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.
2,112 سند
این دفترچه TSMixer را برای پیش‌بینی بازده آتی ETF بر پایه ویژگی‌های مومنتوم تاریخی به‌کار می‌گیرد. معماری آن یک تبدیل خطی مشترک را در محور زمان با یک ترکیب‌کننده ویژگی MLP ترکیب می‌کند که جداگانه در هر تاریخ اعمال می‌شود. پیش‌نرمال‌سازی و اتصالات باقیمانده…
این دفترچه توضیح می‌دهد چرا نسبت شارپ مشاهده‌شده یک استراتژی، هنگام گزینش آن از میان آزمون‌های متعدد، به تعدیل نیاز دارد. نسبت شارپ تعدیل‌شده (DSR) را معرفی می‌کند که نتیجه منتخب را با معیاری مقایسه می‌کند که با تعداد و پراکندگی استراتژی‌های آزموده‌شده…
این دفترچه تنظیم دقیق ترنسفورمر برای شناسایی موجودیت‌های نام‌دار مالی را توضیح می‌دهد؛ کاری که بازه‌هایی مانند سازمان‌ها، افراد، مبالغ، تاریخ‌ها و درصدها را در متن مشخص می‌کند. تمرکز آن بر برچسب‌های مرزی BIO و مسئله هم‌ترازی میان حاشیه‌نویسی‌های واژه‌ای و…
این دفترچه یک خودرمزگذار نظارت‌شده را با سهام روزانه US سازگار می‌کند. مدل ویژگی‌های رتبه‌بندی‌شده قیمت و حجم را بازسازی می‌کند، درحالی‌که سرهای طبقه‌بندی کمکی و اصلی، بازنمایی نهفته مشترکی را آموزش می‌دهند تا مثبت‌بودن بازده را در چند افق آتی پیش‌بینی کند.…
این دفترچه روندی برای کیفیت داده‌های روزانه سهام US از نوع OHLCV نشان می‌دهد. بررسی‌های ساختاری شامل مقادیر تهی، موارد تکراری، ترتیب زمانی، سازگاری قیمت، مقادیر منفی، قیمت‌های مانده و بازده‌های حدی است. سپس اعتبارسنجی ساختاری را از شناسایی ناهنجاری جدا…
این راهنمای مجموعه‌داده، پنل ماهانه سهام US را توصیف می‌کند که شامل شرکت‌های ناشناس و ویژگی‌های آن‌هاست و در پژوهش قیمت‌گذاری دارایی با یادگیری ماشین به کار می‌رود. داده‌ها شامل ویژگی‌های حسابداری و فنی، بازده‌ها و دوره‌های ازپیش‌تعریف‌شده آموزش و آزمون…
این دفترچه روندی برای کاهش مجموعه بزرگی از ویژگی‌های ETF به نامزدهایی برای مدل‌سازی بعدی ارائه می‌کند. ویژگی‌ها را با ضرایب اطلاعاتی اسپیرمنِ مقطعی در برابر بازده‌های آتی رتبه‌بندی می‌کند؛ این ضرایب برحسب تاریخ محاسبه و سپس میانگین‌گیری می‌شوند. آماره‌های…
این دفترچه توضیح می‌دهد عامل تنزیل تصادفی (SDF) چگونه مقطع سیگنال‌های اختیار معامله سهام را قیمت‌گذاری می‌کند. برخلاف مدل‌های عاملی که مواجهه‌ها و بازده عوامل را برآورد می‌کنند، رویکرد SDF یک متغیر تصادفی برآورد می‌کند که قیمت‌گذاری بازده دارایی‌ها را…
این سند توضیح می‌دهد چگونه برچسب‌های بازده آتی و جهت را برای پژوهش درون‌روزی NASDAQ-100 بسازیم. بازده را با قرارداد اجرایی مشخصی تعریف می‌کند: قیمت پایانی یک کندل را مشاهده کنید، در کندل بعدی وارد معامله شوید و نتیجه را طی مدتی تنظیم‌شده بسنجید. قیمت‌های…
این دفترچه TabM، طرحی از شبکه عصبی برای داده‌های جدولی، را روی ویژگی‌های ماهانه شرکت‌ها بررسی می‌کند. سه پیش‌تنظیم را مقایسه می‌کند که با ثابت‌ماندن دیگر تنظیمات آموزش، عرض لایه پنهان و تعداد مدل‌های مجموعه را افزایش می‌دهند. اجراکننده مشترک هدف یادگیری را…
این دفترچه استراتژی سهام و اختیار معامله S&P 500 را که پیش‌تر انتخاب شده، روی پیش‌بینی‌های یک دوره نگه‌داشته‌شده جداگانه در 2021 اعمال می‌کند. پیکربندی منتخب، از جمله تخصیص‌دهنده، قواعد تمرکز، پوشش ریسک و هزینه‌های معاملاتی، بدون تغییر حفظ می‌شود و…
این فصل چارچوب حاکمیت پس از استقرار برای سامانه‌های معاملاتی یادگیری ماشین را ترسیم می‌کند. خطاهای فنی، که در آن‌ها ورودی‌های یکسان خروجی‌های متفاوتی می‌دهند، از افت آماری، که در آن خروجی‌ها دیگر بازده را پیش‌بینی نمی‌کنند، جدا می‌شوند. چارچوب، شناسایی از…
