رفتن به محتوا

کتابخانه دانش

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.

جستجو در کتابخانه

807 سند

arXiv papers

این سند حداقل مربعات جزئی عمیق (DPLS) را توصیف می‌کند؛ مدلی برای توضیح بازده سهام منفرد با استفاده از مجموعه کوچکی از عوامل ریسک نهفته و ویژگی‌های شرکت. حداقل مربعات فرافکنی‌شده، بازده‌ها و ویژگی‌ها را به‌طور مشترک به فضای عامل نهفته نگاشت می‌کند، درحالی‌که…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
arXiv papers

این مطالعه معامله‌گری را بررسی می‌کند که از طریق دفتر سفارش محدود می‌فروشد و سپس موجودی باقی‌مانده را با برنامه‌های جهت‌دار در حراج پایانی تنظیم می‌کند. دو مرحله با پیش‌بینی قیمت تسویه حراج و بازخورد حین حراج به هم مرتبط‌اند. نویسندگان شبکه‌های عمیق Q را با…

اجرای سفارشریزساختار بازاریادگیری ماشینآزمون گذشته‌نگر
arXiv papers

مقاله از بهینه‌سازی تکاملی برای محاسبه استراتژی‌های معاملاتی قاعده‌محور بر پایه داده‌های احساسات مالی استفاده می‌کند. سیگنال احساسات، دیدگاه صعودی یا نزولی جامعه آنلاین معامله‌گری درباره سهام منفرد را نشان می‌دهد و از StockTwits گرفته شده است. نویسندگان…

احساسات بازاریادگیری ماشینسهامساخت پرتفوی
arXiv papers

مقاله استدلال می‌کند که استراتژی‌های متعارف پیروی از روند و مومنتوم به رفتار گذشته قیمت متکی‌اند و ممکن است هنگام تغییر شرایط بازار محدودیت داشته باشند. پیشنهاد آن استفاده از هوش مصنوعی و روش‌های یادگیری ماشین برای پیش‌بینی روندهای آتی بازار، با هدف کمک به…

یادگیری ماشیندنبال‌کردن روندمومنتوممدیریت ریسک
arXiv papers

ManiScope سامانه‌ای برای تحلیل بصری است که به کاربران کمک می‌کند ریسک دستکاری مبتنی بر معامله، از جمله معاملات صوری، را در بازارهای رمزارز ارزیابی کنند. نماهای هماهنگ آن توزیع مالکیت توکن، روابط میان دارندگان، رفتار هر دارنده، حرکت قیمت و الگوهای مشکوک…

رمزارزریزساختار بازاریادگیری ماشینداده‌های درون‌زنجیره‌ای
arXiv papers

این مقاله مدلی برای پیش‌بینی نوسان تحقق‌یافته در بازارهای سهام جهان ارائه می‌کند. بازارها را به‌صورت شبکه‌ای پویا نمایش می‌دهد و با استفاده از شاخص سرریز نوسان، توضیح می‌دهد که شوک‌های یک بازار چگونه ممکن است به بازارهای دیگر منتقل شوند. سپس یک شبکه عصبی…

سهامنوسانیادگیری ماشینآمار
arXiv papers

این مطالعه معماری پیش‌بینی اینفورمر را به‌عنوان پایه‌ای برای استراتژی‌های خودکار روی داده‌های پربسامد بیت‌کوین می‌آزماید. گونه‌هایی از مدل را با RMSE، زیان جهت‌دار میانگین قدرمطلق تعمیم‌یافته (GMADL) و زیان چندکی آموزش می‌دهد و سپس بازده‌های آتی پیش‌بینی‌شده…

رمزارزمعاملات پربسامدیادگیری ماشینآزمون گذشته‌نگر
arXiv papers

این مطالعه مقدماتی بررسی می‌کند که آیا می‌توان با ترکیب احساسات بازار و تحلیل تکنیکال، نوسانات قیمت بیت‌کوین را پیش‌بینی کرد. ورودی احساسی آن شاخص ترس و طمع است که در کنار شاخص‌های تکنیکال و الگوریتم‌های یادگیری ماشین به کار می‌رود. انگیزه اعلام‌شده این است…

