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 چارچوبی توسعه می‌دهد که عوامل نهفته شرطی را برای شناسایی سهام مرتبط، تشخیص قیمت‌گذاری نسبیِ نادرست و ساخت سیاست معاملاتیِ لحاظ‌کننده هزینه‌های معامله یاد می‌گیرد. عوامل توجه آن از تعبیه‌سازی ویژگی‌های شرکت ساخته می‌شوند و امکان تعامل میان این…
این مقاله انتخاب بهینه سبد را بررسی می‌کند، زمانی که نوسان دارایی دو عامل تصادفی دارد: مؤلفه‌ای بازگشت‌کننده به میانگین و سطح بازگشت به میانگینِ تصادفی. معامله هزینه‌های برون‌زای متناسب و نیز هزینه‌های درون‌زای مرتبط با فرایند تصادفی ریسک نقدشوندگی دارد.…
این مقاله با برآورد نرخ وجوه فدرال به کمک رگرسیون خطی و مدل یادگیری ماشین غیرخطی، قاعده تیلور را بازنگری می‌کند. در رویکرد خطی، حداقل مربعات معمولی ضرایب تورم، شکاف تورمی و شکاف تولید را برآورد می‌کند؛ عرض از مبدأ نیز هدف نرخ واقعی تعادلی را نشان می‌دهد.…
این مطالعه می‌آزماید آیا می‌توان از ناکارایی‌های بازار ارزهای دیجیتال برای کسب سود معاملاتی غیرعادی استفاده کرد. استراتژی‌های الگوریتمی ساده با پشتیبانی یادگیری ماشین را بر مشاهدات روزانه مربوط به 1,681 ارز دیجیتال، از نوامبر 2015 تا آوریل 2018، ارزیابی…
این سند پیشنهاد می‌کند برای انتخاب ضریب ATR و دوره ATR در اندیکاتور سوپرترند از بهینه‌سازی بیزی استفاده شود. این تنظیمات مشخص می‌کنند اندیکاتور چگونه قیمت را دنبال کند و سیگنال معاملاتی بسازد؛ هدف آن است که انتخابشان خودکار شود، نه اینکه به مقادیر انتخاب‌شده…
این استراتژی تشخیص برخط نقطه تغییر را با شبکه مومنتوم عمیقی مبتنی بر LSTM ترکیب می‌کند. شبکه برآورد روند و اندازه موقعیت را یاد می‌گیرد، درحالی‌که ماژول تشخیص، نقطه چرخش احتمالی و معیاری از شدت آن را ارائه می‌دهد. سپس سیستم می‌تواند مومنتوم آهسته‌تر سری…
این مقاله بررسی می‌کند که آیا سیگنال‌های معاملاتی در پست‌های توییتری تأثیرگذاران ارزهای دیجیتال و رسانه‌های خبری با قیمت‌های بازار مرتبط‌اند یا نه. مدل‌های زبانی بزرگ، سیگنال‌های خرید و غیرخرید را در پست‌ها شناسایی می‌کنند و سپس آن‌ها با قیمت‌های نه ارز…
این پژوهش بررسی می‌کند که آیا روایت‌های سیاست‌گذاری بانک مرکزی به توضیح بازده بیت‌کوین کمک می‌کنند یا نه و انتظارات بازار را از اقدامات تحقق‌یافته سیاستی جدا می‌سازد. با استفاده از یک مدل زبانی بزرگ برای طبقه‌بندی پیام‌های بازار به موضع انقباضی یا انبساطی،…
این پژوهش بررسی می‌کند که هندسه پیش‌بین چگونه یادگیری متمرکز بر تصمیم را محدود می‌کند؛ رویکردی که در آن آموزش مدل به هدف تصمیم‌گیری در مراحل بعد پیوند دارد. با استفاده از ردیابی تنک شاخص، اطلاعات کوواریانسی را که بهینه‌ساز به کار می‌برد از جهت‌های…
این سند رویکردی مبتنی بر یادگیری نظارت‌شده را برای پیش‌بینی جهت قیمت در بازار قراردادهای آتی چین شرح می‌دهد. از یک مدل طبقه‌بندی برای پیش‌بینی حرکت قیمت قراردادهای آتی استفاده می‌کند و پیش‌بینی‌ها را به یک استراتژی معاملاتی تبدیل می‌کند. انگیزه اعلام‌شده،…
این پژوهش از مدل‌های پنهان مارکوف چندحالته برای پیش‌بینی و توضیح بازده بیت‌کوین، اتر و ریپل استفاده می‌کند. انواع مدل‌ها، از جمله مشخصه‌سازی پنهان مارکوف ناهمگن، را مقایسه می‌کند و پیش‌بین‌های مالی، اقتصادی و ویژه رمزارزها را می‌سنجد. در میان مدل‌های…
این سند برنامه‌نویسی ژنتیک برداری (VGP) را به‌عنوان روشی برای تکامل استراتژی‌های معاملاتی مالی بررسی می‌کند. دو گونه را معرفی می‌کند: یکی از عملیات اعداد مختلط پشتیبانی می‌کند و دیگری از نوع‌دهی قوی بهره می‌گیرد. عملکرد آن‌ها در سه ابزار مالی با گونه دیگری…
