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

327 سند

یادگیری ماشین برای معامله‌گری

این دفترچه از تحلیل مؤلفه‌های اصلی روی بخشی نقدشونده از سهام US برای استخراج عوامل نهفته و ساخت سبدهای ویژه خرید و فروش استقراضی استفاده می‌کند. توضیح می‌دهد که بردارهای استانداردشده PCA چگونه به وزن‌های بازده خام تبدیل و بر اساس مواجهه ناخالص نرمال می‌شوند؛…

سهامسرمایه‌گذاری عاملیآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه منظم‌سازی مدل خطی را برای مجموعه‌ای از جفت‌ارزها بررسی می‌کند که بازده‌هایشان به‌دلیل مظنه‌شدن هر جفت میان ارزهای مشترک به هم وابسته‌اند. هم‌خطی ویژگی‌ها را، که Ridge، lasso و elastic net می‌توانند مدیریت کنند، از وابستگی میان دارایی‌های…

فارکسآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه از بازده تاریخی سهام US برای ساخت شبکه همبستگی و بررسی ساخت سبد استفاده می‌کند. با داده‌های پنجره برآورد، مجموعه‌ای نقدشونده انتخاب می‌کند، همبستگی‌های دوتایی را به فاصله تبدیل می‌کند و درخت پوشای کمینه (MST) را استخراج می‌کند تا بررسی ساختار…

سهامبازارهای آمریکاساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های تعیین اندازه سبد را برای پیکربندی‌های برتر سیگنال سهام S&P 500 مقایسه می‌کند. ابتدا قوی‌ترین نقطه وارسی با پوشش کامل هر پیکربندی را بر اساس شارپ اعتبارسنجی انتخاب می‌کند و سپس تخصیص‌دهندگان جایگزین، ازجمله وزن‌دهی امتیازی، وزن‌دهی…

سهامساخت پرتفویتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از تحلیل مؤلفه‌های اصلی روی بخشی نقدشونده از سهام US، سبدهای ویژه نرمال‌شده بر مبنای مواجهه ناخالص می‌سازد و نقش آن‌ها را به‌عنوان عوامل ریسک نهفته بررسی می‌کند. واریانس تبیین‌شده را می‌سنجد، مؤلفه‌ها را با همبستگی‌های بخشی ETF تفسیر…

سهامسرمایه‌گذاری عاملیآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند یک پیمایش تخصیص پرتفوی FX را توصیف می‌کند که برای جداکردن اندازه موقعیت از انتخاب سیگنال طراحی شده است. کار از نامزدهای خط مبنای وزن برابر و ثابت‌شده‌ای شروع می‌شود که بر اساس عملکرد بک‌تست اعتبارسنجی رتبه‌بندی شده‌اند؛ سپس پیکربندی‌ها را پیش می‌برد…

فارکسساخت پرتفویآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل میان‌موردی بررسی می‌کند که اطلاعات پیش‌بینانه، سنجیده‌شده با ضریب اطلاعاتی (IC)، چگونه در نه مطالعه موردی معاملاتی به شارپ سبد تبدیل می‌شود. نکته اصلی این است که نحوه اجرا این رابطه را میانجی‌گری می‌کند: قواعد ورود، اندازه موقعیت، تناوب بازتنظیم و…

چندداراییآمارآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این مطالعه موردی روش‌های مختلف اندازه موقعیت در آتی CME را با خط مبنای وزن برابر مقایسه می‌کند. توضیح می‌دهد که اندازه‌گذاری معکوس نوسان از نوسان خود هر قرارداد استفاده می‌کند، درحالی‌که روش‌های مبتنی بر کوواریانس روابط میان محصولات را نیز در نظر می‌گیرند.…

