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

2,112 سند

یادگیری ماشین برای معامله‌گری

این دفترچه پیش از برازش هر مدلی بررسی می‌کند که آیا یک استراتژی رتبه‌بندی روزانه سهام US داده قابل استفاده کافی برای ارزیابی منصفانه دارد یا نه. توضیح می‌دهد چگونه با استفاده از اجزای تاریخی، جهان سرمایه‌گذاری مقطع زمانی بسازیم؛ در غربال قابلیت معامله از…

سهامبازارهای آمریکاآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند منظم‌سازی چگونه بر مدل آتی CME ساخته‌شده از خانواده‌های ویژگی همبسته، از جمله معیارهای معامله انتقالی، شارپ غلتان، مومنتوم و نوسان اثر می‌گذارد. Ridge، Lasso و ElasticNet را مقایسه می‌کند: Ridge ضرایب را کوچک می‌کند و ویژگی‌ها را نگه…

قراردادهای آتییادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد حد ضرر، حد ضرر متحرک و خروج زمانیِ پیکربندی‌شده را برای قوی‌ترین سیگنال یا استراتژی تخصیصِ رتبه‌بندی‌شده بر اساس اعتبارسنجی، برای هر افق بازده آتی اعمال می‌کند. هر قاعده جداگانه روی استراتژی پایه خودش ارزیابی می‌شود و پارامترها از پیش تثبیت…

قراردادهای آتیهزینه/درآمد نگهداری موقعیتبازگشت به میانگینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی سهام US انتخاب‌شده قبلی را روی پیش‌بینی‌های دوره نگه‌داشته‌شده اجرا می‌کند. مدل، پیش‌بینی‌ها، تخصیص‌دهنده، تمرکز، پوشش ریسک، تناوب بازمتوازن‌سازی و فرض‌های هزینه معامله از مراحل پیشین به ارث رسیده‌اند. روش اصلی آن استخراج مجموعه پیش‌بینی…

سهامبازارهای آمریکاآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه سازگارکردن Diffusion-TS را برای تولید دنباله‌های بازده مصنوعی ETF شرح می‌دهد. مدل حذف‌کننده نویز، دنباله پاک را به‌شکل مجموع مؤلفه‌های روند چندجمله‌ای، فصلی فوریه‌ای و باقیمانده پیش‌بینی می‌کند؛ در همین حال، تابع زیان ترکیبی در حوزه زمان و فوریه،…

یادگیری ماشینآمارنوسانچنددارایی
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 سند توضیح می‌دهد چرا از TabM برای مدل‌سازی داده‌های پنلی تأمین مالی قراردادهای دائمی استفاده می‌شود: ستون فقرات عصبی مشترک آن همه ویژگی‌های ورودی را ترکیب می‌کند و لایه‌های غیرخطی می‌توانند برهم‌کنش‌ها را بازنمایی کنند. برخلاف درختی که در هر انشعاب یک…

رمزارزقراردادهای آتی دائمییادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه مالکیت سهام نهادی را از پرونده‌های SEC 13F به‌شکل گرافی مدل می‌کند که مدیران را به اوراق بهادار پیوند می‌دهد و روابط بخشی را برای تجمیع در نظر می‌گیرد. طرح داده هم تاریخ گزارش پایان فصل و هم تاریخ دیرترِ در دسترس قرارگرفتن پرونده را نگه می‌دارد:…

سهامآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی ETF انتخاب‌شده قبلی را بر پنجره نگه‌داشته‌شده آن اعمال می‌کند. پیش‌بینی‌های متناظر این دوره را از هویت آموزش و نقطه بازبینیِ انتخاب‌شده استخراج می‌کند، سپس تمرکز، تخصیص، پوشش ریسک، تناوب بازمتوازن‌سازی و فرض‌های هزینه موجود استراتژی را…

سهامآزمون گذشته‌نگرساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این گردش‌کار ارزیابی، ویژگی‌های مالی و مبتنی بر مدل را در برابر بازده‌های آتی برای یک پنل درون‌روزی NASDAQ-100 غربال می‌کند. ابتدا دوره نهایی آزمون را کنار می‌گذارد و مشاهداتی را حذف می‌کند که برچسب‌های آتی آن‌ها در آن بازه نهایی می‌شوند. برای هر ویژگی، ضریب…

سهامآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد که یک پوشش کارگزاری چگونه می‌تواند سفارش‌های ناامن را با استفاده از سقف اندازه سفارش و موقعیت، محدودیت نرخ سفارش، محدودیت دارایی و کلید توقف دائمی رد کند. یک کارگزار مصنوعی تصمیم‌ها را قابل مشاهده می‌کند: سفارش‌های آزمایشی یا پذیرفته…

مدیریت ریسکتعیین اندازه موقعیتاجرای 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
یادگیری ماشین برای معامله‌گری

این روش تولید شاخص معیار، از دارایی‌های اعلام‌شده در یک مطالعه موردی، سری بازده روزانه هم‌وزن می‌سازد. ابتدا آخرین قیمت پایانی هر نماد را برای هر نشست می‌گیرد، سپس بازده‌های پایانی تا پایانی را محاسبه و بازده‌های موجود را میان نمادها میانگین‌گیری می‌کند.…

