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

358 سند

یادگیری ماشین برای معامله‌گری

این دفترچه آموزشی روش‌های ساخت برچسب هدف برای مدل‌های معاملاتی نظارت‌شده را با داده‌های ETF مقایسه می‌کند. بازده‌ها و برچسب‌های جهت‌دار با افق ثابت، صدک‌های غلتان سری زمانی، صدک‌های مقطعی، برچسب‌های سه‌مانعه با آستانه‌های ثابت یا مقیاس‌شده با نوسان، و اسکن…

یادگیری ماشینآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش استفاده از رژیم‌های بازار در پیش‌بینی را مقایسه می‌کند: مدل مبنا بدون ورودی رژیم، یک مدل با احتمال فیلترشده وضعیت پرنوسان، و مدل‌های جداگانه آموزش‌دیده درون تخصیص‌های قطعی رژیم. برای پرهیز از نگاه‌به‌آینده، مدل مارکوف پنهان را در هر بخش…

سهامیادگیری ماشینآمارنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی شاخص‌های کلان اقتصادی ماهانه را خوشه‌بندی می‌کند تا شرایط بازار را مستقل از بازده سهام توصیف کند. سری‌های FRED را با مشاهدات پایان ماه هم‌تراز می‌کند، بیکاری، نرخ وجوه فدرال، فاصله منحنی بازده و تغییر سالانه CPI را استاندارد می‌سازد و سپس…

یادگیری ماشینآمارنوسانبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی Diffusion-TS را برای تولید توالی‌های مصنوعی بازده روزانه ETF به‌کار می‌گیرد. مدل حذف نویز، سری اصلی را پیش‌بینی می‌کند و پیش‌بینی را به روند چندجمله‌ای، مؤلفه‌های منتخب فوریه و باقیمانده تجزیه می‌کند. هدف تابع ترکیبی حوزه زمان و حوزه…

یادگیری ماشیننوسانآمارچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی، تعیین اندازه موقعیت را به تحلیل بیشینه حرکت‌های نامطلوب و مطلوب پیوند می‌دهد. روش تعیین اندازه با کسری ثابت را نشان می‌دهد که در آن تعداد سهم‌ها بر اساس بودجه ریسک هر معامله و فاصله ورود تا حد ضرر تعیین می‌شود و سقف تمرکز نیز اعمال می‌شود.…

تعیین اندازه موقعیتمدیریت ریسکنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند قیمت اختیار خرید و فروش اروپایی را با بلک–شولز به‌دست می‌آورد، رابطه آن‌ها را از طریق برابری اختیار خرید و فروش بررسی می‌کند و با حل عددی برای نوسانی که با قیمت مشاهده‌شده اختیار مطابقت دارد، نوسان ضمنی را محاسبه می‌کند. همچنین دلتا، گاما، وگا، تتا و…

اختیار معاملهقیمت‌گذاری مشتقه‌هانوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این ماژول مهندسی ویژگی، داده‌های قیمت روزانه را برای مدل‌های پرتفوی کلان نظام‌مند آماده می‌کند. بازده‌های افقیِ مقیاس‌شده با نوسان برآوردی، چندین سیگنال MACD چندمقیاسی و نمره‌های استاندارد غلتان قیمت لگاریتمی را می‌سازد. افق‌های بازده می‌توانند از مجموعه‌ای…

چندداراییمومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این آموزش ویژگی‌های ساخته‌شده از تاریخچه قیمت و حجم دارایی را مرور می‌کند؛ از جمله بازده در افق‌های مختلف، سنجه‌های روند و بازگشت، چند برآوردگر نوسان، رژیم‌های نوسان، نقدشوندگی، ریسک دنباله‌ای و نرمال‌سازی مقطعی. انتخاب‌های عملی را توضیح می‌دهد؛ مانند…

شاخص‌های تکنیکالمومنتومنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش تبدیل داده‌های دقیقه‌ای NASDAQ-100 به ویژگی‌های مبتنی بر مدل را شرح می‌دهد: رگرسیون غلتان HAR برای پیش‌بینی و خطای پیش‌بینی واریانس، تبدیل فوریه برای الگوهای حجم اخیر و امضاهای مسیر با عمق دو برای ترتیب تغییر قیمت و جریان سفارش. تأکید…

سهامنوسانریزساختار بازارآمار
یادگیری ماشین برای معامله‌گری

این ماژول پارامترهای بازارهای رمزارزی شبیه‌سازی‌شده را برای محیط‌های یادگیری تقویتی برآورد می‌کند. داده‌های ساعتی بازار دائمی را برای نماد انتخاب‌شده بارگیری می‌کند، بازده‌های لگاریتمی از قیمت پایانی تا قیمت پایانی را محاسبه می‌کند و مدل نوسان GARCH(1,1) را…

