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.
807 سند
این پژوهش سیم‌استاک را معرفی می‌کند؛ چارچوبی برای شناسایی سهام مشابه بر پایه رفتار سری زمانی، به‌جای اتکای صرف به دسته‌بندی‌های متداول بخشی یا منطقه‌ای. این روش یادگیری خودنظارتی را با تعمیم دامنه زمانی ترکیب می‌کند تا بازنمایی‌هایی بسازد که با تغییر شرایط…
این پژوهش یادگیری عمیق چندوظیفه‌ای را برای سبدهای متنوع مومنتوم سری زمانی در قراردادهای آتی پیوسته به کار می‌گیرد. ایده اصلی این است که ساخت سبد و وظایف مرتبط با نوسان را با هم بیاموزد، نه اینکه سیگنال مومنتوم و برآورد نوسان را ورودی‌هایی مستقل در نظر بگیرد.…
این پژوهش سیاستی برای پیشنهاد قیمت و بهره‌برداری روزِ بعد از نیروگاهی ترکیبی توسعه می‌دهد که تولید باد را با الکترولایزر ترکیب می‌کند. این سیاست، با استفاده از اطلاعات زمینه‌ای و قواعد تصمیم خطیِ آموخته‌شده از داده‌ها، پیشنهادهای برق را تعیین و تولید هیدروژن…
این مقاله رویکرد تطبیقی ترنسفورمر فیوژن زمانی را برای پیش‌بینی کوتاه‌مدت قیمت رمزارز پیشنهاد می‌کند. برای رسیدگی به ناپایایی و تغییرات شدید قیمت، سری را به زیربازه‌هایی با طول متغیر تقسیم می‌کند که در بیشینه‌های نسبی پایان می‌یابند: نقاطی که در آن‌ها رشد از…
این سند پیشنهاد می‌کند از شبکه‌های مولد تخاصمی به‌همراه LSTM برای ساخت مسیرهای مصنوعی قیمت تاریخی و ارزیابی استراتژی‌های معاملاتی استفاده شود. فرض اصلی این است که ممکن است استراتژی انتخاب‌شده بر پایه عملکرد قوی درون‌نمونه‌ای بیش‌برازش شده باشد؛ بنابراین باید…
این پژوهش ریاضیات مالی و یادگیری ماشین را برای بهینه‌سازی پویای سبدی از دو دارایی درهم‌تنیده، در افق زمانی محدود و زمان پیوسته، مقایسه می‌کند. رویکرد ریاضیات مالی آن از مدل هم‌همبستگی استفاده می‌کند که قرار است ریسک کوتاه‌مدت را با تعادل بلندمدت ترکیب کند؛…
این سند رویکردی مبتنی بر حالت پنهان را برای معاملهٔ مومنتوم درون‌روزی شرح می‌دهد. بازده‌های پرنویز اوراق بهادار را مشاهداتی می‌داند که از یک حالت مومنتوم نهفته تولید شده‌اند و هدف آن پرهیز از تأخیری است که فیلترهای دیجیتال هنگام معکوس‌شدن روندها ممکن است…
این پژوهش روشی برای برآورد بازده مرتبط با ریسک یک سهم پیشنهاد می‌کند که میان سهام مشابه مشترک نیست، حتی وقتی عوامل ریسک زیربنایی ناشناخته‌اند. با تصویرکردن بازده‌های تاریخی هر سهم بر بازده‌های سهام دیگر، سبدی همتا برای بازتولید آن می‌سازد. روش الاستیک‌نت…
این پژوهش معماری مومنتوم ترنسفورمر را برای سهام اقتباس می‌کند و کاربرد موردنظر آن را با استراتژی‌های مومنتوم سری زمانی و بازگشت به میانگین مقایسه می‌کند. مدل، توجه را که می‌تواند اطلاعات را در سراسر پنجرهٔ آموزش به هم مرتبط کند، با LSTM ترکیب می‌کند که…
این پژوهش منشأ ارزش بیت‌کوین را ویژگی‌های اطلاعاتی و تعامل آن‌ها، از جمله تمرکززدایی، اعتماد به اجماع، ترتیب‌دهی رمزنگاری‌شده و روایت‌های اجتماعی می‌داند. این ابعاد را با چهار سنجهٔ ذخیرهٔ ارزش، خودمختاری، ارزش سیگنال اجتماعی و احساس لذت‌جویانه بازنمایی…
این مقاله روش‌های یادگیری ماشین را برای پیش‌بینی قیمت پایانی یک شاخص رمزارز و نه رمزارز تشکیل‌دهنده آن به کار می‌گیرد. بیان می‌کند که چندین الگوریتم و مدل برای یافتن رویکردی با بهترین عملکرد مقایسه می‌شوند و کار با پژوهش‌های مرتبط نیز سنجیده می‌شود. انگیزه…
این مقاله ساختار بازده بیت‌کوین را در چندین مقیاس زمانی و با ابزارهای برآورد ویژگی‌های چندفراکتالی بررسی می‌کند. واریانس بازده را پیرو روابط توانی با افزایش‌های زمانی توصیف می‌کند که با نوسان و نمای هرست مشخص می‌شوند. چون این پارامترها در گذر زمان تغییر…