آزمون گذشته‌نگرساخت پرتفویآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند مجموعه‌داده روزانه سهام US را توصیف می‌کند که از آرشیو Wiki Prices متعلق به NASDAQ Data Link گرفته شده است. این مجموعه هزاران شرکت را از 1962 تا مارس 2018 پوشش می‌دهد و شرکت‌های حذف‌شده را نیز دربر می‌گیرد؛ ازاین‌رو برای پژوهش تاریخیِ نیازمند کاهش…

سهامبازارهای آمریکاآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل نمایه‌ای از مجموعه ثابت 100 ETF در ۹ گروه دارایی تهیه می‌کند. پوشش صندوق‌ها و سال‌ها را بررسی می‌کند، تطابق پنل قیمت با پیکربندی گروه را تأیید می‌کند، مقادیر تهی و ترتیب OHLC را می‌سنجد و حجم معامله را میان گروه‌ها مقایسه می‌کند. همچنین توضیح…

چندداراییآمارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های تقویت‌شده با گرادیان را برای پیش‌بینی بازده و جهت حرکت در قراردادهای دائمی رمزارز بررسی می‌کند. شبکه جست‌وجو ظرفیت درخت و تابع زیان را تغییر می‌دهد؛ از جمله اهداف خطای مربعی، خطای مطلق و Huber، و در چند نقطه از فرایند آموزش به مدل‌ها…

رمزارزقراردادهای آتی دائمییادگیری ماشینمومنتوم
یادگیری ماشین برای معامله‌گری

این سند هسته شبکه عصبی PatchTST را برای پیش‌بینی سری‌های زمانی چندمتغیره ارائه می‌کند. هر سری ورودی را به وصله‌های هم‌پوشان تقسیم می‌کند، هر وصله را به فضای ویژگیِ آموخته‌شده نگاشت می‌کند، کدگذاری‌های مکانی را می‌افزاید و توالی حاصل را از لایه‌های انکودر…

یادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه بازده پیرامون رویدادهایی مانند فعال‌شدن سیگنال، اعلام سود یا انتشار داده‌های کلان اندازه‌گیری شود. نمونه عملی آن از شکست‌های مومنتوم در ETFهای نقدشونده استفاده می‌کند. برای هر رویداد، مدلی بازار که در پنجره برآورد پیش از رویداد…

سهاممبتنی بر رویدادمومنتومشکست قیمت
یادگیری ماشین برای معامله‌گری

این دفترچه برآورد می‌کند که آیا امتیاز استانداردشده پریمیومِ یک قرارداد دائمی رمزارز بر بازده‌های هشت‌ساعته بعدی اثر دارد، وقتی سه عامل اعلام‌شده—نوسان قیمت، نرخ تأمین مالی و انحراف میانگین پریمیوم—ثابت نگه داشته شوند. چون متغیر مداخله پیوسته است، هدف شیبی…

رمزارزقراردادهای آتی دائمییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از بازده‌های روزانه ETF توضیح می‌دهد که مدل‌های GARCH چگونه خوشه‌بندی نوسان را ثبت و به ویژگی‌ای نشست‌به‌نشست تبدیل می‌کنند. ابتدا از تشخیص‌های دیداری و آزمون ARCH-LM استفاده می‌کند تا بسنجد آیا بازده‌های مجذور به وقفه‌های خود…

نوسانآمارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این دفترچه چگونگی بازسازی دفتر سفارش محدود NASDAQ تک‌نمادی را از داده‌های پیام‌به‌سفارش توضیح می‌دهد. افزودن سفارش، اجرا، لغو، حذف و جایگزینی را پردازش می‌کند و اندازه باقی‌مانده هر سفارش فعال را نگه می‌دارد. جایگزینی‌ها به مدیریت ویژه نیاز دارند، زیرا مرجع…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه کاتالوگ آزمایش مدل را از رجیستری مطالعه موردی بازسازی و محتوای آن را با MLflow مقایسه کنیم. آزمایش‌ها را در اجراهای آموزش، مجموعه‌های پیش‌بینی و اجراهای بک‌تست دنبال می‌کند و هر مرحله را به مرحله پیشین پیوند می‌دهد. مشخصات…

یادگیری ماشینآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی، داده‌های ساعتی OHLCV را در کنار شاخص پریمیوم هشت‌ساعته برای قراردادهای دائمی رمزارز بررسی می‌کند. پوشش نمادها و تاریخ‌ها، تغییر ترکیب قراردادها، واحدها و توزیع پریمیوم، درستی داده‌های OHLC، مقادیر مفقود و هم‌ترازی قیمت‌های ساعتی با مشاهدات…

رمزارزقراردادهای آتی دائمیریزساختار بازارآمار
یادگیری ماشین برای معامله‌گری

این دفترچه رابط OHLCV مشترکی را میان Yahoo Finance، آرشیو بلندمدت سهام آمریکا و سری‌های اقتصاد کلان FRED نشان می‌دهد. برای مطالعه موردی چرخش بعدی، مجموعه‌ای از ETF می‌سازد، ترکیب منابع تاریخی و جاری را نشان می‌دهد و رویکرد جایگزینِ اولویت‌بندی‌شده را شرح…

چندداراییسهامبازارهای آمریکااجرای سفارش