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 ویژگی‌های زمینه‌ایِ کم‌تغییر را برای تصمیم‌های معاملاتی روزانه شرح می‌دهد: نسبت‌های حسابداری، شرایط اقتصاد کلان و کدگذاری‌های تقویمی. معیارهای ارزش و کیفیت، مانند بازده سود به قیمت، سودآوری، اقلام تعهدی، اهرم و بازده جریان نقدی را مرور می‌کند و با…
این دفترچه نامزدهای ویژگی را برای استراتژی‌ای بررسی می‌کند که استرادل‌های در قیمت را می‌فروشد و تا سررسید نگه می‌دارد. برای هر روز معاملاتی، رتبه‌بندی مقطعی نمادهای موجود بر اساس یک ویژگی را با رتبه‌بندی نتایج نهایی استرادل آن‌ها مقایسه می‌کند و سپس میزان…
این دفترچه پیش‌بینی کانفورمال تفکیک‌شده، رگرسیون چندکی کانفورمال‌شده و استنباط کانفورمال تطبیقی را برای پیش‌بینی بازده‌های آتی ETF مقایسه می‌کند. در بخش‌های آزمون پیش‌رونده، مدل را روی یک زیرمجموعه آموزش می‌دهد، خطاهای بازه را روی زیرمجموعه‌ای دیگر کالیبره…
این سند روش‌هایی برای تبدیل رکوردهای دارای تاریخ به آرایه‌هایی برای مطالعات موردی عوامل نهفته شرح می‌دهد. یک روش فقط موجودیت‌هایی را نگه می‌دارد که آستانه پوششِ آموخته‌شده از مجموعه‌داده واجدشرایط‌بودن را برآورده می‌کنند و در نتیجه محور موجودیت ثابتی می‌سازد…
این دفترچه ستون‌های ویژگی مبتنی بر مدل را در نه مطالعه موردی بازار، با خواندن طرح‌واره‌های Parquet به‌جای بارگیری مجموعه‌داده‌های کامل، فهرست می‌کند. فیلدهای شناسه را کنار می‌گذارد، ستون‌ها را برحسب بازار می‌شمارد و با استفاده از واژه‌های موجود در نام‌ها،…
این دفترچه توضیح می‌دهد که جست‌وجو میان عوامل یا استراتژی‌های متعدد چگونه عملکرد ظاهری برنده منتخب را افزایش می‌دهد، حتی اگر برآوردهای جداگانه درست محاسبه شده باشند. مجموعه‌ای شبیه‌سازی‌شده از عوامل نویزی نشان می‌دهد که بزرگ‌ترین ضریب اطلاعات ممکن است بر اثر…
این مطالعه موردی مدل‌های دنباله‌ای را روی پنل ویژگی‌های سهام و اختیار معامله S&P 500 مقایسه می‌کند. یک LSTM را که حالت دروازه‌دار را در پنجره گذشته‌نگر نگه می‌دارد، در کنار خط مبنای N-Linear قرار می‌دهد که سطح اخیر را حذف و یک نگاشت خطی برازش می‌کند. این خط…
این دفترچه معماری پنج‌بخشی TimeGAN را توضیح می‌دهد: یک جاساز و شبکه بازیابی، مشاهدات خام و فضای نهفته را به یکدیگر نگاشت می‌کنند؛ یک ناظر گذارهای زمانی را می‌آموزد و یک مولد و تمایزدهنده به‌صورت خصمانه آموزش می‌بینند. آموزش مرحله‌ای را شرح می‌دهد و مدل را…
این دفترچه شارپ ناخالص و خالص را در پیمایش‌های هزینه استراتژی برگرفته از بک‌تست‌های مطالعات موردی مقایسه می‌کند. برای هر پیکربندی استراتژیِ به‌کارگرفته‌شده، هزینه فرضی هر سمت و تناوب بازمتوازن‌سازی را از آثار ثبت‌شده می‌خواند، شارپ را در هزینه فرضی درون‌یابی…
این سابقه، اجرای یک پژوهش چندعاملی را مستند می‌کند که می‌پرسد آیا ایالات متحده تا پایان 2026 وارد رکود خواهد شد یا نه؛ قاعده حل‌وفصل مشخص‌شده بر انقباض‌های متوالی فصلی GDP یا تاریخ رکود NBER مبتنی است. سه عامل، پیش‌بینی‌های رشد، شاخص‌های رکود، چشم‌انداز…
این دفترچه پنجره‌های غلتان بازده ETF را به تصاویر دوکاناله برای یک شبکه عصبی کانولوشنی تبدیل می‌کند. میدان جمع زاویه‌ای گرامین، مقادیر هر پنجره را باز‌مقیاس می‌کند، آن‌ها را به زاویه تبدیل می‌کند و روابط مثلثاتی میان جفت‌های موقعیت زمانی را ثبت می‌کند. میدان…
این دفترچه توضیح می‌دهد پس از انتخاب پیکربندی با داده‌های اعتبارسنجی، چگونه برای دوره نگه‌داشته‌شده دست‌نخورده پیش‌بینی تولید کنید. پیکربندی منتخب را مشخص می‌کند، مشخصات آموزشی آن را برای دوره نگه‌داشته‌شده بازسازی می‌کند و پنجره آموزش را از خط زمانی موجود و…
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 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 ماژول پایتون روش‌هایی برای سنجش عدم‌قطعیت بک‌تست استراتژی با استفاده از بازده روزانه خارج از نمونه شرح می‌دهد. فواصل بوت‌استرپ بلوکیِ ایستا برای آمار سری بازده، خطای استاندارد شارپ تعدیل‌شده با خودهمبستگی و غیرنرمال‌بودن، و خطاهای استاندارد نیووی–وست…
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 دفترچه ارزیابی تک‌عاملی را با داده‌های واقعی ETF و نمونه‌ای از مومنتوم مبتنی بر قیمت نشان می‌دهد. ضرایب اطلاعات اسپیرمن مقطعی را در برابر بازده‌های آتی اندازه‌گیری می‌کند، افق‌ها را مقایسه می‌کند و تفاوت میان میانگین‌گیری ICهای مقطعی روزانه و محاسبه یک…
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 یک مطالعه موردی آتی CME را از میان بک‌تست‌های اعتبارسنجی ثبت‌شده انتخاب می‌کند که قواعد سیگنال، تخصیص و لایه‌های ریسک را در بر می‌گیرند. گزینه‌ها را در هر دو افق بازده مقایسه می‌کند و پیکربندی دارای بیشترین شارپ اعتبارسنجی را برمی‌گزیند. تحلیل…
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…