این مقاله بیش‌برازش در راهبردهای مقطعی آموزش‌دیده روی دارایی‌هایی با سابقه تاریخی محدود را بررسی می‌کند. شبکه‌های رمزگذار ادغام‌شده را معرفی می‌کند که بازنمایی‌های یک ماژول رمزگذار-توجهِ آموزش‌دیده روی مجموعه‌داده مبدأ را با ماژولی جداگانه برای مجموعه‌داده…
این مقاله جریان پایدار سفارش‌های خرید و فروش را نشانه‌ای از تغییر رژیم‌های بازار مدل‌سازی می‌کند؛ تغییراتی که ممکن است وقتی سفارش‌های بزرگ در طول زمان تقسیم و اجرا می‌شوند رخ دهند. روش تشخیص آنلاین نقطه تغییر بیزی را با مدلی امتیازمحور پیشنهاد می‌کند که…
این پژوهش پیشنهاد می‌کند سهام را به‌جای نام شرکت، بر اساس رتبه ارزش بازار نمایش دهیم. انگیزه این است که نمایش‌های متعارف مبتنی بر نام می‌توانند پرنویز و پرنوسان باشند و یادگیری الگوها را برای شبکه‌های عصبی عمیق دشوار کنند. در فضای رتبه، سهام بر اساس جایگاه…
این مطالعه پردازش زبان طبیعی را بر گزارش‌های تحلیلگران چینی به کار می‌گیرد و با استفاده از مدل سفارشی BERT لحن آن‌ها را مثبت، خنثی یا منفی دسته‌بندی می‌کند. بررسی می‌کند آیا احساسات گزارش به توضیح پیامدهای بعدی سهام، از جمله بازده مازاد، نوسان و حجم معاملات…
این مطالعه از قیمت‌های تاریخی و شاخص‌های تکنیکال برای دسته‌بندی حرکت‌های کوتاه‌مدت بیت‌کوین، اتریوم و لایت‌کوین استفاده می‌کند. روش‌های دسته‌بندی را از نظر توانایی تشخیص حرکت‌های صعودی و نزولی در افق یک‌ساعته مقایسه می‌کند و عملکرد را بر پایه ارزش پیش‌بینی…
این مطالعه می‌آزماید که آیا شاخص‌های سلامت COVID-19 هنگام پیش‌بینی بازده بیت‌کوین ارزش پیش‌بینی‌کننده بیشتری دارند. مدل‌های رگرسیون LightGBM را که با ویژگی‌های مرتبط با همه‌گیری، از جمله واکسیناسیون، بستری‌شدن و آزمایش، آموزش دیده‌اند با مدل‌های فاقد این…
این مطالعه یادگیری تقویتی عمیق را به‌عنوان لایه اجرایی برای معامله جفتی در بازارهای پرنوسان رمزارز می‌آزماید. چارچوب ابتدا جفت‌های نامزد را فیلتر و رتبه‌بندی می‌کند، سپس از عامل بهینه‌سازی سیاست مجاور با لایه حافظه بلندکوتاه‌مدت برای تصمیم‌گیری اجرایی…
این پژوهش ترنسفورمرِ پیش‌آموزش‌دیده مولدی را برای مدل‌سازی سری‌های زمانی مالی به شکل توالی پیام‌های سفارش ارائه می‌کند. مدل به‌عنوان موتور تولید سفارش درون یک شبیه‌ساز رویدادگسسته عمل می‌کند و هدف آن بازتولید پویایی دفتر سفارش محدود و پشتیبانی از…
EverMine چارچوبی برای آزمودن این موضوع است که آیا عامل‌های پژوهشی با انباشت مهارت‌ها، ابزارها و قواعد قابل استفاده مجدد، در کشف آلفا طی افق‌های بلندمدت بهتر می‌شوند. این چارچوب وضعیت پژوهش را با تاریخچه پژوهش، سبد فعلی عوامل و توانمندی‌های انباشته‌شده نمایش…
این پژوهش مدیر سبدی مبتنی بر یادگیری تقویتی را برای محیطی پرریسک پیشنهاد می‌کند. معاملات دوطرفه را با وام‌دهی و وام‌گیری ترکیب می‌کند، از پاداش سود و زیان استفاده می‌کند و هدفش بهبود مدیریت ریسک نزولی و بهره‌گیری از سرمایه است. پیاده‌سازی آن عامل Soft…
مقاله رویکردی برای سرمایه‌گذاری نظام‌مند پیشنهاد می‌کند که هدفش ساخت ثروت در افقی بلندتر از طریق مجموعه‌ای از تصمیم‌های کوتاه‌مدت برای خرید ETF است. این روش الگوریتم‌های تکاملی را با مدل یادگیری عمیق ترکیب می‌کند تا زمان‌بندی واریزها را در مقایسه با…
StockGPT بازده روزانه سهام را دنباله‌ای از توکن‌های عددی در نظر می‌گیرد و مدلی خودرگرسیو برای پیش‌بینی بازده‌های آینده آموزش می‌دهد. هدف سازوکار توجه آن، یادگیری مستقیم الگوهای زمانی از تاریخچه بازده‌هاست تا نیازی به تعیین دستی سیگنال‌های متعارف مبتنی بر…