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.
2,112 سند
این مطالعه درخت‌های تقویت‌شده با گرادیان را با یک مدل خطی جریمه‌شده برای رتبه‌بندی جفت‌ارزها بر اساس بازده آتی مقایسه می‌کند. انگیزه آن این است که درخت‌ها می‌توانند روابط شرطی را بازنمایی کنند، مثلاً استفاده از مومنتوم در یک رژیم بازار و کری در رژیمی دیگر،…
این تحلیل اکتشافی یک مجموعه‌داده چهار‌ساعته OANDA را با پوشش بیست جفت‌ارز بررسی می‌کند. توضیح می‌دهد که فیلد حجم، به‌روزرسانی‌های مظنه را در یک محل معاملاتی می‌شمارد، نه اندازه معاملات تجمیع‌شده؛ بنابراین نمی‌توان با آن نقدشوندگی کل بازار را رتبه‌بندی کرد.…
این آموزش عملی، حفاظت‌های زمان اجرا را برای سامانه معامله زنده با استفاده از کارگزار مصنوعی نشان می‌دهد. نشان می‌دهد SafeBroker چگونه وقتی داده بازار بیش‌ازحد قدیمی است یا زیان روزانه از حد پیکربندی‌شده فراتر می‌رود سفارش‌ها را رد می‌کند و چگونه کلید توقفِ…
این دفترچه یک عامل پیش‌بینی را از مشتری مدل زبانی، ابزار جست‌وجو و حلقه نوبت محدود می‌سازد. عامل برای یافتن شواهد جست‌وجو می‌کند و احتمال دودویی را همراه با استدلال برمی‌گرداند. تجزیه‌گر پاسخ، خطاهای قالب‌بندی رایج را مدیریت می‌کند و کنش‌های جست‌وجو و…
این دفترچه روش‌های مطالعه رویداد با سری زمانی ساختاری بیزی را برای برآورد اثر اعلامیه‌های فدرال رزرو بر یک ETF اوراق قرضه به کار می‌گیرد. ضدواقع را بر پایه روابط پیش از رویداد میان بازده لگاریتمی روزانه دارایی هدف و بازده ETF بین‌المللی و کالاییِ کنترلی…
این دفترچه DQN، PPO و A2C را در محیط معاملاتی شبیه‌سازی‌شده مشترکی مقایسه می‌کند که با بازده‌های ساعتی قراردادهای آتی دائمی بیت‌کوین تنظیم شده است. مدل GARCH(1,1) خوشه‌بندی نوسان را فراهم می‌کند؛ محیط برای تغییر موقعیت هزینه می‌گیرد و کنش را با یک گام تأخیر…
این دفترچه بررسی می‌کند آیا چهار استراتژی سبد مدیریت‌شده پس از کنترل هم‌حرکتی گسترده ETF، بازده SPY را توضیح می‌دهند یا نه. استراتژی‌ها ETFها را با استفاده از مومنتوم باوقفه، نوسان یا بازده‌های اخیر رتبه‌بندی می‌کنند. ده مؤلفه اصلی از مجموعه متوازن ETFهای…
این دفترچه روش Word2Vec skip-gram را برای دارایی‌های سهام نهادی به کار می‌گیرد. هر سبد نهاد را یک جمله، شناسه‌های سهام را توکن و موقعیت‌های مرتب‌شده بر اساس ارزش اعلام‌شده دارایی را ترتیب واژه‌ها در نظر می‌گیرد. سهامی که بارها در بافت‌های سبدی مشابه ظاهر…
این دفترچه توضیح می‌دهد چرا قیمت‌های خام سهام هنگام عبور از تاریخ تجزیه سهام یا سود نقدی می‌توانند بازده‌های گمراه‌کننده‌ای ایجاد کنند. تعدیل به عقب را شرح می‌دهد که قیمت‌های تاریخی را بابت اقدامات شرکتی بعدی مقیاس‌بندی می‌کند و قیمت‌های خام برای شبیه‌سازی…
این دفترچه بررسی می‌کند که آیا تعیین اندازه موقعیت بر پایه مدل، در استراتژی ویژگی‌های شرکت‌های US از وزن‌دهی برابر بهتر است یا نه. وزن‌دهی امتیازی را، که سهم بیشتری به نمادهای دارای امتیاز پیش‌بینی‌شده بالاتر اختصاص می‌دهد، با وزن‌دهی کانفورمال مقایسه…
این دفترچه بررسی می‌کند آیا ضریب اطلاعات (IC) یک سیگنال، هنگامی که مشاهدات متوالی وابسته‌اند، از نویز متمایز است یا نه. موضوع را با سیگنال مومنتوم و داده‌های ETF نشان می‌دهد و توضیح می‌دهد که بازده‌های آتیِ هم‌پوشان، رتبه‌های پایدار سیگنال و رژیم‌های بازار…
این دفترچه روش‌های خروج از معاملات خرید ETF را مقایسه می‌کند: اهداف سود و حدضرر ثابت، حدضرر دنباله‌رو، موانع مقیاس‌شده با ATR، سیگنال‌های یادگیری ماشین و ترکیب این روش‌ها. شاخص‌ها و شبیه‌سازی معاملات را می‌سازد و سپس بازده معاملات، نرخ برد، فراوانی فعال‌شدن…
