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 مطالعه موردی ویژگی‌هایی برای بررسی این پرسش می‌سازد که آیا واریانس ضمنیِ در قیمت اعمال برابر، از واریانس تحقق‌یافته بعدی برای نمادهای S&P 500 بیشتر است و آیا این تفاوت میان اوراق بهادار تغییر می‌کند. مظنه‌های استرادل را با قیمت دارایی پایه ترکیب می‌کند…

اختیار معاملهنوسانسهامآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه رگرسیون حداقل مربعات معمولی را با Ridge، LASSO و Elastic Net برای پیش‌بینی بازده‌های آینده در مجموعه‌ای از ETF مقایسه می‌کند. همه مدل‌ها از فولدهای یکسان آزمون پیش‌رونده استفاده می‌کنند و فاصله حذف‌شده با افق برچسب همخوان است؛ بنابراین تفاوت‌ها را…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوبی آگاه از واحدهای اندازه‌گیری برای برآورد هزینه‌های معامله در سهام، ETFها، قراردادهای آتی، ارز خارجی و قراردادهای دائمی رمزارز ایجاد می‌کند. ابتدا حجم معامله‌شده را از سنجه‌های فعالیتی که نمی‌توان آن‌ها را به گردش مالی دلاری تبدیل کرد جدا…

اجرای سفارشریزساختار بازارمدیریت ریسکقراردادهای آتی
یادگیری ماشین برای معامله‌گری

این فصل چگونگی ساخت پژوهش سازگار با زمان را درباره داده‌های بنیادی و جایگزین در سهام، سری‌های اقتصاد کلان، قراردادهای آتی، رمزارز و بازارهای پیش‌بینی شرح می‌دهد. روش‌های اصلی آن ذخیره‌سازی دوزمانی و پرس‌وجوهای «تا زمان»، زمان‌بندی انتشار با توجه به منبع،…

آزمون گذشته‌نگرآماریادگیری ماشینداده‌های درون‌زنجیره‌ای
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوب میانگین‌واریانسِ کاملاً سرمایه‌گذاری‌شده و فقط خرید را برای مجموعه‌ای متنوع از ETF می‌سازد. پرتفوی‌های شدنی و مرز کارا را ایجاد می‌کند، سپس با استفاده از بازده‌ها و کوواریانس‌های برآوردشده، وزن‌های دارای بیشترین شارپ و کمترین واریانس را به…

چندداراییساخت پرتفویآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی‌های برتر تخصیص ETF را در دو شبکه هزینه بازقیمت‌گذاری می‌کند، در حالی که پیش‌بینی‌ها، تمرکز و قواعد تخصیص ثابت نگه داشته می‌شوند. مدل کارمزد به‌ازای هر سهم و نصف اسپردِ مطالعه موردی را، که نشان می‌دهد هزینه معاملات ETF چگونه به تعداد سهم…

سهاماجرای سفارشآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد هزینه‌های اجرا چگونه بر پیکربندی ازپیش‌منتخب قراردادهای آتی پرپچوال کریپتو اثر می‌گذارند. مدل، نقطه بررسی، قاعده ورود، تخصیص و کنترل ریسک را ثابت نگه می‌دارد و سپس بک‌تست‌ها را در شبکه‌ای از هزینه‌های رفت‌وبرگشت بر ارزش اسمی معامله‌شده…

رمزارزقراردادهای آتی دائمیاجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های خطی را برای پیش‌بینی بازده ETF از ویژگی‌های هم‌پوشانِ مشتق‌شده از قیمت مقایسه می‌کند. ازآنجاکه افق‌های متعدد بازده و خانواده‌های شاخص می‌توانند اطلاعات مشابهی رمزگذاری کنند، کمترین مربعات معمولی ممکن است به ضرایب ناپایدار و متضادی برای…

سهامچنددارایییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی، سبدهای ماهانه لانگ-شورت سهام US را توصیف می‌کند که بر اساس ویژگی‌های شرکت رتبه‌بندی می‌شوند. جهان دارای داده کامل با 46 ویژگی، تصمیم‌گیری در پایان ماه، اجرا در قیمت بازشدن بعدی، وزن‌دهی برابر در بخش‌های لانگ و شورت و هزینه‌های معامله قابل‌توجه…

سهامسرمایه‌گذاری عاملیمومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این راهنما پرسش‌های علّی را به کتابخانه‌های پایتون پیوند می‌دهد و تفاوت میان برآورد اثرها با فرض یک ساختار علّی و کشف ساختارهای احتمالی از داده را روشن می‌کند. یادگیری ماشین دوگانه برای اثرهای تعدیل‌شده درمان، شناسایی و رد مبتنی بر گراف با DoWhy، و روش‌های…

یادگیری ماشینآمارسهامرمزارز
یادگیری ماشین برای معامله‌گری

این چارچوب، بررسی کیفیت داده را روی داده‌های روزانه US سهام OHLCV نشان می‌دهد. اعتبارسنجی ساختاری، روابط قیمت، قیمت‌های مثبت، حجم نامنفی، مقادیر گمشده، تاریخ‌های تکراری، ترتیب زمانی، قیمت‌های راکد و بازده‌های حدی را می‌آزماید. دفترچه با واردکردن خطاهای…

سهامآمارمدیریت ریسکبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه مدل عامل تنزیل تصادفی را برای قیمت‌گذاری مقطعی ETFها معرفی می‌کند. به‌جای برآورد جداگانه مواجهه صندوق‌ها و بازده عوامل، شبکه‌ها را آموزش می‌دهد تا سری مشترکی از عوامل تنزیل بیابند که هم‌تغییری آن با بازده صندوق‌ها، بازده‌های میانگین را توضیح دهد.…