این نمایه عوامل نهفته را به‌عنوان الگوهای مشترکی معرفی می‌کند که از حرکت هم‌زمان بازده سهام استخراج می‌شوند؛ بار عاملی هر سهم میزان مواجهه آن با یک الگو را نشان می‌دهد. تحلیل مؤلفه‌های اصلی را، که عوامل و بارهای سهام را فقط از بازده‌ها برآورد می‌کند، با…
این تحلیل توضیح می‌دهد که چگونه ضرایب اطلاعاتی را برای مجموعه‌ای از مدل‌های پیش‌بینی آتی CME بخوانیم. در آن، IC هر تاریخ به‌صورت همبستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته در محصولات تعریف می‌شود؛ سپس مقادیر روزانه در میان بخش‌ها میانگین‌گیری…
این دفترچه سه عامل پژوهشی را با تنظیماتی یکسان درباره پرسشی پیرامون رکود به کار می‌گیرد؛ یا با بازپخش یک ثبت ذخیره‌شده، یا با اجرای هم‌زمان مدل‌های زنده و جست‌وجو. احتمال، میزان اطمینان، فعالیت گردآوری شواهد و خط زمانی گفت‌وگوی هر عامل را ثبت می‌کند و سپس…
این دفترچه طبقه‌بندی معاملات لی-ردی را با برچسب‌های سمت مهاجم در داده‌های سفارش‌به‌سفارش نزدک می‌آزماید. دفتر سفارش محدود را از پیام‌های افزودن، تغییر، لغو، اجرا و بازنشانی بازسازی می‌کند و سپس هر معامله را با بهترین قیمت خرید و فروش هم‌زمان آن تراز می‌کند.…
این دفترچه، بک‌تست‌های ثبت‌شدهٔ یک مطالعهٔ موردی ETF را در ارزیابی استراتژی با درنظرگرفتن عدم‌قطعیت گرد هم می‌آورد. معیارهای عملکرد را همراه با بازه‌های اطمینان بوت‌استرپ بلوکی می‌خواند و از بوت‌استرپ‌های جفت‌شده برای مقایسهٔ مراحل پیاپی خط لوله، گونه‌های…
این دفترچه توضیح می‌دهد چگونه پنل کلانی که با دوره مورد سنجش تاریخ‌گذاری شده است می‌تواند اطلاعات آینده را به بک‌تست معاملاتی نشت دهد. تاریخ انتشار را با افزودن طول دوره به تاریخ ثبت‌شده برآورد می‌کند و سپس با تکیه بر برنامه نهادها، تأخیر انتشار…
این دفترچه از TreeSHAP برای توضیح پیش‌بینی بازده LightGBM استفاده می‌کند؛ از جمله اهمیت کلی ویژگی‌ها، توضیح پیش‌بینی‌های منفرد، نمودارهای وابستگی و مقادیر برهم‌کنش دوتایی. رتبه‌بندی‌های SHAP را با اهمیت جایگشتی و اهمیت ناخالصی مبتنی بر درخت مقایسه می‌کند تا…
این دفترچه DeePM را پیاده‌سازی می‌کند؛ یک سیاست سرتاسری پرتفوی برای مجموعه متنوعی از ETF. مدل آن ویژگی‌های زمانی، فراداده دارایی‌ها، توجه مقطعی و پیشین گراف کلان را ترکیب می‌کند؛ پیشین گراف اجازه توجه درون طبقات دارایی و میان پیوندهای منتخب با انگیزه اقتصادی…
این دفترچه تیترهای مالی را به سیگنال‌های سطح سهام تبدیل می‌کند و آن‌ها را در برابر بازده‌های آتی می‌سنجد. تیترها را تعبیه می‌کند، غافلگیری خبری را به‌صورت فاصله معنایی از مبنای متحرک تعبیه‌ها می‌سنجد و آن را با جهت احساسات ترکیب می‌کند تا خبرهای صعودیِ…
این سند توضیح می‌دهد چگونه یک استراتژی سهام US را که پیش‌تر انتخاب شده، با پیکربندی ثابت روی داده‌های نگه‌داشته‌شده ارزیابی کنیم. مجموعه پیش‌بینی درست را از هویت آموزشی مدل منتخب و نقطه وارسی آن به دست می‌آورد؛ سپس تخصیص‌گر، قواعد تمرکز، تناوب بازتوازن، لایه…
این دفترچه خط لوله‌ای را برای استخراج روابط تأمین‌کننده، مشتری و رقیب از گزارش‌های سالانه شرکت‌ها و ذخیره آن‌ها در گراف دانش نشان می‌دهد. یک مدل زبانی محلی، سه‌تایی‌های پیشنهادیِ موضوع، رابطه و موجودیت را از متن پرونده‌ها می‌سازد. سپس گردش کار نام موجودیت‌ها…
این سند توضیح می‌دهد چگونه از سه مدل سری زمانی برازش‌شده، ویژگی‌هایی برای جفت‌ارزها بسازیم: فیلتر فضای حالت برای برآورد سطح قیمتی که به‌آرامی تغییر می‌کند، مدل مارکوف پنهان دوحالته برای رژیم‌های نوسان دلار و مدل ARIMA که خطاهای پیش‌بینی یک‌گام آن بیانگر…