این دفترچه توضیح می‌دهد چگونه پنل سری‌های اقتصادی منتشرشده از FRED را بررسی کنید و شبکه روزهای تقویمی، فراداده و ستون‌های مشتق‌شده آن را تفسیر کنید. چون پنل روی تقویم روزانه هموار شده است، شمارش ردیف‌ها برنامه انتشار منابع را پنهان می‌کند. شمارش تغییرات هر…
این دفترچه پیش‌بینی‌های ARIMA را به‌عنوان ستون‌های ورودی مدل‌های بعدی به کار می‌گیرد، نه پیش‌بینی‌های مستقل. مدل‌ها را روی بازده‌های ETF برازش می‌کند، از آزمون‌های مانایی و تشخیص‌های خودهمبستگی برای پیشنهاد مرتبه‌ها بهره می‌برد و مرتبه‌های نامزد را با یک…
این دفترچه روش آماده‌سازی و ثبت پیش‌بینی‌های NLinear را برای برچسب‌های FX شرح می‌دهد. NLinear آخرین سطح مشاهده‌شده را از هر تاریخچه ورودی با طول ثابت کم می‌کند و مدل را بر تغییرات در بازه نگاه‌به‌عقب متمرکز می‌سازد. فرایند مشترک تعیین صلاحیت توالی، مرزهای…
این ابزار تحلیل مشترک، مقایسه پیش‌بینی‌های مدل‌های معاملاتی را از طریق سنجه‌های رجیستری و تشخیص‌های سطح پیش‌بینی ممکن می‌کند. نتایج ازپیش‌محاسبه‌شده ضریب اطلاعات را بارگذاری می‌کند، امکان فیلتر اختیاری بر اساس برچسب یا خانواده مدل را دارد و به‌طور پیش‌فرض…
این سند روش ساخت برچسب‌های بازده آتی را برای یک استراتژی مقطعی معاملات آتی شرح می‌دهد که محصولات را بر اساس ساختار سررسید رتبه‌بندی می‌کند. در آن، قیمت‌های تعدیل‌شده برای جابه‌جایی سررسید، که برای بازده در گذر میان قراردادها مناسب‌اند، از قیمت‌های تسویه خام…
این سند سه ویژگی مبتنی بر مدل را شرح می‌دهد که از کری معاملات آتی ساخته شده‌اند: پیش‌بینی ARIMA کری جلسه بعد، سنجه‌های فوریه غلتان برای طول چرخه‌های منتخب، و مدل مارکوف پنهان دوحالته‌ای که رژیم بازار را از میانگین کری استنباط می‌کند. درس اصلی آن انضباط زمانی…
این سند دو روش برآورد اختلاف قیمت خریدوفروش را زمانی توضیح می‌دهد که فقط داده‌های روزانه OHLCV در دسترس باشند. روش کورْوین-شولتز دامنه‌های بیشینه تا کمینه را در بازه‌های مجاور یک‌روزه و دوروزه مقایسه می‌کند و از رفتار متفاوت نوسان و اختلاف قیمت برای جداسازی…
این سند خط مبنایی برای اعتبارسنجی پیش‌بینی‌های مدل درباره قراردادهای آتی CME توضیح می‌دهد. در هر تصمیم هفتگی، محصولات بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌شوند؛ گروه بالایی با موقعیت خرید و گروه پایینی با موقعیت فروش استقراضی نگهداری می‌شوند و وزن محصولات…
این سند تبدیل پنجره‌های بازده غلتان ETF را به تصاویر دوکاناله برای یک شبکه عصبی کانولوشنی متعارف توصیف می‌کند. میدان زاویه‌ای گرمیان مشاهدات نرمال‌شده را به زاویه تبدیل می‌کند و روابط زاویه‌ای دوتایی را ثبت می‌کند؛ میدان گذار مارکوف مشاهدات را به چندک‌ها…
این سند پنل ماهانه سهام US از چن، پلگر و ژو را معرفی می‌کند که برای معیارسنجی مدل‌های قیمت‌گذاری دارایی به کار می‌رود. 46 ویژگی بنگاه را که بر اساس مضمون اقتصادی گروه‌بندی شده‌اند، بازده‌های مازاد ماه بعد و تقسیم‌بندی‌های زمان‌مند آموزش، اعتبارسنجی و آزمون…
این سند شبکه کانولوشنی زمانی را برای پیش‌بینی پریمیوم تأمین مالی قراردادهای دائمی رمزارز از پنجره‌ای با 60 تسویه توضیح می‌دهد. چهار بلوک کانولوشن علّی از هسته سه‌تایی و نرخ‌های اتساع 1، 2، 4 و 8 استفاده می‌کنند. میدان پذیرش آن‌ها 61 تسویه را دربرمی‌گیرد که…
این دفتر معماری الهام‌گرفته از GT-GAN را برای ساخت سری‌های زمانی با زمان‌مهرهای واقعاً نامنظم، مانند کندل‌های تیک، حجم یا دلاری، شرح می‌دهد. رمزگذار GRU-ODE مشاهدات را به حالت‌های نهفته نگاشت می‌کند، در حالی که مؤلفه‌های مولد و تمایزدهنده مبتنی بر ODE تحول…