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 سند X-Trend را پیشنهاد می‌کند؛ پیش‌بینی‌کننده سری زمانیِ پیرو روند که برای سازگاری سریع با ورود بازارها به رژیم‌های جدید طراحی شده است. این روش با یادگیری کم‌نمونه و توجه متقاطع روی مجموعه‌ای زمینه‌ای از رژیم‌های سری زمانی مالی کار می‌کند و الگوهای…
این پژوهش بررسی می‌کند که آیا معامله‌گران یادگیری تقویتی پس از تجربه حباب‌های قیمت دارایی راهبردهای خود را تغییر می‌دهند و آیا این یادگیری بر حباب‌های بعدی اثر می‌گذارد. پژوهشگران عامل‌ها را در شبیه‌سازی بازار چندعاملی ABIDES آموزش می‌دهند و معامله‌گران…
FedSight AI از عامل‌های مدل زبانی بزرگ برای شبیه‌سازی مذاکرات کمیته بازار آزاد فدرال و پیش‌بینی تصمیم‌های مربوط به نرخ هدف وجوه فدرال استفاده می‌کند. عامل‌های جداگانه شاخص‌های اقتصادی ساختاریافته و مطالب غیرساختاریافته‌ای مانند کتاب بژ را بررسی می‌کنند،…
این مقاله راهبردی برای گرفتن موقعیت خرید یا فروش در قراردادهای آتی VIX در روز بعد پیشنهاد می‌کند. ساختار سررسید قراردادهای آتی را فرایندی مارکوفی در نظر می‌گیرد و بر اساس شکل و سطح کنونی منحنی، موقعیتی را برای بیشینه‌کردن مطلوبیت مورد انتظار انتخاب می‌کند.…
این پژوهش دو مدل یادگیری ماشین، لایت‌جی‌بی‌ام و LSTM، را با دو استراتژی مبتنی بر شاخص برای بیت‌کوین مقایسه می‌کند: تقاطع میانگین متحرک نمایی و ترکیبی از MACD با ADX. این مقایسه در زمینه تأیید نظارتی آمریکا برای نخستین صندوق‌های قابل معامله در بورس بیت‌کوین…
این مقاله یک تونتین حافظ همسر برای درآمد بازنشستگی خانوار طراحی می‌کند. مرگ نخست، بدون انتقال وجه از صندوق، وضعیت خانوار را تغییر می‌دهد؛ حساب در قرارداد باقی می‌ماند و اگر بازنشسته نخست فوت کند، می‌تواند ادامه‌ای مختص همسر را تأمین کند. نویسندگان شرایط…
این مقاله قیمت رمزارزها را به‌صورت مسیرهایی در یک میدان پتانسیل غیرخطی و متغیر مدل می‌کند. برای برآورد میدان از قیمت‌های تاریخی، استنباط بیزی را با فرایندهای گاوسی ترکیب می‌کند و سپس جاذب‌ها و دافع‌های استنباط‌شده را به‌عنوان شاخص‌هایی از شرایط بازار و روابط…
این مقاله سیاستی برای استقرار سامانه‌های پیش‌بینی با بازآموزی منظم معرفی می‌کند: مدل فعلی به خدمت‌دهی ادامه می‌دهد، درحالی‌که مدل رقیب با بازبرازش و مقداردهی اولیه گرم، خارج از مسیر خدمت‌دهی اجرا می‌شود؛ سپس هر دو در همان هفته بعدی و با برچسب‌های تأخیری…
MARKET-BENCH ارزیابی می‌کند که آیا مدل‌های زبانی بزرگ می‌توانند توصیف راهبردها و فرض‌های بازار به زبان طبیعی را به بک‌تسترهای اجرایی تبدیل کنند. وظایف آن شامل معامله زمان‌بندی‌شده در Microsoft، معامله جفتی در Coca-Cola و Pepsi و پوشش ریسک دلتا در Microsoft…
این مقاله استفاده از منتقد-بازیگر نرم (SAC) و گرادیان سیاست قطعی عمیق (DDPG) را برای مدیریت سبدهای ارز دیجیتال پیشنهاد می‌کند. عامل‌ها در محیطی شبیه‌سازی‌شده و با استفاده از داده‌های تاریخی بازار، کنش‌های معاملاتی پیوسته را می‌آموزند و وزن‌های سبد را برای…
این سند رویکردی مبتنی بر یادگیری فدرال برای برآورد درآمد وام‌گیرندگان ارائه می‌کند؛ زمانی که وام‌دهندگان نمی‌توانند سوابق خام متقاضیان را با هم ادغام کنند. مؤسسه‌ها درحالی‌که داده‌ها را محلی نگه می‌دارند، یک مدل مشترک آموزش می‌دهند. ارزیابی، کنسرسیومی از…
مطالعه از رمزگذار خودکار کانولوشنی برای استخراج الگوهای غالب رفتار بازار ارزهای دیجیتال و گروه‌بندی 40 ارز دیجیتال در طبقه‌ها استفاده می‌کند. دوازده دوره متوالی شش‌ماهه را که از 15 مه 2013 آغاز می‌شوند بررسی می‌کند و سپس تغییرات عضویت در طبقه‌ها را در گذر…
