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 مقاله تضادی بنیادی در اعتبارسنجی مدل‌های سری زمانی را بررسی می‌کند: دوره‌های آموزش به مشاهدات کافی نیاز دارند، بخش‌های آزمون باید سهم کافی از نمونه را پوشش دهند و آموزش باید پیش از هر نقطه آزمون انجام شود. مقاله این اهداف را با کران‌هایی صورت‌بندی می‌کند…
این پژوهش ناهنجاری‌های درون‌روزی را در محصولات قابل معامله بیت‌کوین و اتریومِ فهرست‌شده در زترا و نزدک استکهلم بررسی می‌کند و از داده‌های یک‌دقیقه‌ای از ژانویه 2024 تا دسامبر 2025 استفاده می‌کند. معیار مبنا با برازش توزیع پارتو تعمیم‌یافته به مقادیر فراتر از…
این پژوهش ریسک ارزهای دیجیتال را در قالب پیش‌بینی نوسان بررسی می‌کند و مدل‌های یادگیری ماشین را بر معیارهای ریسک محاسبه‌شده برای بیست مؤلفه از بازار ارزهای دیجیتال به کار می‌گیرد. شبکه‌های عصبی کانولوشنی، مدل‌های حافظه بلندکوتاه‌مدت، مدل‌های حافظه…
این مطالعه از یادگیری تقویتی عمیق استفاده می‌کند تا پیش‌بینی کوتاه‌مدت معامله را به تصمیم‌های ثبت سفارش محدود و موجودی در دفتر سفارش محدود تبدیل کند. عامل را در محیط شبیه‌سازی‌شده سهام NASDAQ و بر پایه پیام‌های تاریخی دفتر سفارش، با شبیه‌ساز ABIDES آموزش…
مقاله شبکه Q عمیق معاملاتی (TDQN) را معرفی می‌کند؛ رویکردی مبتنی بر یادگیری تقویتی عمیق برای انتخاب موقعیت‌های بازار سهام در طول زمان. روش DQN را با معاملات سازگار می‌کند و نسبت شارپ را سنجه عملکردی قرار می‌دهد که استراتژی می‌کوشد بیشینه کند. هدف توصیف‌شده…
این مقاله مدل ترنسفورمر تک‌جهته SERT را برای قیمت‌گذاری سهام شرکت‌های بزرگ US پیشنهاد می‌کند و ترنسفورمرهای ازپیش‌آموزش‌دیده را برای قیمت‌گذاری سهام و سرمایه‌گذاری عاملی به کار می‌گیرد. این رویکردها را در دوره‌های پیش از همه‌گیری، همه‌گیری و یک سال پس از آن…
این مقاله ادعاهای منتشرشده درباره عامل‌های معاملاتی AI و یادگیری ماشین را به چالش می‌کشد. استدلال می‌کند برخی ارزیابی‌های پیشین به تعداد محدودی جلسه آزمون و سناریوی بازار متکی بودند و شواهد کافی برای قضاوت قابل‌اعتماد درباره عملکرد عامل‌ها فراهم نمی‌کردند.…
این پژوهش می‌پرسد آیا تنوع میان خانواده‌های مدل زبانی در معامله‌گری باقی می‌ماند، وقتی عاملان برای ارسال سفارش گزینش می‌شوند. در بازارهای ترکیبیِ شبیه‌سازی‌شده که شامل ترکیب ثابتی از سه خانواده مدل‌اند، شیوه‌های متفاوت ارائه خبرها تغییر می‌دهد که کدام…
این سند رویکردی برای پیش‌بینی فاصله اعتباری شرح می‌دهد که یادگیری گروهی را با انتخاب ویژگی بر پایه اطلاعات متقابل ترکیب می‌کند. فاصله‌های اعتباری ورودی‌های مفیدی برای تصمیم‌های سرمایه‌گذاری در اوراق قرضه دانسته می‌شوند و مدل پیشنهادی می‌کوشد با گزینش…
این سند روشی عددی برای یادگیری معیار خنثی از ریسک روی مسیرهای شبیه‌سازی‌شده قیمت دارایی نقدی و اختیار معامله تا افقی محدود شرح می‌دهد. این چارچوب شامل هزینه‌های تراکنش محدب و محدودیت‌های معاملاتی محدب است. معیار آموخته‌شده، معیار مارتینگل با آنتروپی کمینه…
این مقاله روشی مبتنی بر بسط مجانبی برای فیلترگذاری تصادفی شرح می‌دهد که هدفش تقریب توزیع شرطی در محیط‌های غیرخطی است. مسئله را با تبدیل فوریه به فضای تکانه می‌برد و جمله‌های غیرخطی را با توابع چندجمله‌ای تقریب می‌زند. صورت‌بندی حاصل، دستگاه بسته‌ای بازگشتی…
این مقاله بازگشت میانگین متحرک (MAR) را معرفی می‌کند؛ جایگزینی چنددوره‌ای برای فرض بازگشت به میانگین تک‌دوره‌ای که در برخی استراتژی‌های سبد برخط به کار می‌رود. روش بازگشت میانگین متحرک برخط (OLMAR) را پیشنهاد می‌کند که از تکنیک‌های یادگیری برخط برای ساخت سبد…
