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

358 سند

یادگیری ماشین برای معامله‌گری

این دفتر گردش‌کاری برای توصیف سری‌های بازار پیش از مدل‌سازی ارائه می‌کند. با نمودار قیمت‌ها و بازده‌های SPY، سطوح VIX و توزیع بازده آغاز می‌شود تا روندها، خوشه‌بندی نوسان و دنباله‌های سنگین شناسایی شوند. سپس توضیح می‌دهد چگونه آزمون‌های دیکی-فولر افزوده و…

سهامآمارنوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفتر با استفاده از بازده‌های روزانه SPY تحلیل حوزه فرکانس و محدودیت‌های آن را به‌عنوان منبع ویژگی‌های معاملاتی توضیح می‌دهد. تجزیه موجک تغییرات را در باندهایی با مقیاس‌های زمانی پیوسته کندتر جدا می‌کند، در حالی که برآوردهای طیفی توزیع تغییرات بازده میان…

سهامآمارنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفتر توضیح می‌دهد که عدم‌قطعیت مدل می‌تواند فراتر از یک برآورد نقطه‌ای، اطلاعاتی بیفزاید. در آن، یک مدل نوسان تصادفی برازش می‌شود که در آن لگاریتم نوسان نهفته در طول زمان تغییر می‌کند و بازده‌ها از توزیع تی‌استیودنت پیروی می‌کنند. پراکندگی پسین، پهنای…

نوسانیادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی قراردادهای اختیار و ساختار زنجیره را معرفی می‌کند و سپس نمونه‌ای از اختیارهای 2020 اس‌اندپی 500 را در هشت دارایی پایه بررسی می‌کند. درون‌بودن، ارزش ذاتی و زمانی، نوسان ضمنی، یونانی‌ها و شکل‌گیری زنجیره چندبعدی از قیمت اعمال، سررسید و نوع…

اختیار معاملهسهامنوسانقیمت‌گذاری مشتقه‌ها
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 با سه روش از داده‌های دقیقه‌ای NASDAQ-100 ویژگی می‌سازد: رگرسیون خودرگرسیو ناهمگنِ غلتان برای پیش‌بینی واریانس کوتاه‌مدت، تبدیل فوریه برای توصیف ساختار تناوبی فعالیت اخیر، و امضاهای مسیر با عمق دو برای ثبت ترتیب تغییرات قیمت، جریان سفارش و شدت…

سهامنوسانیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه سنجه‌های نوسان را مقایسه می‌کند، یک مدل خودرگرسیو ناهمگن (HAR) برازش می‌دهد و زبری را با نماهای هرست تخمین می‌زند. ابتدا واریانس تحقق‌یافته درون‌روزی را با برآوردگرهای روزانه مقایسه می‌کند، بازده‌های شبانه را از فعالیت جلسه جدا می‌کند و دام‌هایی…

نوسانآمارشاخص‌های تکنیکالآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این فصل رویکردهای کلاسیک تولید داده‌های مالی مصنوعی را توضیح می‌دهد و فرایندهای قیمت در زمان پیوسته، نوسان GARCH، بازنمونه‌گیری بوت‌استرپ و مقایسه مدل‌ها را پوشش می‌دهد. همچنین توضیح می‌دهد مدل‌هایی مانند حرکت براونی هندسی، انتشار جهشی، بازگشت به میانگین و…

آمارنوسانمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه با یادگیری ماشین دوگانه بررسی می‌کند که آیا فاصله نوسان ضمنی منهای نوسان تحقق‌یافته، پس از تعدیل عوامل مخدوش‌گر مشاهده‌شده، با بازده‌های بعدی سهام ارتباط دارد یا خیر. نوسان تحقق‌یافته، مومنتوم سهام و چولگی بازگشت ریسک را به‌عنوان متغیرهای کنترلی…

سهاماختیار معاملهنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه داده‌های معامله و مظنه AlgoSeek در سطح تیک را برای AAPL هنگام سقوط بازار در ماه مارس 16، 2020 بررسی می‌کند. داده‌ها به ساعات عادی معامله محدود می‌شوند؛ ثبت معاملات از به‌روزرسانی‌های NBBO جدا می‌شود و فعالیت درون‌روزی، فاصله قیمت خریدوفروش، اندازه…

سهامریزساختار بازاراجرای سفارشنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از مدل GJR-GARCH، ویژگی‌های نوسان شرطی را برای مطالعه سهام و اختیار معامله S&P 500 می‌سازد. برخلاف قواعد ثابتی که بر قیمت‌های گذشته تکیه دارند، ویژگی‌های برازش‌شده به پنجره برآوردشان وابسته‌اند. بنابراین روش، برنامه بازبرازش را مشخص…

سهاماختیار معاملهنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه زنجیره‌های بزرگ اختیار معامله S&P 500 را برای پژوهش به مجموعه‌داده‌های روزانه و نمادمحور تبدیل کنیم. خلاصه سطح اختیار، قراردادهای نزدیک به دلتاهای مطلق هدف را در بازه‌های سررسید انتخاب می‌کند و سپس نوسان ضمنی در قیمت اعمال، در چند…