قراردادهای آتیتعیین اندازه موقعیتساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه رتبه‌بندی پیش‌بینی جفت‌ارزها را به خط مبنای قابل معامله تبدیل می‌کند. در هر زمان تصمیم‌گیری، از جفت‌ارزهای با بالاترین و پایین‌ترین رتبه، دو بخش خرید و فروش با اندازه برابر تشکیل می‌دهد و سپس آن‌ها را با موتور بک‌تست FX ارزیابی می‌کند. وزن‌دهی…

فارکسمعاملات زوجیآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این ماژول یک تابع هدف مشتق‌پذیر برای یادگیری سرتاسری پرتفوی تعریف می‌کند. وزن‌های ریسک محدودشده هر دارایی را با مقیاس‌دهی نوسان به مواجهه‌های پرتفوی تبدیل می‌کند، میانگین بازده ناخالص دارایی‌های موجود را محاسبه می‌کند و در صورت انتخاب، هزینه‌های معامله را بر…

یادگیری ماشینساخت پرتفویمدیریت ریسکاجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه مبنایی در مرحله سیگنال برای ارزیابی پیش‌بینی‌های مدل روی قراردادهای آتی CME ایجاد می‌کند. در هر تصمیم هفتگی، محصولات را بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌کند، گروه برتر را می‌خرد، از گروه انتهایی فروش استقراضی می‌کند و به هر موقعیت وزن برابر…

قراردادهای آتیآزمون گذشته‌نگرساخت پرتفویاجرای سفارش
یادگیری ماشین برای معامله‌گری

این پیکربندی، آزمایشی برای رتبه‌بندی و متعادل‌سازی دوباره ETF با موقعیت‌های صرفاً خرید را مشخص می‌کند. مجموعه گسترده‌ای شامل 100-ETF تعریف می‌کند که سهام، اوراق قرضه، کالاها و مواجهه‌های منطقه‌ای را دربرمی‌گیرد؛ تصمیم‌ها ماهانه‌اند و اجرا در بازگشایی بعدی…

سهامچندداراییآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه روش Word2Vec skip-gram را برای دارایی‌های سهام نهادی به کار می‌گیرد. هر سبد نهاد را یک جمله، شناسه‌های سهام را توکن و موقعیت‌های مرتب‌شده بر اساس ارزش اعلام‌شده دارایی را ترتیب واژه‌ها در نظر می‌گیرد. سهامی که بارها در بافت‌های سبدی مشابه ظاهر…

سهامیادگیری ماشینساخت پرتفویآمار
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا تعیین اندازه موقعیت بر پایه مدل، در استراتژی ویژگی‌های شرکت‌های US از وزن‌دهی برابر بهتر است یا نه. وزن‌دهی امتیازی را، که سهم بیشتری به نمادهای دارای امتیاز پیش‌بینی‌شده بالاتر اختصاص می‌دهد، با وزن‌دهی کانفورمال مقایسه…

سهامتعیین اندازه موقعیتساخت پرتفویآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این ابزار تحلیل مشترک، مقایسه پیش‌بینی‌های مدل‌های معاملاتی را از طریق سنجه‌های رجیستری و تشخیص‌های سطح پیش‌بینی ممکن می‌کند. نتایج ازپیش‌محاسبه‌شده ضریب اطلاعات را بارگذاری می‌کند، امکان فیلتر اختیاری بر اساس برچسب یا خانواده مدل را دارد و به‌طور پیش‌فرض…

آمارآزمون گذشته‌نگریادگیری ماشینساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند خط مبنایی برای اعتبارسنجی پیش‌بینی‌های مدل درباره قراردادهای آتی CME توضیح می‌دهد. در هر تصمیم هفتگی، محصولات بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌شوند؛ گروه بالایی با موقعیت خرید و گروه پایینی با موقعیت فروش استقراضی نگهداری می‌شوند و وزن محصولات…