این مطالعه یادگیری تقویتی عمیق را برای معاملات ارز خارجی به‌کار می‌گیرد و انتخاب معامله را به‌جای اتکا به پیش‌بینی مستقیم قیمت، دنباله‌ای از تصمیم‌ها در نظر می‌گیرد. سیاست آربیتراژ آماری Sure-Fire را به سه کنش ممکن تبدیل می‌کند و تاریخچه‌های پیوسته قیمت را…
این مطالعه خط لوله‌ای برای یافتن سیگنال‌های معاملاتی جهت‌دار از روابط میان نه سهم ارائه می‌کند. ابتدا سهام را با مدل مخلوط گاوسی بر اساس نوسان تاریخیِ دامنه میانی گروه‌بندی می‌کند، سپس پیوندهای پیش‌بینی را با علیت گرنجر، رویه سفارشی PCMCI و آنتروپی انتقال…
PPO-HRAP بهینه‌سازی سیاست مجاور را با مواجهه هدفِ برآمده از رژیم ترکیب می‌کند. سیاست آن ویژگی‌های بازار و وضعیت سبد را مشاهده می‌کند و سپس کنش یادگرفته‌شده را با هدف رژیم درهم می‌آمیزد. پاداش، بازده‌های لگاریتمی سبد، افزایش افت سرمایه مشروط به VIX، انحراف از…
این مقاله ارزیابی می‌کند که آیا سنجه‌های احساسات و توجه در شبکه‌های اجتماعی می‌توانند به پیش‌بینی بازده لگاریتمی روزانه ده ارز دیجیتال کمک کنند. متغیرهای پیش‌بین شامل احساسات Twitter و Reddit، شاخص‌های Google Trends و حجم معاملات هستند. روش پیش‌بینی،…
این پژوهش یادگیری ماشین کوانتومی، یادگیری ماشین کلاسیک، روش‌های ترکیبی کوانتومی‌ـ‌کلاسیک و مدل‌های ترنسفورمر را در راهبردهای بازارساز خودکار و امور مالی غیرمتمرکز مقایسه می‌کند. از بک‌تست‌ها روی چندین دارایی رمزارزی و ده گونه مدل، از جمله جنگل تصادفی،…
این پژوهش رویکرد آربیتراژ آماری مبتنی بر یادگیری عمیق را که باقیمانده‌های مدل‌های عاملی قیمت‌گذاری دارایی را معامله می‌کند، بازتولید می‌کند. روش اصلی را در دوره‌ای جدیدتر و خارج از نمونه، با داده‌های سهام آمریکا از 2016 تا 2024 به کار می‌گیرد. روند کار از…
مقاله روش استنباط بیزی و کورنتروپی را برای مدل‌سازی عدم‌قطعیت و ابهام در اطلاعات بازار و ارزیابی قیمت دارایی‌ها پیشنهاد می‌کند. این رویکرد را در مدل قیمت‌گذاری دارایی مبتنی بر مصرف به کار می‌گیرد، تغییرات مصرف را با شبکه بیزی بازنمایی می‌کند و پویایی قیمت را…
PrivySense برآورد احساسات در اخبار مالی را از طریق نوسان مشاهده‌شده قیمت پیشنهاد می‌کند. این رویکرد جهت معمولی را که مقاله شرح می‌دهد معکوس می‌کند: در روش رایج، طبقه‌بندهای احساسات با متن‌های برچسب‌گذاری‌شده به‌دست انسان آموزش می‌بینند و سپس برای آگاهی‌بخشی…
این سند تابع هدف ترکیبی GT-Score را برای بهینه‌سازی استراتژی‌های معاملاتی داده‌محور معرفی می‌کند. این تابع سنجه‌های عملکرد، معناداری آماری، ثبات و ریسک نزولی را ترکیب می‌کند تا انتخاب‌هایی را که بیش‌ازحد با داده‌های تاریخی برازش می‌شوند کاهش دهد. انگیزه…
این سند روشی برای یادگیری تقویتیِ بدون مدل در بهینه‌سازی ترتیبی ارائه می‌کند که در آن پیامدها با سنجه‌های ریسک محدب پویا ارزیابی می‌شوند. از اصل برنامه‌ریزی پویای سازگار با زمان برای ارزش‌گذاری سیاست‌ها استفاده می‌کند و سپس به‌روزرسانی‌های گرادیان سیاست را…
این مقاله بررسی می‌کند که آیا واکنش‌های افراطی قیمت سهام اپل درون روز را می‌توان پیش‌بینی کرد و به‌عنوان سیگنال مومنتوم به‌کار برد. بازده‌های نرمال‌شده با نوسان را با ویژگی‌های هیجانی استخراج‌شده از پیام‌های توییتر ترکیب می‌کند، واکنش‌های افراطی را نسبت به…
این مقاله بررسی می‌کند که آیا سیگنال‌های CryptoQuant، از جمله داده‌های درون‌زنجیره‌ای، صرافی‌ها و استخراج‌کنندگان، و پست‌های هشدار نهنگ‌ها می‌توانند به پیش‌بینی نوسان روز بعد بیت‌کوین، به‌ویژه جهش‌های شدید، کمک کنند. مدل پیش‌بینی ترنسفورمر Synthesizer را…