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 ارزیابی می‌کند که مجموعه‌های پیش‌بینی ثبت‌شده ETF پس از تبدیل به سبد چگونه عمل می‌کنند. هر مجموعه پیش‌بینی اعتبارسنجی را با طرح‌های ورود اعلام‌شده، مانند تعدادهای متفاوت دارایی برتر، ترکیب می‌کند و در عین حال تقویم معاملاتی، تناوب بازتوازن و…

سهامآزمون گذشته‌نگرساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

تفاضل‌گیری کسری، توان غیرصحیح عملگر تفاضل با وقفه را بر قیمت‌های لگاریتمی اعمال می‌کند. وزن‌های دوجمله‌ای آن در مشاهدات گذشته کاهش می‌یابند؛ بنابراین حاصل، تغییرات قیمت را با بخشی از اطلاعات سطحی که باقی مانده ترکیب می‌کند. مرتبه کسری این بده‌بستان را کنترل…

آمارشاخص‌های تکنیکالیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این فصل مسیری از پژوهش تا اجرای واقعی را شرح می‌دهد که بر منطق استراتژی‌ای بنا شده است که می‌تواند در محیط‌های بک‌تست، معاملهٔ کاغذی و معاملهٔ واقعی اجرا شود. یکپارچه‌سازی با کارگزار و پلتفرم، چرخه‌های استقرار، بررسی هم‌خوانی داده و ویژگی، مدیریت چرخه عمر…

اجرای سفارشمدیریت ریسکآزمون گذشته‌نگرریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه مدلی LSTM را شرح می‌دهد که بازده را از پنجره‌های مرتب‌شده ویژگی‌های سهام در پنل سهام US پیش‌بینی می‌کند. برخلاف مدل جدولی تخت، LSTM جلسه‌ها را به‌ترتیب پردازش می‌کند و در هر پنجره حالت پنهان را پیش می‌برد. دروازه‌های آموخته‌شده کنترل می‌کنند چه…

یادگیری ماشینسهامبازارهای آمریکاآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه TimeGAN، یک مدل خصمانه مولد بازگشتی برای تولید توالی‌های مالی مصنوعی را معرفی می‌کند. پنج ماژول آن بازنمایی و بازسازی را می‌آموزند، حالت‌های نهفته پیاپی را پیش‌بینی می‌کنند، از نویز توالی می‌سازند و توالی‌های تولیدشده را از واقعی تشخیص می‌دهند.…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند روشی مشترک برای تولید بخش‌های اعتبارسنجی پیش‌رونده از تنظیمات ارزیابی مطالعات موردی شرح می‌دهد. ساخت بخش‌ها را به تقسیم‌کننده‌ای آگاه از تقویم واگذار می‌کند، از مُهرهای زمانی یکتا استفاده می‌کند تا ردیف‌های پنل هم‌تراز بمانند و از مرز مشخص دوره آزمون…

آزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه با موتور بک‌تست رویدادمحور، قاعده بازگشت به میانگینِ فقط خرید RSI را برای کندل‌های قراردادهای دائمی BTC/USDT پیاده‌سازی می‌کند. مشاهدات درون‌روزی را به کندل‌های روزانه UTC تجمیع می‌کند، شاخص RSI ساده‌ای از سود و زیان غلتان محاسبه می‌کند، هنگام…

رمزارزقراردادهای آتی دائمیبازگشت به میانگینشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه دو آشکارساز ترتیبی را روی خطاهای پیش‌بینی واقعیِ اعتبارسنجی از دو پیکربندی مدل خطی سهام US در طول یک سال تقویمی به کار می‌گیرد. آشکارساز تغییر میانگین با دو پنجره، تغییر در اندازه خطا را می‌جوید؛ پایشگر فراوانی روزهای بد نیز دنبال می‌کند که…

یادگیری ماشینآمارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد که TWAP و VWAP چگونه یک سفارش مادر بزرگ‌حجم را در طول جلسه معاملاتی به سفارش‌های فرزند تقسیم می‌کنند. TWAP سهم‌های برابر را به هر بازه زمانی اختصاص می‌دهد؛ VWAP سهم‌ها را متناسب با پیش‌بینی حجم بازه تخصیص می‌دهد. دفترچه این پیش‌بینی را…

اجرای سفارشریزساختار بازارآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این سند شرح می‌دهد چگونه از مشخصات اعتبارسنجی پیش‌رونده موجود، یک بازه آموزش مدل برای ارزیابی روی دوره آزمون کنارگذاشته‌شده استخراج کنیم. تاریخ‌های اعلام‌شده دوره آزمون را از پیکربندی مطالعه می‌گیرد، زودترین شروع آموزش را در میان بخش‌های اعتبارسنجی پیدا…

آزمون گذشته‌نگریادگیری ماشینمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه برچسب‌های بازده آتی را برای استرادل‌های فروش در قیمت روی سهام S&P 500 می‌سازد. ازآنجاکه استرادل اسمی 30روزه پنل روزانه در هر جلسه قراردادی متفاوت را نشان می‌دهد، جابه‌جایی سری قیمت ابزارها را با هم مخلوط می‌کند. این برچسب به‌جای آن، قراردادهای…

اختیار معاملهنوسانقیمت‌گذاری مشتقه‌هاآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه بیازماییم آیا رویدادهایی مانند سیگنال‌های معاملاتی یا اعلامیه‌ها، بازدهی فراتر از معیار بازار را پیش‌بینی می‌کنند یا نه. گردش کار را با شکست‌های مومنتوم در صندوق‌های قابل معامله نقدشونده نشان می‌دهد: مدل بازار را از بازده‌های…