قراردادهای آتیآزمون گذشته‌نگرساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفتر فرایندی برای ارزیابی یک مدل رقیب در حالت سایه، پیش از تخصیص سرمایه به آن، ارائه می‌کند. پیش‌بینی‌های ذخیره‌شده یک مدل فعلی ثابت و یک نامزد را مقایسه می‌کند، سبدهای خرید و فروش استقراضی رتبه‌بندی‌شده با وزن برابر می‌سازد، قاعده یکسان هزینه معامله را…

یادگیری ماشینمدیریت ریسکآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفتر چارچوبی برای ارزیابی بک‌تست تخصیص ETF با استفاده از بازده روزانه سبد و معیار مرجع متناظر SPY ارائه می‌کند. معیارهای ریسک و بازده مانند شارپ، سورتینو، کالمار و حداکثر افت سرمایه، معیارهای غلتان، بازیابی افت سرمایه، آلفا و بتای نسبی به معیار مرجع،…

آزمون گذشته‌نگرساخت پرتفویمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد وزن‌دهی سبد را برای راهبرد اختیاری اس‌اندپی 500 که استرادل می‌فروشد مقایسه می‌کند. نمادهای انتخاب‌شده و سایر تنظیمات راهبرد را ثابت نگه می‌دارد و معیار پایه وزن‌دهی برابر را با تخصیص‌دهندگانی جایگزین می‌کند که از پیش‌بینی‌های مدل یا…

اختیار معاملهسهامساخت پرتفویتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیل مؤلفه‌های اصلی PCA را توضیح می‌دهد؛ روشی که ماتریس کوواریانس بازده را با افزودن حاصل‌ضرب خارجیِ وزن‌دار میانگین بازده دوره آموزش تغییر می‌دهد. بردارهای ویژه پیشرو، پرتفوی‌های عاملی ایستا را تعریف می‌کنند؛ افزایش وزن، عوامل را به سمت جهت‌هایی…

سرمایه‌گذاری عاملیآمارساخت پرتفویآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این ابزار روشی برای توضیح بازده راهبرد با مدل‌های سه‌عاملی یا پنج‌عاملی فاما–فرنچ، با امکان افزودن مومنتوم، شرح می‌دهد. داده‌های روزانه عوامل را با بازده راهبرد هم‌تراز می‌کند، بسامد بازده را تشخیص می‌دهد و اگر راهبرد کمتر از روزانه مشاهده شود، بازده عوامل…

سرمایه‌گذاری عاملیآمارمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند ابزارهای مجموعه‌داده را برای آماده‌سازی پنل‌های سری زمانی جهت آموزش مدل و استنباط غلتان شرح می‌دهد. مجموعه‌داده آموزشی توالی‌های لغزان ویژگی‌ها، بازده‌های آتی، مقیاس‌های نوسان‌پذیری و ماسک‌ها را با طول توالی، محدوده تاریخ و گام قابل‌تنظیم…

یادگیری ماشینآزمون گذشته‌نگرساخت پرتفویاجرای سفارش
یادگیری ماشین برای معامله‌گری

این فصل مدیریت ریسک را بخشی از طراحی استراتژی و عملیات زنده معرفی می‌کند. سنجش ریسک دنباله‌ای با ارزش در معرض ریسک و ارزش در معرض ریسک شرطی، عمق و بازیابی افت سرمایه، تجزیه مواجهه، آزمون تنش، کنترل‌های تطبیقی و حاکمیت را پوشش می‌دهد. روش‌های شرح‌داده‌شده…

مدیریت ریسکنوسانآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه بازده عوامل منتشرشده را به‌عنوان اجزای بالقوه ساخت پرتفوی ارزیابی می‌کند. سه پرسش را از هم جدا می‌سازد: آیا میانگین بازده یک عامل از آستانه آماری سخت‌گیرانه عبور می‌کند، آیا عوامل به دلایلی که ممکن است پایدار بمانند یکدیگر را متنوع می‌کنند و در…

سرمایه‌گذاری عاملیآمارساخت پرتفویمدیریت ریسک