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.
1,290 سند
این دفترچه دارایی‌های نهادی 13F را به گرافی تبدیل می‌کند که مدیران و سهام را به هم پیوند می‌دهد و شامل ارتباط‌های بخشی و یال‌های مالکیت با تعداد سهام، ارزش، دوره گزارش و تاریخ انتشار عمومی پرونده است. جست‌وجوهای گرافی برای مالکیت مشترک و روابط چندمرحله‌ای را…
این دفترچه با استفاده از مدل‌های آمیخته گاوسی، بازده‌های ماهانه ۹ سری از عوامل و بازارِ سهام، اوراق قرضه، ارز و کالا را خوشه‌بندی می‌کند. پس از حذف ماه‌های دارای داده ناقص، سری‌ها را استاندارد می‌کند تا تفاوت مقیاس بر خوشه‌بندی غالب نشود. تعداد خوشه‌های…
این دفترچه 57 ویژگی حسابداری و مبتنی بر قیمت را به‌عنوان پیش‌بین‌های مستقل بازده سهام US در ماه آینده ارزیابی می‌کند. همبستگی‌های رتبه‌ای مقطعی ماهانه را محاسبه و در طول زمان میانگین‌گیری می‌کند و عدم‌قطعیت را برای وابستگی سریالی و آزمون نامزدهای متعدد تعدیل…
این فصل چارچوبی برای تبدیل یک ایده معاملاتی به مشخصات مستند ویژگی ارائه می‌کند. از پژوهشگران می‌خواهد افق ویژگی را با تصمیم موردنظر هم‌راستا کنند، فرضیه‌ای درباره محرک بیان کنند و سیگنال‌های پیش‌بین را از متغیرهای حالت زمینه‌ای متمایز سازند. انتخاب چارچوب…
این راهنما برآورد اثر علّی را از کشف ساختار علّی متمایز می‌کند و پرسش‌های رایج پژوهشی را به کتابخانه‌های مناسب پایتون پیوند می‌دهد. EconML و DoWhy هنگامی اثرها را برآورد می‌کنند که ساختار تعدیل معلوم باشد یا صریحاً مشخص شود؛ Tigramite و causal-learn…
این مرور، داده‌های پیکربندی نه مطالعه موردی معامله‌گری را در حوزه سهام، رمزارز، ارز خارجی، قراردادهای آتی، اختیار معامله و سبدهای چنددارایی تجمیع می‌کند. جهان دارایی‌ها، بسامد داده، آهنگ تصمیم‌گیری، مدل هزینه و نگاشت سیگنال به موقعیت را در هر مطالعه مقایسه…
این دفترچه چارچوبی قطعی برای بررسی سازگاری خط‌لوله‌های بک‌تست و معامله زنده ارائه می‌کند. مراحل تبدیل کندل‌های قیمت به تصمیم را مقایسه می‌کند: محاسبه ویژگی‌ها، پیش‌بینی‌ها، سیگنال‌ها و اندازه سفارش‌ها. یک نوار قیمت مصنوعیِ ثابت به هر دو خط‌لوله اجازه می‌دهد…
این دفترچه از داده‌های معامله و سفارشِ مشتق‌شده از NASDAQ ITCH برای نمایش الگوهای ریزساختار استفاده می‌کند. خودهمبستگی مرتبه اول منفی را در بازده معاملاتِ سطح تیک بررسی و اثر آن را با بازده قیمت میانی مقایسه می‌کند؛ همچنین فعالیت معاملاتی و نوسان درون‌روزی…
این دفترچه نتایج مدل‌های خطی، از جمله OLS، ریج، لاسو و الاستیک‌نت را در نه مطالعه موردی تجمیع می‌کند. قوی‌ترین پیکربندی کامل هر مطالعه را روی برچسب اصلی آن مقایسه می‌کند و سپس منظم‌سازی، ضرایب اطلاعات در سطح فولد، پایداری، افق‌های جایگزین، سنجه‌های طبقه‌بندی…
این دفترچه آموزشی ویژگی‌های مشتق‌شده از قیمت و حجم را که در پژوهش کمی به کار می‌روند مرور می‌کند. بازده‌های ساده و لگاریتمی در افق‌های مختلف، مومنتوم با حذف یک دوره، بازده‌های شبانه و درون‌روزی، فاصله از میانگین متحرک، سنجه‌های روند و بازگشت، چند برآوردگر…
این دفترچه گردش‌کاری ارائه می‌کند تا بررسی شود آیا مومنتوم شش‌ماهه با حذف دوره اخیر، بر بازده‌های آتی 21-روزه اثر می‌گذارد و آیا این اثر با نوسان بازار تغییر می‌کند. اثرها را با یادگیری ماشین دوگانه و با کنترل نوسان و منحنی بازده و در نظر گرفتن نوسان بازار…
این دفترچه پیش از پیش‌پردازش یا مهندسی ویژگی، یک بررسی تشخیصیِ قابل‌بازاستفاده برای مجموعه‌داده‌های مالی می‌سازد. نوع داده شاخص زمانی، زمان‌مهرهای تهی، ترتیب و یکتایی را می‌سنجد؛ ردیف‌های تکراری دقیق و مبتنی بر کلید را می‌یابد؛ مقادیر گمشده را بر اساس فیلد،…