اختیار معاملهنوسانقیمت‌گذاری مشتقه‌ها
یادگیری ماشین برای معامله‌گری

این ماژول یک خط مبنای تخصیص ماهانه ETF را با امتیاز مومنتوم تعدیل‌شده بر اساس ریسک تعریف می‌کند: بازده تجمعی گذشته تقسیم بر نوسان تحقق‌یافته سالانه‌شده. وقتی شیب منحنی بازدهِ نرخ سررسید 10‌ساله منهای 2‌ساله از آستانه بیشتر باشد، دارایی‌های با رتبه بالاتر را…

سهامچندداراییمومنتومنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از مدل‌های آمیخته گاوسی، بازده‌های ماهانه ۹ سری از عوامل و بازارِ سهام، اوراق قرضه، ارز و کالا را خوشه‌بندی می‌کند. پس از حذف ماه‌های دارای داده ناقص، سری‌ها را استاندارد می‌کند تا تفاوت مقیاس بر خوشه‌بندی غالب نشود. تعداد خوشه‌های…

چندداراییسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه آموزشی ویژگی‌های مشتق‌شده از قیمت و حجم را که در پژوهش کمی به کار می‌روند مرور می‌کند. بازده‌های ساده و لگاریتمی در افق‌های مختلف، مومنتوم با حذف یک دوره، بازده‌های شبانه و درون‌روزی، فاصله از میانگین متحرک، سنجه‌های روند و بازگشت، چند برآوردگر…

سهامشاخص‌های تکنیکالنوسانمومنتوم
یادگیری ماشین برای معامله‌گری

این مطالعه موردی، استرادل‌های فروش استقراضیِ در قیمت اعمال فعلی را روی اجزای S&P 500 ارزیابی می‌کند که هر هفته وارد و تا سررسید نگه‌داری می‌شوند و پوشش دلتا روزانه دارند. انتخاب روش‌شناختی اصلی آن، مدل‌سازی بازده تا سررسید است: موقعیت اختیار معامله اسپرد…

اختیار معاملهنوسانآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه یک GAN سیگ‌واسرشتاینِ بدون شرط برای تولید سری‌های زمانی مالی ارائه می‌کند. این روش، تفکیک‌گری را که میان داده واقعی و تولیدشده تمایز یاد می‌گیرد، با فاصله‌ای مبتنی بر امضاهای موردانتظار مسیر جایگزین می‌کند؛ امضاها خلاصه‌های ریاضی حرکت‌های متوالی…

یادگیری ماشینآمارسهامنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه سازگارکردن Diffusion-TS را برای تولید دنباله‌های بازده مصنوعی ETF شرح می‌دهد. مدل حذف‌کننده نویز، دنباله پاک را به‌شکل مجموع مؤلفه‌های روند چندجمله‌ای، فصلی فوریه‌ای و باقیمانده پیش‌بینی می‌کند؛ در همین حال، تابع زیان ترکیبی در حوزه زمان و فوریه،…

یادگیری ماشینآمارنوسانچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از بازده‌های روزانه ETF توضیح می‌دهد که مدل‌های GARCH چگونه خوشه‌بندی نوسان را ثبت و به ویژگی‌ای نشست‌به‌نشست تبدیل می‌کنند. ابتدا از تشخیص‌های دیداری و آزمون ARCH-LM استفاده می‌کند تا بسنجد آیا بازده‌های مجذور به وقفه‌های خود…

نوسانآمارمدیریت ریسکسهام
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 مدل‌های درختیِ تقویت‌شده با گرادیان را روی ویژگی‌های بازار اختیار معامله برازش می‌دهد؛ ویژگی‌هایی که پیش‌بینی‌هایی مانند نوسان ضمنی، چولگی، ساختار سررسید و صرف ریسک واریانس را کدگذاری می‌کنند. ظرفیت درخت و انتخاب‌های تابع زیان رگرسیون را میان…

اختیار معاملهیادگیری ماشیننوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه اندازه‌گذاری موقعیت را به تحلیل بیشینهٔ حرکت نامطلوب و مطلوب قیمت پیوند می‌دهد. اندازه‌گذاری با درصد ثابت را نشان می‌دهد که در آن تعداد سهم‌ها بر اساس بودجهٔ ریسک پرتفوی و فاصلهٔ ورود تا حد ضرر تعیین می‌شود و سقفی برای تمرکز موقعیت دارد. همچنین…

تعیین اندازه موقعیتمدیریت ریسکنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ساخت ویژگی از داده‌هایی فراتر از تاریخچهٔ قیمت یک دارایی را توضیح می‌دهد. بازده رول قراردادهای آتی را به‌صورت سالانه‌شده از قیمت‌های هم‌زمان قرارداد نزدیک و قراردادهای با سررسید دور استخراج می‌کند و از سه سررسید برای محاسبهٔ شیب نرمال‌شدهٔ منحنی و…

قراردادهای آتیاختیار معاملههزینه/درآمد نگهداری موقعیتنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد مدل‌های مارکوف پنهان چگونه وضعیت‌های مشاهده‌نشده بازار را از بازده‌ها و نوسان اخیر استنباط می‌کنند. ابتدا قواعد ساده‌ای برای مقایسه تعریف می‌کند: آستانه شاخص نوسان برای تنش و قیمت نسبت به میانگین متحرک بلندمدت برای روند. نمونه دوحالته…

یادگیری ماشینآمارنوسانشاخص‌های تکنیکال