رمزارزقراردادهای آتی دائمینوسانریزساختار بازار
یادگیری ماشین برای معامله‌گری

این سند محیطی Gymnasium را برای آموزش یک عامل به‌منظور نقدکردن موقعیت طی افقی ثابت شرح می‌دهد. مشاهده، موجودی و زمان باقی‌مانده را با اسپرد، عمق بازار، نوسان و رژیم عادی یا بحرانی ترکیب می‌کند. کنش پیوسته سرعت اجرا را نسبت به برنامه مرجع تعیین می‌کند و…

یادگیری ماشیناجرای سفارشریزساختار بازارنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه تغییرات پیوسته قیمت را از جهش‌های گسسته در بازده درون‌روزی سهام جدا می‌کند. واریانس تحقق‌یافته روزانه را از مجذور بازده لگاریتمی برآورد می‌کند و تغییرات دو‌توانی را به‌عنوان برآورد مقاوم به جهش از مؤلفه پیوسته به کار می‌گیرد؛ اختلاف نامنفی آن‌ها…

سهامنوسانآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این فصل روش‌های تبدیل رویه‌های آماری برازش‌شده به ویژگی برای مدل‌های معاملاتی را مرور می‌کند. مباحث آن شامل تشخیص‌ها و ایستایی، شکست‌های ساختاری، تفاضل‌گیری کسری، فیلتر کالمن، روش‌های طیفی و امضای مسیر، نوسان ARIMA و GARCH، سنجه‌های HAR و نوسان‌پذیری زبر،…

آمارنوسانیادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این پیکربندی مجموعه داده تاریخی اقتصاد کلان از FRED را برای فیلترکردن رژیم و تحلیل میان‌دارایی مشخص می‌کند. سری‌ها را بر اساس تناوب روزانه، هفتگی، ماهانه و فصلی سازمان‌دهی می‌کند؛ از جمله بازده اوراق خزانه، نرخ وجوه فدرال، VIX، سنجه‌های اشتغال، شاخص‌های…

چندداراییدرآمد ثابتنوسانآمار
یادگیری ماشین برای معامله‌گری

این دفترچه از گشت مطلوب حداکثری (MFE) و گشت نامطلوب حداکثری (MAE) استفاده می‌کند تا عرض برچسب‌های سه‌مانعی را به مسیرهای مشاهده‌شده قیمت پیوند دهد. برای موقعیتی که در قیمت پایانی یک کندل وارد شده، بهترین حرکت مطلوب و بدترین حرکت نامطلوب را در پنجره نگهداری…

سهامقراردادهای آتیرمزارزنوسان
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد عدم‌قطعیت مدل چگونه می‌تواند فراتر از برآورد نقطه‌ای آن اطلاعات بدهد. GARCH را که نوسان را از بازده‌های گذشته تعریف می‌کند، با مدل نوسان تصادفی مقایسه می‌کند؛ مدلی که نوسان را فرایندی خودرگرسیو و نهفته می‌داند و بازده‌ها را با توزیع…

نوسانآماریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه مدل‌های برازش‌شده GJR-GARCH و مارکوف پنهان را با کنترل سوگیری نگاه‌به‌آینده به ویژگی‌های معاملاتی تبدیل کنیم. GJR-GARCH نوسان شرطی را برآورد می‌کند و اثر بزرگ‌تر شوک‌های بازده منفی را در نظر می‌گیرد؛ مدل گاوسی دوحالته HMM…

رمزارزقراردادهای آتی دائمینوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه روندکاری برای تصمیم‌گیری درباره مدل‌سازی سری‌های زمانی مالی ارائه می‌کند. کار با نمودارهای قیمت و بازده SPY، سطوح VIX و توزیع بازده آغاز می‌شود تا روند سطوح، حرکت‌های خوشه‌ای و دنباله‌های سنگین شناسایی شوند. سپس آزمون دیکی–فولر تعمیم‌یافته را که…

آمارنوسانشاخص‌های تکنیکالسهام
یادگیری ماشین برای معامله‌گری

این مطالعه ویژگی‌های ETF سه ورودی برآمده از مدل می‌سازد: مدل مارکوف پنهان (HMM) برای برآورد رژیم بازار، قیمت‌های تفاضل‌گیری‌شده به‌صورت کسری برای صندوق‌های مرجع، و نوسان شرطی GARCH(1,1) برای هر ETF. تأکید می‌کند که پرهیز از نگاه به آینده مستلزم آن است که هم…

سهامنوسانیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

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…

یادگیری ماشینرمزارزقراردادهای آتی دائمینوسان
یادگیری ماشین برای معامله‌گری

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…

سهاممدیریت ریسکتعیین اندازه موقعیتنوسان
یادگیری ماشین برای معامله‌گری

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…

چندداراییدرآمد ثابتنوسانآمار
یادگیری ماشین برای معامله‌گری

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…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

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…

ریزساختار بازارآماراجرای سفارشنوسان