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 ماژول ابزار مشترک، خط لوله‌ای یکپارچه برای تقویت گرادیانی در پژوهش کمی فراهم می‌کند. پیش‌تنظیم‌های ظرفیت را تعریف می‌کند و نام‌های استاندارد پارامترها را به تنظیمات متناظر در LightGBM، XGBoost، CatBoost و تقویت هیستوگرامی scikit-learn نگاشت می‌کند.…

یادگیری ماشینآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه خط‌لوله تیترهای ESG مبتنی بر کلیدواژه را بررسی می‌کند و خروجی ساختاریافته طبقه‌بند را با الزاماتی مقایسه می‌کند که دستیار تولیدِ تقویت‌شده با بازیابی باید برآورده کند. فهرست نخست کلیدواژه‌ها تیترها را انتخاب می‌کند و فهرست دوم برچسب‌های…

احساسات بازاریادگیری ماشینسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه از SHAP برای توضیح احتمال‌های سه‌کلاسه احساسات مالی FinBERT در سطح توکن استفاده می‌کند. نقطه وارسی مدل را ثابت می‌کند، برچسب‌های خروجی را صریحاً هم‌تراز می‌کند و سپس بررسی می‌کند کدام توکن‌ها احتمال کلاس پیش‌بینی‌شده را برای چند تیتر ساخته‌شده…

یادگیری ماشیناحساسات بازار
یادگیری ماشین برای معامله‌گری

این دفترچه ستون‌های ویژگی مبتنی بر مدل را در نه مطالعه موردی بازار، با خواندن طرح‌واره‌های Parquet به‌جای بارگیری مجموعه‌داده‌های کامل، فهرست می‌کند. فیلدهای شناسه را کنار می‌گذارد، ستون‌ها را برحسب بازار می‌شمارد و با استفاده از واژه‌های موجود در نام‌ها،…

یادگیری ماشینآمارچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که جست‌وجو میان عوامل یا استراتژی‌های متعدد چگونه عملکرد ظاهری برنده منتخب را افزایش می‌دهد، حتی اگر برآوردهای جداگانه درست محاسبه شده باشند. مجموعه‌ای شبیه‌سازی‌شده از عوامل نویزی نشان می‌دهد که بزرگ‌ترین ضریب اطلاعات ممکن است بر اثر…

آمارسرمایه‌گذاری عاملیآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه موردی مدل‌های دنباله‌ای را روی پنل ویژگی‌های سهام و اختیار معامله S&P 500 مقایسه می‌کند. یک LSTM را که حالت دروازه‌دار را در پنجره گذشته‌نگر نگه می‌دارد، در کنار خط مبنای N-Linear قرار می‌دهد که سطح اخیر را حذف و یک نگاشت خطی برازش می‌کند. این خط…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه معماری پنج‌بخشی TimeGAN را توضیح می‌دهد: یک جاساز و شبکه بازیابی، مشاهدات خام و فضای نهفته را به یکدیگر نگاشت می‌کنند؛ یک ناظر گذارهای زمانی را می‌آموزد و یک مولد و تمایزدهنده به‌صورت خصمانه آموزش می‌بینند. آموزش مرحله‌ای را شرح می‌دهد و مدل را…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه شارپ ناخالص و خالص را در پیمایش‌های هزینه استراتژی برگرفته از بک‌تست‌های مطالعات موردی مقایسه می‌کند. برای هر پیکربندی استراتژیِ به‌کارگرفته‌شده، هزینه فرضی هر سمت و تناوب بازمتوازن‌سازی را از آثار ثبت‌شده می‌خواند، شارپ را در هزینه فرضی درون‌یابی…

آزمون گذشته‌نگرمدیریت ریسکاجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این سابقه، اجرای یک پژوهش چندعاملی را مستند می‌کند که می‌پرسد آیا ایالات متحده تا پایان 2026 وارد رکود خواهد شد یا نه؛ قاعده حل‌وفصل مشخص‌شده بر انقباض‌های متوالی فصلی GDP یا تاریخ رکود NBER مبتنی است. سه عامل، پیش‌بینی‌های رشد، شاخص‌های رکود، چشم‌انداز…

آماربازارهای آمریکاچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه پنجره‌های غلتان بازده ETF را به تصاویر دوکاناله برای یک شبکه عصبی کانولوشنی تبدیل می‌کند. میدان جمع زاویه‌ای گرامین، مقادیر هر پنجره را باز‌مقیاس می‌کند، آن‌ها را به زاویه تبدیل می‌کند و روابط مثلثاتی میان جفت‌های موقعیت زمانی را ثبت می‌کند. میدان…

یادگیری ماشینآمارسهامآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چرا پوشش ریسک عمومی مبتنی بر وزن هدف برای موتور راهبرد شورت استرادل توصیف‌شده روی شاخص S&P 500 مناسب نیست. موتور سهم‌های ثابت سرمایه را به گروه‌های هفتگی اختصاص می‌دهد و وزن‌ها را در هر گروه طوری نرمال می‌کند که مجموعشان یک شود.…

اختیار معاملهمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند ویژگی‌هایی برای بررسی این موضوع می‌سازد که آیا موقعیت‌گیری شلوغ در قراردادهای آتی دائمی رمزارز، بازده نسبی را پیش‌بینی می‌کند یا نه. جهت پرداخت تأمین مالی، نقش شاخص پریمیوم و دلیل نیاز احتمالی مقادیر خام تأمین مالی یا پریمیوم به بازنمایی‌های مکملی…