این پژوهش از یادگیری ماشین برای یافتن معیارهای مارتینگل هم‌ارزِ کمینه در بازارهای شبیه‌سازی‌شده دارای ابزارهای قابل معامله، مانند دارایی نقدی و اختیار معامله روی آن، استفاده می‌کند. این رویکرد را به بازارهای دارای اصطکاک معاملاتی گسترش می‌دهد و به دنبال…
این مقاله می‌آزماید که آیا فعالیت جست‌وجوی گوگل می‌تواند به پیش‌بینی سهام S&P 100 که روز بعد از میانه شاخص عملکرد بهتری خواهند داشت کمک کند. متغیرهای مالی با وقفه را با حجم جست‌وجو ترکیب می‌کند و درخت‌های تصمیم تقویت‌شده با گرادیان را برای طبقه‌بندی این…
این پژوهش رویکردی مبتنی بر یادگیری تقویتی برای بهینه‌سازی سیاست‌ها بر پایه معیارهای عملکردِ ریسک‌آگاه ارائه می‌دهد. سیاست‌ها را با مطلوبیت انتظاری وابسته به رتبه ارزیابی می‌کند؛ معیاری که به عامل امکان می‌دهد ترجیح‌های متفاوتی درباره سودها و پیامدهای نزولی…
این پژوهش بررسی می‌کند که طبقه‌بندهایی که می‌توانند از پیش‌بینی امتناع کنند چگونه تصمیم‌های معاملاتی را شکل می‌دهند. طبقه‌بند جهت‌گیری استاندارد همیشه یک موقعیت بازار را ایجاب می‌کند، درحالی‌که طبقه‌بند انتخابی وقتی از پیش‌بینی صرف‌نظر می‌کند می‌تواند سبد را…
این پژوهش خودرمزگذارها را برای آربیتراژ آماری در سهام US بررسی می‌کند. در جریان کار متداولِ دومرحله‌ای، یک مدل قیمت‌گذاری یا مؤلفه‌های اصلی دارایی مصنوعی را شناسایی می‌کند و راهبرد جداگانه بازگشت به میانگین سیگنال معاملاتی می‌سازد. نویسندگان ابتدا یک…
این پژوهش پیش‌بینی مالی را به‌صورت جمعیتی از عامل‌ها مدل‌سازی می‌کند که در افق‌های پیش‌بینی متفاوت از روندها پیروی می‌کنند. بررسی می‌کند که این جمعیت در محیط‌های تصادفی و متغیر با زمان، که با سری‌های واقعی نرخ ارز بازنمایی می‌شوند، چگونه تغییر می‌کند. تحلیل،…
این پژوهش کشف عامل را از تأیید آن جدا می‌کند. یک عامل می‌تواند نامزدهایی پیشنهاد دهد و آزمون‌های تشخیصی بسازد، درحالی‌که داور آماریِ ثابت هر پیشنهاد را با استفاده از پیامدهای بازاری ارزیابی می‌کند که فقط پس از ارسال پیشنهاد مشاهده شده‌اند. داور از آزمون‌های…
این پژوهش معامله جفتی را مسئله‌ای سلسله‌مراتبی برای تصمیم‌گیری می‌داند که دو مرحله مرتبط دارد: انتخاب یک جفت دارایی در افق زمانی بلندتر و اجرای معاملات در افق‌های کوتاه‌تر، با مشاهده‌پذیری جزئی. از آنجا که بازخورد با تأخیر می‌رسد و ممکن است مبهم باشد، نتایج…
فدن‌ال‌پی به‌عنوان سامانه‌ای چندبخشی برای پردازش زبان طبیعی معرفی می‌شود که ارتباطات فدرال رزرو را بررسی می‌کند؛ این ارتباطات ممکن است طولانی و تفسیرشان دشوار باشد. سامانه، روش‌هایی از یادگیری ماشین سنتی تا شبکه‌های عصبی عمیق را در چندین وظیفه تحلیلی ترکیب…
این سند بررسی می‌کند رفتار عامل‌های تطبیقی و عقلانیِ استقرایی چگونه بر نوسان در بازارهای ساده‌شده اثر می‌گذارد. دو منشأ نوسان اضافی را در این محیط‌های ساده شناسایی می‌کند: عامل‌ها قیمت‌پذیرند و در نتیجه اثر خود بر بازار را نادیده می‌گیرند، و ممکن است بیش از…
این مقاله برآوردگرهای تنک نوسان پُربسامد را توسعه می‌دهد که هنگام تغییر ناگهانی نوسان نقدی استحکام خود را حفظ کنند. برآوردگرهای پیشنهادی جریمه ℓ1 را به روش‌های موجود اعمال می‌کنند و بر برآوردگرهای تغییرات توانی، یکی از دسته‌های بنیادی سنجش نوسان، تمرکز…
این مقاله چارچوبی مولد برای ایجاد جریان سفارش در بازار مالی، با امکان کنترل رفتار بازار، پیشنهاد می‌کند. انگیزه آن این است که روش‌های موجود تولید جریان سفارش ممکن است داده‌های بازار را ضعیف بازتولید کنند و کنترل محدودی ارائه دهند؛ در نتیجه کاربردشان در پژوهش…