آمارآزمون گذشته‌نگرمومنتومشکست قیمت
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌پذیری بررسی می‌کند که آیا داده مظنه می‌تواند از استراتژی مقطعیِ خنثی از بازار پشتیبانی کند که اجزای NASDAQ-100 را هر پانزده دقیقه رتبه‌بندی می‌کند و در دو انتهای رتبه‌بندی موقعیت می‌گیرد. بررسی می‌کند آیا نمادهای واجد شرایط به‌اندازه کافی…

سهامریزساختار بازاراجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل دفترهای ثبت غربال ویژگی را در نه مطالعه موردی معاملاتی مقایسه می‌کند. معناداری نرخ کشف کاذب بنجامینی–هوچبرگ را از مسیر تصمیم‌گیری دوم برای PROCEED جدا می‌کند؛ این مسیر حداقل اندازه اثر ویژه هر مورد را با پایداری علامت در بخش‌ها ترکیب می‌کند. چون…

آماریادگیری ماشینآزمون گذشته‌نگرسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این سند بحثی ساختاریافته میان دیدگاه‌های صعودی و نزولی را ثبت می‌کند درباره اینکه آیا فدرال رزرو در طول 2026 نرخ هدف خود را افزایش خواهد داد یا نه. سه ارزیاب این پرسش را بررسی می‌کنند و استدلال‌هایشان بر پیش‌بینی‌های فدرال رزرو، تورم، شرایط بازار کار،…

درآمد ثابتبازارهای آمریکاآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که چگونه تراکنش‌های اشخاص داخلی شرکت را برای پژوهش سهام از فایل‌های خام SEC فرم 4 XML استخراج کنیم. هر بلوک تراکنش را واحد تجزیه می‌گیرد تا پیوند کد تراکنش، تاریخ، تعداد سهام، قیمت و جهت حفظ شود. پیمایش درخت XML مانع آمیختن فیلدهای…

سهامبازارهای آمریکامبتنی بر رویدادآمار
یادگیری ماشین برای معامله‌گری

این دفترچه عوامل مبتنی بر مؤلفه‌های اصلی را از پنل بازده قراردادهای آتی CME می‌سازد، نه از ویژگی‌های مهندسی‌شده‌ای مانند بازده نگهداری، مومنتوم یا نوسان. PCA جهت‌هایی را پیدا می‌کند که تغییرات میان محصولات را توضیح می‌دهند؛ مؤلفه نخست ممکن است به حرکت مشترک…

قراردادهای آتیسرمایه‌گذاری عاملییادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد کنترلی حد ضرر، حد ضرر متحرک و خروج زمانی را در بک‌تست‌های ریزساختار ثابت NASDAQ-100 مقایسه می‌کند. استراتژی هر پانزده دقیقه تصمیم می‌گیرد، درحالی‌که قواعد ریسک قیمت‌ها را هر دقیقه پایش می‌کنند؛ بنابراین این قواعد می‌توانند بین…

مدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیتسهام
یادگیری ماشین برای معامله‌گری

این سند دو رویکرد عامل نهفته را برای بازده قراردادهای آتی معرفی می‌کند. تحلیل مؤلفه‌های اصلی جهت‌های نامرتبطی را پیدا می‌کند که بیشترین تغییرات بازده را توضیح می‌دهند؛ درحالی‌که عامل تنزیل تصادفی عصبی به‌دنبال ترکیب‌هایی مرتبط با مقطع بازده‌های مورد انتظار…

قراردادهای آتییادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های زمینه‌ایِ کم‌تغییر را برای تصمیم‌های معاملاتی روزانه شرح می‌دهد: نسبت‌های حسابداری، شرایط اقتصاد کلان و کدگذاری‌های تقویمی. معیارهای ارزش و کیفیت، مانند بازده سود به قیمت، سودآوری، اقلام تعهدی، اهرم و بازده جریان نقدی را مرور می‌کند و با…

سهامسرمایه‌گذاری عاملیآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه نامزدهای ویژگی را برای استراتژی‌ای بررسی می‌کند که استرادل‌های در قیمت را می‌فروشد و تا سررسید نگه می‌دارد. برای هر روز معاملاتی، رتبه‌بندی مقطعی نمادهای موجود بر اساس یک ویژگی را با رتبه‌بندی نتایج نهایی استرادل آن‌ها مقایسه می‌کند و سپس میزان…

اختیار معاملهبازارهای آمریکاآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی کانفورمال تفکیک‌شده، رگرسیون چندکی کانفورمال‌شده و استنباط کانفورمال تطبیقی را برای پیش‌بینی بازده‌های آتی ETF مقایسه می‌کند. در بخش‌های آزمون پیش‌رونده، مدل را روی یک زیرمجموعه آموزش می‌دهد، خطاهای بازه را روی زیرمجموعه‌ای دیگر کالیبره…

سهامیادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی را به‌صورت پرتفوی‌های سهامِ فقط خرید ارزیابی می‌کند؛ از انتخاب هم‌وزنِ K دارایی برتر و برنامه تصمیم‌گیری تعیین‌شده بر اساس تناوب هر برچسب استفاده می‌کند. ترتیب رویداد از قیمت پایانی تا قیمت آغازین بعدی را با اجرای سیگنال…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند روش‌هایی برای تبدیل رکوردهای دارای تاریخ به آرایه‌هایی برای مطالعات موردی عوامل نهفته شرح می‌دهد. یک روش فقط موجودیت‌هایی را نگه می‌دارد که آستانه پوششِ آموخته‌شده از مجموعه‌داده واجدشرایط‌بودن را برآورده می‌کنند و در نتیجه محور موجودیت ثابتی می‌سازد…

سرمایه‌گذاری عاملیساخت پرتفویآمار