این مقاله مدل MRC-LSTM را پیشنهاد می‌کند؛ مدلی که برای پیش‌بینی قیمت پایانی روزانه بیت‌کوین به دلار USD، ماژول کانولوشنی باقیمانده چندمقیاسی را با شبکه حافظه کوتاه‌مدت بلندمدت ترکیب می‌کند. از کانولوشن‌های یک‌بعدی برای شناسایی و ترکیب ویژگی‌ها در مقیاس‌های…
این پژوهش توزیع قیمت را برای بازه‌های معاملاتی ساعتی در بازار پیوسته درون‌روزی آلمان پیش‌بینی می‌کند و بر سه ساعت پایانی پیش از تحویل تمرکز دارد. به‌جای تولید تنها پیش‌بینی‌های نقطه‌ای، مسیرهای قیمت را شبیه‌سازی می‌کند تا مجموعه‌هایی برای پشتیبانی از معامله…
این مقاله چارچوبی مبتنی بر یادگیری تقویتی عمیق برای بازارسازی رمزارز ترسیم می‌کند که در آن عامل‌ها هنگام تعامل با محیط معاملاتی شبیه‌سازی‌شده، مدیریت موجودی را می‌آموزند. محیط، مشاهدات بازار را با داده‌های دفتر سفارش محدود و آمار ورود جریان سفارش نمایش…
این پژوهش رویکردی ترکیبی برای معامله درون‌روزی سبد رمزارزها با یادگیری تقویتی عمیق ارائه می‌کند. مدل‌های کاندید با استفاده از چندین دوره اعتبارسنجی انتخاب می‌شوند و سپس سیاست‌های منتخب از طریق یک توزیع آمیخته با هم ترکیب می‌شوند. هدف، بهبود تعمیم‌پذیری در…
این سند دو رویکرد برای برآورد انتقال رتبه اعتباری و احتمال نکول ارائه می‌کند. رویکرد نخست زنجیره مارکوف زمان‌پیوسته را از مشاهدات گسسته و احتمالاً ناقص برآورد می‌کند. برای کاهش محاسبات فاصله‌های اطمینان والد، بیانی ساده‌تر از اطلاعات فیشر استخراج می‌کند و…
این سند چارچوبی برای بهینه‌سازی استراتژی معاملاتی رمزارز ارائه می‌دهد که الگوریتم‌های ژنتیک را با هماهنگی میان چند عامل هوشمند ترکیب می‌کند. چارچوب برای تطبیق پارامترهای استراتژی با تغییر شرایط بازار طراحی شده و از اطلاعات ریزساختار بازار به‌هنگام و بازخورد…
این مقاله معاملات جفتی را مسئله‌ای تصمیم‌گیری یکپارچه می‌داند، نه فرایندی که ابتدا جفت دارایی را انتخاب کند و سپس آن را معامله کند. نویسندگان استدلال می‌کنند که جداسازی این مراحل می‌تواند اطلاعات مفیدی را کنار بگذارد: مرحله انتخاب ممکن است قابلیت معامله مؤثر…
این سند چارچوبی برای یادگیری تقویتی در طراحی کارمزدهای بازارگاه توصیف می‌کند که در آن معامله‌گران در واکنش به کارمزدها، استراتژی‌های خود را تغییر می‌دهند. چارچوب، برنامه کارمزد و استراتژی‌های معامله‌گران را هم‌زمان یاد می‌گیرد و سودآوری را با هدف صریح عدالت…
این سند چارچوبی برای یادگیری تقویتی حساس به ریسک ارائه می‌کند که در آن یک عامل، سنجه‌های ریسک طیفی پویای سازگار با زمان را بهینه می‌کند. از قابلیت اظهار شرطی برای ساخت توابع امتیازدهیِ کاملاً سازگار استفاده می‌کند؛ این توابع هنگام برآورد نقش جریمه دارند.…
این پژوهش همبستگی‌های باقیمانده میان سهام اس‌اندپی 500 را به ماتریس‌های مجاورت برای نمونه‌برداری بوزونی گاوسی تبدیل می‌کند؛ روشی کوانتومی فوتونیک برای نمونه‌گیری زیرگراف‌های متراکم. دو روش خوشه‌بندی کلاسیک، اسپکترال و SPONGE، را با روش‌های کوانتومی GBS بوست…
این مقاله چارچوب معامله معامله‌گر آگاه کایل را با مدل‌سازی تعامل میان معامله‌گر آگاه، معامله‌گران پرنویز و بازارساز اصلاح می‌کند. معامله‌گر آگاه اندازه سفارش بازار را انتخاب می‌کند و سپس بازارساز با استفاده از جریان سفارش ترکیبی برای دارایی قیمت تعیین…
این پژوهش از یادگیری آنلاین مبتنی بر کارشناسان در محیط رقابتی برای انتخاب پارامترهای استراتژی‌های سبد بدون هزینه و ترکیب استراتژی‌های معاملاتی تکنیکال در یک سبد تجمیعی استفاده می‌کند. پژوهش، مجموعه استراتژی‌ها را روی داده‌های روزانه و درون‌روزی بورس…