رمزارزاحساسات بازارشاخص‌های تکنیکالیادگیری ماشین
arXiv papers

این مطالعه شکل ضعیف فرضیه بازار کارا را برای بیت‌کوین با شبکه عصبی پیش‌خور می‌آزماید. بررسی می‌کند آیا افزودن بازده یا ویژگی‌های مرتبط از دارایی‌های دیگر، در کنار بازده بیت‌کوین، پیش‌بینی را بهبود می‌دهد یا نه. ورودی‌های اضافی شامل شاخص‌های سهام، نرخ ارز…

رمزارزیادگیری ماشینآمارسهام
arXiv papers

این مطالعه با استفاده از توان هرست، سری زمانی را به‌عنوان رونددار یا بازگشت‌کننده به میانگین دسته‌بندی می‌کند و سپس استراتژی متناسب با آن رفتار را برمی‌گزیند. مومنتوم با شرایط رونددار و بازگشت به میانگین با رفتار قیمتِ بازگشت‌کننده به میانگین تطبیق داده…

دنبال‌کردن روندبازگشت به میانگینمومنتومآمار
arXiv papers

این مطالعه 41 مدل یادگیری ماشین، شامل دسته‌بندها و رگرسیون‌گرها، را برای پیش‌بینی قیمت بیت‌کوین و ارزیابی کاربردشان در معاملات الگوریتمی مقایسه می‌کند. سنجه‌های پیش‌بینی مانند خطای مطلق و مربعی را با سنجه‌های معاملاتی، از جمله سود و زیان و نسبت شارپ، ترکیب…

رمزارزیادگیری ماشینآزمون گذشته‌نگرمدیریت ریسک
arXiv papers

این مقاله چارچوبی برای پایش تراکنش‌ها و شناسایی پول‌شویی در پول موبایلی رواندا توسعه می‌دهد. به عدم‌توازن شدید کلاس‌ها، برچسب‌های محدود و با تأخیر، و ظرفیت تحقیقاتی محدود می‌پردازد. با استفاده از مجموعه‌داده‌ای مصنوعی شامل بیش از نه میلیون تراکنش در 17 گونه…

یادگیری ماشینآمارمدیریت ریسک
arXiv papers

این مطالعه می‌پرسد آیا سرمایه‌گذاران رمزارز با سرمایه‌گذاران سهام متفاوت معامله می‌کنند و از تاریخچه قیمت دارایی‌ها به‌عنوان شاهدی بر این رفتارها استفاده می‌کند. ابتدا چندین مدل یادگیری ماشین را برای طبقه‌بندی سری‌های زمانی رمزارز و سهام که در یک دوره مشاهده…

رمزارزسهامیادگیری ماشینآمار
arXiv papers

این مطالعه بررسی می‌کند که آیا احساسات روزانه Twitter می‌تواند به پیش‌بینی بازده سهام و پشتیبانی از تصمیم‌های معاملاتی کمک کند. یادگیری ماشین را برای ارزیابی سیگنال احساسات با یادگیری تقویتی، به‌ویژه یادگیری Q، ترکیب می‌کند تا از آن سیگنال یک سیاست معاملاتی…

سهامیادگیری ماشیناحساسات بازارمبتنی بر رویداد
arXiv papers

MiniFed چارچوبی برای شبیه‌سازی نشست‌های کمیته بازار آزاد فدرال با عامل‌های مدل زبانی بزرگ است. هدف آن بازنمایی اعضای نشست و فرایند تصمیم‌گیری کمیته است؛ در نتیجه، توجه را از بررسی صرفِ آثار تغییرات نرخ وجوه فدرال به مدل‌سازی چگونگی اتخاذ تصمیم‌های نرخ بهره…

یادگیری ماشیندرآمد ثابتبازارهای آمریکاآمار
arXiv papers

DeePM به‌عنوان سامانه‌ای یادگیری عمیق و سرتاسری برای مدیریت سبدهای کلان متنوع معرفی می‌شود. طراحی آن با سازوکاری علّی مبتنی بر تأخیر، داده‌های نامتزامن بازار را مدیریت می‌کند، روابط میان دارایی‌ها را با گرافی مبتنی بر اقتصاد محدود می‌سازد و با تابع هدف…