یادگیری ماشینسرمایه‌گذاری عاملیآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه بک‌تست چرخش ماهانه ETF را از بازده سبد تا معاملات شبیه‌سازی‌شده می‌سازد. ده صندوق را با بازده‌های تعدیل‌شده بر اساس ریسک در دوره گذشته رتبه‌بندی می‌کند، از رژیم منحنی بازده خزانه‌داری برای انتخاب میان صندوق‌های برتر و تخصیص دفاعی اوراق قرضه بهره…

آزمون گذشته‌نگرمومنتوماجرای سفارشساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه بهترین قیمت خرید و فروش جاری را برای هر معامله AAPL در یک جلسه معاملاتی در مارس 2020 بازسازی می‌کند و سپس از روش Lee–Ready برای استنباط آغازگر معامله، خریدار یا فروشنده، بهره می‌گیرد. رویدادهای مظنه و معامله را به ترتیب زمان‌مهر در هم می‌آمیزد،…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های مالی و مشتق‌شده از مدل را از نظر توان رتبه‌بندی ETFها بر اساس بازده‌های بعدی غربال می‌کند. ضریب اطلاعاتی روزبه‌روز را با مقایسه رتبه‌های مقطعی هر ویژگی با رتبه‌های بازده آتی محاسبه می‌کند و سپس سری زمانی حاصل را بررسی می‌کند. تحلیل،…

سهامآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه گزارشی قابل‌ممیزی برای استراتژی بیت‌کوین لانگ‌اونلی می‌سازد که با آستانه‌های RSI وارد موقعیت می‌شود و از آن خارج می‌شود. ابتدا نتایج ناخالص و خالص را مقایسه می‌کند و سپس عملکرد را در برابر معیار خرید و نگهداری‌ای می‌سنجد که با همان داده، دوره…

رمزارزبازگشت به میانگینشاخص‌های تکنیکالآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه آزمونی متمرکز را مطرح می‌کند: آیا نمایش دنباله‌ایِ آموخته‌شده از ویژگی‌های فاندینگ پرپچوال، خلاصه‌های دست‌ساز از پریمیوم، یعنی فاصله قیمت‌های پرپچوال و نقدی، را بهبود می‌دهد؟ NLinear را که نگاشتی خطی روی تغییرات یک پنجره اخیر اعمال می‌کند با یک…

رمزارزقراردادهای آتی دائمییادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا انتساب ویژگی‌های SHAP برای پشتیبانی از هرس مدل، تصمیم‌های ریسک یا گزارش‌دهی به‌اندازه کافی پایدار هستند یا نه. ابتدا در یک مسئله پیش‌بینی ETF، نمونه‌های آزمونی را پیدا می‌کند که پیش‌بینی‌هایشان نزدیک اما پروفایل‌های SHAP آن‌ها…

یادگیری ماشینآمارسهام
یادگیری ماشین برای معامله‌گری

این پیکربندی، استراتژی روزانه لانگ-شورت سهام US را توصیف می‌کند که جهان گسترده‌ای از سهام را بر اساس پیش‌بینی‌های مدل رتبه‌بندی می‌کند، دهک برتر را می‌خرد و دهک پایین را با وزن‌های برابر در هر گروه فروش استقراضی می‌کند. اجرای سفارش در قیمت بازشدن جلسه بعد،…

سهامبازارهای آمریکاساخت پرتفویاجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های نامزد را برای هر یک از 20 جفت‌ارز، جداگانه در برابر بازده‌های آتی ارزیابی می‌کند. تحلیل را به دوره‌های اعتبارسنجی واک‌فوروارد محدود می‌کند، هر جلسه را با فولد آن مشخص می‌کند و پیش از دوره کنارگذاشته‌شده فاصله‌ای حائل می‌گذارد تا برچسب‌ها…

فارکسآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پیش‌بینی‌های احتمالاتی چند عامل را ترکیب و احتمال‌های حاصل را کالیبره کنید. روش اکسترمم‌سازی نیمن را معرفی می‌کند که بر اساس اندازه پنل و همبستگی دوتاییِ فرض‌شده، میانگین پیش‌بینی را از نرخ پایه دور می‌کند. همبستگی فرضی کمتر…

آماریادگیری ماشیناحساسات بازار
یادگیری ماشین برای معامله‌گری

این ابزار داده‌ای از کار با مجموعه‌داده قیمت‌گذاری دارایی Chen، Pelger و Zhu پشتیبانی می‌کند؛ مجموعه‌ای شامل بازده سهام، ویژگی‌های شرکت، سری‌های اقتصاد کلان و تانسورهای ویژگی پیش از تفکیک. روش تبدیل آن از تانسورهای آموزش، اعتبارسنجی و آزمون منتشرشده،…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه رتبه‌بندی‌های مدل را به سبدهای ساده قراردادهای پرپچوال کریپتو تبدیل می‌کند. در هر زمان تسویه فاندینگ، یک قاعده ورود قراردادهایی را از بالاترین یا پایین‌ترین بخش رتبه‌بندی انتخاب و وزن‌های برابر به آن‌ها اختصاص می‌دهد. وزن‌دهی برابر نقطه مرجعی…

رمزارزقراردادهای آتی دائمیآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا ویژگی‌های مالی به توضیح برچسب بازده اختیار معامله پوشش‌یافته با دلتا در بازه 10 جلسه کمک می‌کنند یا نه. مدل‌های Ridge را با استفاده از یک ویژگی نوسان ضمنی، گروه‌هایی از ویژگی‌های وابسته و مستقل از نوسان ضمنی، و مجموعه کامل…

اختیار معاملهسهامآماریادگیری ماشین