این دفترچه دو مدل بنیادینِ ازپیش‌آموزش‌دیده سری زمانی، Chronos و TinyTimeMixer، را با یک LSTM و یک مبنای خطی جریمه‌شده روی پنل ETF مقایسه می‌کند. هر مدل زمینه تاریخی تک‌متغیره‌ای دریافت می‌کند؛ مدل‌های ازپیش‌آموزش‌دیده همان سری ورودی را پیش‌بینی می‌کنند و…
این فصل چارچوبی برای ارزیابی ادعاهای علّی در پژوهش معاملات کمی ارائه می‌کند. ابتدا درمان، پیامد، برآوردشونده، خلاف‌واقع و مجموعه تعدیل را به‌روشنی تعریف می‌کند و سپس پرسش‌های پژوهشی را با روش‌های مناسب تطبیق می‌دهد: یادگیری ماشین دوگانه (DML) برای مواجهه‌های…
این دفترچه مدل‌های خطی را روی ویژگی‌های ریزساختار NASDAQ-100 که در بازه‌های یک‌دقیقه‌ای مشاهده شده‌اند برازش می‌دهد تا بازده‌ها را در چند افق آتی پیش‌بینی کند. هدف آن ایجاد یک مبنای ساده پیش از استفاده از مدل‌های توانمندتر است. چون ویژگی‌های اسپرد و…
این ارزیابی ویژگی‌ها، گزینه‌های مالی و برگرفته از مدل را در برابر بازده‌های آتیِ قراردادهای آتی CME غربال می‌کند. برای هر ویژگی، پوشش و کهنگی داده را بررسی می‌کند، همبستگی رتبه‌ای مقطعی روزانه میان مقادیر ویژگی و بازده‌های آتی را می‌سنجد، عدم‌قطعیت ناشی از…
این فصل استدلال می‌کند که انضباط تکرارپذیر در پژوهش، منبعی بادوام‌تر برای برتری در معامله‌گری نسبت به هر استراتژی منفرد است. این فصل گردش‌کاری مبتنی بر فرضیه‌های ابطال‌پذیر، ارزیابی خارج از نمونه و اصلاحات آزمون‌های متعدد برای کاهش سوگیری ارائه می‌کند. سپس…
این دفترچه یک GAN سیگ‌واسرشتاینِ بدون شرط برای تولید سری‌های زمانی مالی ارائه می‌کند. این روش، تفکیک‌گری را که میان داده واقعی و تولیدشده تمایز یاد می‌گیرد، با فاصله‌ای مبتنی بر امضاهای موردانتظار مسیر جایگزین می‌کند؛ امضاها خلاصه‌های ریاضی حرکت‌های متوالی…
این ماژول منبع، بارگذارهایی برای قیمت سهام آمریکا، داده شاخص، اختیار معامله، ریزساختار بازار، داده‌های بنیادی و دارایی‌های نهادی فراهم می‌کند. مهم‌ترین جزئیات روش‌شناختی آن به بازنمونه‌گیری داده معاملات درون‌روزی مربوط است: برای باز، بیشینه، کمینه، پایانی و…
این دفترچه TabM، یک گروه عصبی با اشتراک‌گذاری وزن، را روی پنلی از ویژگی‌های قراردادهای آتی دائمی رمزارز به کار می‌برد. اعضا یک زیربنای عصبی مشترک اما بردارهای مقیاس‌بندی و لایه‌های خروجی جداگانه دارند و گروه‌سازی کارآمد را با برهم‌کنش‌های غیرخطی میان…
این دفترچه گردش‌کار تشخیصی در سطح معامله را نشان می‌دهد که زیان‌های تحقق‌یافته را به توضیح‌های SHAP مدل پیوند می‌دهد. مدل LightGBM را با ویژگی‌های قیمت و نوسانِ باوقفه، به‌علاوه ورودی‌های کلان، آموزش می‌دهد تا بازده SPY نشست بعد را پیش‌بینی کند. آستانه ثابت…
این فصل داده‌های مالی را در منابع بازار، بنیادی و جایگزین ترسیم می‌کند و سپس بررسی می‌کند که طبقه‌های دارایی چگونه معنای قیمت، نقدشوندگی و مشاهدات را شکل می‌دهند. تأکید می‌کند که مُهرهای زمانی، تعدیل‌ها، شناسه‌ها و بازبینی‌ها بخشی از تعریف مجموعه‌داده‌اند و…
این دفترچه خودرمزگذاری نظارت‌شده را برای پیش‌بینی بازده پیش‌نگر ETF ارائه می‌کند. شبکه، ردیف ویژگی‌های یک صندوق را به بازنمایی کم‌بعد فشرده می‌کند و بازده را مستقیماً از همان بازنمایی پیش‌بینی می‌کند. برخلاف خودرمزگذارهای شرطی در همین خانواده مدل، فرض…
این دفترچه سه نقطه‌بررسی ترنسفورمر را برای تحلیل احساسات سه‌کلاسه جملات مالی تنظیم دقیق می‌کند و دقت، F1 کلان، ماتریس‌های درهم‌ریختگی، شمار پارامترها و زمان آموزش آن‌ها را مقایسه می‌کند. از تقسیم‌بندی طبقه‌بندی‌شده آموزش، اعتبارسنجی و آزمونِ مجموعه Financial…