‌ها با دو بازیکن و افق محدود، عامل‌ها از بهینه‌سازی سیاست مجاور استفاده می‌کنند و در هر دور به تاریخچه…
این سند استفاده از الگوریتم تولید ساختار ائتلافی مبتنی بر گراف، GCS-Q، را برای خوشه‌بندی دارایی‌هایی توصیف می‌کند که با گرافی وزن‌دار و علامت‌دار از همبستگی بازده نمایش داده شده‌اند. انگیزه این است که روش‌های رایج خوشه‌بندی هنگام تبدیل همبستگی‌های علامت‌دار…
این مقاله رویکردی برای معامله خودکار سهام توصیف می‌کند که سه الگوریتم یادگیری تقویتی کنشگر-منتقد را ترکیب می‌کند: بهینه‌سازی سیاست مجاور، کنشگر-منتقد مزیت و گرادیان سیاست قطعی عمیق. عامل‌ها برای یادگیری تصمیم‌های معاملاتی با هدف بیشینه‌سازی بازده…
این سند روشی برای استنباط شبکه‌های پیشرو-پسرو از کنش‌های عامل‌های منفرد معرفی می‌کند و سپس آن را روی داده‌های بازار ارز با تفکیک معامله‌گر به کار می‌گیرد. پایداری شبکه را توضیحی برای این مطرح می‌کند که چرا فعالیت یک معامله‌گر می‌تواند به پیش‌بینی جریان سفارش…