رمزارزقراردادهای آتی دائمیریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد که عملکرد اعتبارسنجی یک استراتژی منتخب مبتنی بر ویژگی‌های شرکت‌های US، با تغییر کمیسیون‌ها و لغزش قیمت فرض‌شده چگونه تغییر می‌کند. همان پیکربندی را در شبکه‌ای از هزینه‌های اعلام‌شده دوباره اجرا می‌کند و هر هزینه کل را به‌طور مساوی میان…

سهامآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد پس از انتخاب پیکربندی با داده‌های اعتبارسنجی، چگونه برای دوره نگه‌داشته‌شده دست‌نخورده پیش‌بینی تولید کنید. پیکربندی منتخب را مشخص می‌کند، مشخصات آموزشی آن را برای دوره نگه‌داشته‌شده بازسازی می‌کند و پنجره آموزش را از خط زمانی موجود و…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی مطالعه‌ای درون‌روزی از سیگنال‌های جریان سفارش را در مجموعه سهام NASDAQ-100 بر اساس اطلاعات در نقطه زمانی توصیف می‌کند. زیرمجموعه‌ای را با غربال هزینه و بر مبنای اطلاعات نقدشوندگیِ در دسترس پیش از هر دوره ارزیابی تعریف می‌کند، برنامه‌های…

سهامبازارهای آمریکاریزساختار بازاریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه از مدل آمیخته گاوسی برای گروه‌بندی ماه‌ها بر اساس رفتار مشترک نه سری بازده عامل و طبقه دارایی استفاده می‌کند. مشاهدات ماهانه را استاندارد می‌کند، ماه‌های دارای مقادیر گمشده را کنار می‌گذارد و شمار خوشه‌های نامزد را با BIC، AIC و امتیاز سیلوئت…

سرمایه‌گذاری عاملییادگیری ماشینآمارچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه عاملی برای پیش‌بینی می‌سازد که در حلقه ReAct میان استدلال و کنش جابه‌جا می‌شود. فضای کنش آن عمداً کوچک است: عامل می‌تواند شواهد را جست‌وجو کند یا پیش‌بینی احتمالی ارائه دهد. یک رابط مشترکِ دو‌روشی به حلقه امکان می‌دهد از ارائه‌دهندگان مختلف مدل…

یادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

این دفترچه چالش کشف علّی آزمایشگاه ADIA را به‌عنوان بنچمارکی برای یادگیری الگوها در یک خانواده شبیه‌ساز شناخته‌شده بررسی می‌کند. این وظیفه مجموعه‌های داده مصنوعی بسیاری را همراه با گراف‌های جهت‌دارِ بی‌دورِ معلوم ارائه می‌دهد و سپس مدل‌ها را بر اساس…

یادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تولید پیش‌بینی‌های دوره نگه‌داشته‌شده برای پیکربندی مدل آتی CME را توضیح می‌دهد. پیکربندی با نتایج اعتبارسنجی انتخاب می‌شود و سپس با داده‌هایی که پیش از آغاز پنجره نگه‌داشته‌شده پایان می‌یابند دوباره برازش می‌شود. حائل برچسب، مشاهدات آموزشی را از…

قراردادهای آتیآزمون گذشته‌نگریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه Tail-GAN را رویکردی تخاصمیِ مولد برای ساخت سناریوهای بازده مالی با هدف‌گذاری ارزش در معرض ریسک (VaR) و زیان مورد انتظار دنباله‌ای (ES) توضیح می‌دهد. از مرتب‌سازی مشتق‌پذیر استفاده می‌کند تا گرادیان‌ها از برآوردهای چندکی عبور کنند و برآوردهای ریسک…

یادگیری ماشینمدیریت ریسکنوسانساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه مهندسی ویژگی توضیح می‌دهد که اطلاعات کندتر چگونه می‌توانند از طریق داده‌های بنیادی، اقتصاد کلان و زمینه تقویمی، سیگنال‌های معاملاتی سریع‌تر را مشروط کنند. نسبت‌های ارزشی مانند ارزش دفتری به بازار و بازده سود، سنجه‌های کیفیت مانند بازده حقوق صاحبان…

سرمایه‌گذاری عاملیسهامآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پس از انتخاب مدل و استراتژی در فولدهای اعتبارسنجی، برای یک پیکربندی ریزساختار NASDAQ-100 پیش‌بینی‌های دوره نگه‌داشته‌شده تولید کنید. مشخصات آموزش انتخاب‌شده را بازسازی می‌کند، فولد نگه‌داشته‌شده را از پنجره اعلام‌شده مطالعه…

سهامریزساختار بازاریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این راهنما گزارش‌های عمومی تعهد معامله‌گران CFTC را به‌عنوان منبع داده هفتگی موقعیت‌گیری در بازار آتی معرفی می‌کند. گزارش معامله‌گران در قراردادهای آتی مالی را که مشارکت‌کنندگانی مانند معامله‌گران، مدیران دارایی و سرمایه‌گذاران اهرمی را دسته‌بندی می‌کند، از…

قراردادهای آتیکالاهااحساسات بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این ماژول پایتون روش‌هایی برای سنجش عدم‌قطعیت بک‌تست استراتژی با استفاده از بازده روزانه خارج از نمونه شرح می‌دهد. فواصل بوت‌استرپ بلوکیِ ایستا برای آمار سری بازده، خطای استاندارد شارپ تعدیل‌شده با خودهمبستگی و غیرنرمال‌بودن، و خطاهای استاندارد نیووی–وست…

آزمون گذشته‌نگرآمارمدیریت ریسکساخت پرتفوی