یادگیری ماشینقراردادهای آتیساخت پرتفویمدیریت ریسک
arXiv papers

این سند یک استراتژی درون‌روزی برای سهام چین را در چارچوب محدودیت معاملاتی ‏T+1 بازار شرح می‌دهد. پیش‌بینی‌های پرسپترون چندلایه (MLP) را با بهینه‌سازی سبد مارکویتز ترکیب می‌کند و از داده‌های منتشرشده سهام در بورس‌های شانگهای و شنژن بهره می‌گیرد. هدف…

سهامیادگیری ماشینساخت پرتفویبازارهای چین
arXiv papers

این مقاله معامله خودکار در شرایط متغیر بازار را به‌صورت مسئله‌ای ناپایا از نوع مسئله bandit با بازوی پیوسته صورت‌بندی می‌کند. روش PRBO را پیشنهاد می‌دهد که بهینه‌سازی بیزی را با رویکرد bandit-over-bandit ترکیب می‌کند تا پارامترهای استراتژی را هم‌زمان با…

یادگیری ماشینآزمون گذشته‌نگرسهامآمار
arXiv papers

این مقاله بازاری سهام شبیه‌سازی‌شده را توصیف می‌کند که در آن مدل‌های زبانی بزرگ به‌عنوان عامل‌های رقیب با استراتژی‌ها، اطلاعات و دارایی‌های اولیه متفاوت عمل می‌کنند. بازار شامل دفتر سفارش پایدار، سفارش‌های بازار و محدود، اجرای جزئی، سود سهام و تسویه تعادلی…

یادگیری ماشینسهامریزساختار بازارمومنتوم
arXiv papers

این مطالعه می‌پرسد آیا برآوردهای نوسان نقدی استخراج‌شده از اختیارهای معامله‌شده می‌توانند پیش‌بینی نوسان تحقق‌یافته را بهبود دهند. این پژوهش مدل خودرگرسیو ناهمگن نوسان تحقق‌یافته را با برآوردی از نوسان تصادفی زبر تقویت می‌کند که با روشی تکرارشونده و…

اختیار معاملهنوسانیادگیری ماشینآمار
arXiv papers

این مطالعه می‌آزماید که آیا بافت جمله‌ای مدل‌های موضوعی اخبار را که برای ساخت عوامل نظام‌مند قیمت‌گذاری دارایی به کار می‌روند بهبود می‌دهد یا نه. تخصیص پنهان دیریکله را با یک تبدیل‌گر جمله‌ای که وزن‌های آن ثابت نگه داشته شده‌اند و سپس خوشه‌بندی ‏k-means…

یادگیری ماشیناحساسات بازارسرمایه‌گذاری عاملیساخت پرتفوی
arXiv papers

این پژوهش چارچوب پویای نلسون–سیگل را که شکل و حرکت منحنی‌های نرخ بهره را نمایش می‌دهد، طوری بسط می‌دهد که رفتارش با تغییر شرایط اقتصاد کلان عوض شود. رویه رشد درخت، مشاهدات را با سنجش میزان توضیح‌دهندگیِ درست‌نمایی حاشیه‌ای مدل توسط تقسیم‌های نامزدِ اقتصاد…

درآمد ثابتیادگیری ماشینآماربازارهای آمریکا
arXiv papers

این پژوهش به مسئله دوباره‌شماری واریانس در داده‌های مصنوعی چنددارایی سهام می‌پردازد. وقتی مولدهای کامل بازده دارایی با یک عامل بازار ترکیب شوند، بازده‌های شبیه‌سازی‌شده ممکن است واریانس بازار را دو بار در بر بگیرند. اصلاح پیشنهادی پیش از افزودن مؤلفه بازار،…

سهامچنددارایییادگیری ماشینآمار
arXiv papers

این سند ریسک‌پذیری مومنتوم را مدیریت لحظه‌ای نوسان کوتاه‌مدت سهام می‌داند. سامانه پیشنهادی، نظریه‌ای درباره اثر اخبار بر قیمت سهام را به جدول‌های گسسته بازده موردانتظار در افق‌های سرمایه‌گذاری مختلف تبدیل می‌کند که سپس راهنمای تصمیم‌های معامله خودکار…

سهاممومنتومنوسانیادگیری ماشین