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

208 سند

یادگیری ماشین برای معامله‌گری

این دفترچه عامل مومنتوم مقطعی را با ضرایب اطلاعاتی، بازده چندک‌ها، فاصله بازده از بالاترین تا پایین‌ترین چندک و سنجه‌های طبقه‌بندی ارزیابی می‌کند. IC اسپیرمن را به‌صورت همبستگی رتبه‌ای روزبه‌روز میان یک سیگنال و بازده‌های بعدی معرفی می‌کند و آن را از همبستگی…

مومنتومسرمایه‌گذاری عاملیآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل خانواده‌های مدل ثبت‌شده را با نتایج اعتبارسنجی آزمون پیش‌رونده روی پنل ETF چنددارایی مقایسه می‌کند. مدل‌ها بازده 21روزه معاملاتی را پیش‌بینی می‌کنند و با ضریب‌های اطلاعاتی مقطعی سنجیده می‌شوند؛ این ضریب‌ها نشان می‌دهند پیش‌بینی‌ها در هر تاریخ تا چه…

چندداراییسهاممومنتومآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیلی با پنجره گسترش‌یابنده، یادگیری ماشین دوگانه را برای بررسی این موضوع شرح می‌دهد که آیا مومنتوم 12 تا -2 ماه، پس از تعدیل بتا، نوسان ویژه، ارزش بازار و واریانس، بازده ماه بعد شرکت‌های US را پیش‌بینی می‌کند یا نه. مدل‌های مزاحم را با استفاده…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه دو طراحی Transformer را برای پیش‌بینی بازده ETF-روزه 21 بر اساس ویژگی‌های مومنتوم گذشته‌نگر مقایسه می‌کند. PatchTST روزهای پیاپی را در بسته‌هایی گروه‌بندی می‌کند و توالی‌های کوتاهی از شکل محلی را در هر توکن قرار می‌دهد. در مقابل، iTransformer…

سهامیادگیری ماشینمومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

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…

سرمایه‌گذاری عاملییادگیری ماشینآمارمومنتوم
یادگیری ماشین برای معامله‌گری

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…

آماریادگیری ماشینمومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفتر گردش‌کار عملیاتی اتصال استراتژی به Interactive Brokers از طریق TWS یا Gateway را شرح می‌دهد. بررسی می‌کند که نشست مربوط به حساب آزمایشی باشد، مقادیر و موقعیت‌های حساب را می‌خواند و پیش از آغاز جریان داده زنده، کندل‌های تاریخی را برای مقداردهی اولیه…

اجرای سفارشمدیریت ریسکمومنتومسهام
یادگیری ماشین برای معامله‌گری

این دفتر سازوکار بک‌تست قراردادهای آتی را با نمونه‌ای از مومنتوم خرید و فروش استقراضی در چند طبقه دارایی معرفی می‌کند. توضیح می‌دهد مشخصات قرارداد چگونه با ضرایب، تغییرات قیمت را به سود و زیان دلاری تبدیل می‌کنند و مواجهه اسمی چگونه اندازه قرارداد را تعیین…

قراردادهای آتیمومنتومآزمون گذشته‌نگرتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفتر می‌سنجد بک‌تست مومنتوم ETF تا چه اندازه به کارمزد معاملاتی فرض‌شده حساس است. وزن‌ها و برنامه معاملاتی استراتژی را ثابت نگه می‌دارد، شبیه‌ساز را با طیفی از هزینه‌ها برای هر سمت معامله دوباره اجرا می‌کند و رشد، نسبت شارپ و افت سرمایه را مقایسه می‌کند.…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های مبتنی بر قیمت را برای رتبه‌بندی مجموعه گسترده‌ای از سهام US می‌سازد. خانواده‌های مومنتوم، نوسان‌پذیری، میانگین متحرک و شاخص‌های فنی را شرح می‌دهد و سپس آن‌ها را در برابر برچسب بازده آتی یک‌جلسه‌ای ارزیابی می‌کند. قاعده اصلی طراحی این است…

سهامبازارهای آمریکاشاخص‌های تکنیکالمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه بازده عوامل منتشرشده را به‌عنوان اجزای بالقوه ساخت پرتفوی ارزیابی می‌کند. سه پرسش را از هم جدا می‌سازد: آیا میانگین بازده یک عامل از آستانه آماری سخت‌گیرانه عبور می‌کند، آیا عوامل به دلایلی که ممکن است پایدار بمانند یکدیگر را متنوع می‌کنند و در…

سرمایه‌گذاری عاملیآمارساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه قواعد حد ضرر، حد سود و حد ضرر متحرک را برای سبد مومنتوم تنظیم کنید و هم‌زمان دوره آزمون را به ترتیب زمانی محفوظ نگه دارید. جست‌وجوی پارامترهای تک‌بعدی، شبکه مشترک قواعد و پیشین‌های حد ضرر یا هدف برگرفته از بیشینه حرکت نامساعد و…

مدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیتمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه یک استراتژی ماهانه مومنتوم ETF و رژیم منحنی بازده را به دو روش اجرا می‌کند: محاسبه برداری بازده و شبیه‌سازی متوالی حساب. هر دو از وزن‌های هدف، دارایی‌ها، تاریخ‌ها و هزینه کل معامله یکسان استفاده می‌کنند تا مقایسه بر انتخاب‌های اجرا متمرکز شود؛…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی می‌آزماید که آیا سیگنال مومنتوم دوازده‌ماهه، با کنارگذاشتن ماه اخیر، در جهان 100-ETF دارایی با بازده ماه بعد ارتباط دارد یا نه. پنلی ماهانه از قیمت‌های پایانی تعدیل‌شده می‌سازد، ETFهای واجد شرایط را هر ماه به پنجک‌ها رتبه‌بندی می‌کند و…

چندداراییمومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این ماژول یک خط مبنای تخصیص ماهانه ETF را با امتیاز مومنتوم تعدیل‌شده بر اساس ریسک تعریف می‌کند: بازده تجمعی گذشته تقسیم بر نوسان تحقق‌یافته سالانه‌شده. وقتی شیب منحنی بازدهِ نرخ سررسید 10‌ساله منهای 2‌ساله از آستانه بیشتر باشد، دارایی‌های با رتبه بالاتر را…

سهامچندداراییمومنتومنوسان
یادگیری ماشین برای معامله‌گری

این نمونه، شکل عملیاتی یک استراتژی رمزارزیِ پیوسته را توضیح می‌دهد که به کارگزار بازار نقدی USD متصل است. جهان بزرگ‌ترِ مطالعات موردی قراردادهای آتی دائمی را به مجموعه کوچک‌تری از جفت‌های معاملاتی نقدیِ در دسترس نگاشت می‌کند و سپس یک جانشین امتیاز زد z…

رمزارزقراردادهای آتی دائمیبازارهای نقدیمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه آموزشی ویژگی‌های مشتق‌شده از قیمت و حجم را که در پژوهش کمی به کار می‌روند مرور می‌کند. بازده‌های ساده و لگاریتمی در افق‌های مختلف، مومنتوم با حذف یک دوره، بازده‌های شبانه و درون‌روزی، فاصله از میانگین متحرک، سنجه‌های روند و بازگشت، چند برآوردگر…

سهامشاخص‌های تکنیکالنوسانمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه گردش‌کاری ارائه می‌کند تا بررسی شود آیا مومنتوم شش‌ماهه با حذف دوره اخیر، بر بازده‌های آتی 21-روزه اثر می‌گذارد و آیا این اثر با نوسان بازار تغییر می‌کند. اثرها را با یادگیری ماشین دوگانه و با کنترل نوسان و منحنی بازده و در نظر گرفتن نوسان بازار…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه دو مدل بنیادینِ ازپیش‌آموزش‌دیده سری زمانی، Chronos و TinyTimeMixer، را با یک LSTM و یک مبنای خطی جریمه‌شده روی پنل ETF مقایسه می‌کند. هر مدل زمینه تاریخی تک‌متغیره‌ای دریافت می‌کند؛ مدل‌های ازپیش‌آموزش‌دیده همان سری ورودی را پیش‌بینی می‌کنند و…

یادگیری ماشینسهاممومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه خودرمزگذاری نظارت‌شده را برای پیش‌بینی بازده پیش‌نگر ETF ارائه می‌کند. شبکه، ردیف ویژگی‌های یک صندوق را به بازنمایی کم‌بعد فشرده می‌کند و بازده را مستقیماً از همان بازنمایی پیش‌بینی می‌کند. برخلاف خودرمزگذارهای شرطی در همین خانواده مدل، فرض…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه با استفاده از قیمت‌های پایانی تعدیل‌شده در تاریخ مشاهده و یک نشست معاملاتی بعدی، برچسب‌های روزانه بازده پیش‌نگر را برای صندوق‌های قابل معامله ساخت. یک برچسب اصلی با افق ماهانه و نسخه‌ای کوتاه‌تر با افق هفتگی ایجاد می‌کند؛ برچسب‌ها…

سهامیادگیری ماشینآمارمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه اتصال یک رابط مشترک استراتژی مومنتوم ETF به Alpaca را با مسیر آفلاین شبیه‌سازی‌شده‌ای که به‌طور پیش‌فرض در دسترس است نشان می‌دهد. توضیح می‌دهد که آداپتورهای کارگزار و داده بازار می‌توانند تغییر کنند، درحالی‌که استراتژی، گزارش سفارش‌ها و پوشش حالت…

سهاممومنتوماجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند تحلیل حساسیت هزینه را برای یک استراتژی مومنتوم ثابت ETF ارائه می‌کند. جهان سرمایه‌گذاری، وزن‌ها، زمان‌بندی و شبیه‌ساز را ثابت نگه می‌دارد و بک‌تست را با مجموعه‌ای از کارمزدهای هر سوی معامله دوباره اجرا می‌کند. منحنی حاصل تغییر نسبت شارپ و رشد مرکب را…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این تحلیل برآورد می‌کند که آیا مومنتوم با حذف دوره اخیر با تغییری علّی در بازده‌های آتی ETFها مرتبط است یا نه؛ پرسش آن این نیست که مومنتوم تا چه اندازه بازده‌ها را پیش‌بینی می‌کند. یادگیری ماشین دوگانه با استفاده از مخدوش‌گرهای تعریف‌شده، پیامد و متغیر…

یادگیری ماشینآمارمومنتومآزمون گذشته‌نگر