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 می‌سنجد که هزینه‌های معامله چگونه بر استراتژی‌هایی اثر می‌گذارند که پیش‌تر در مراحل انتخاب سیگنال، تخصیص و لایه کنترل ریسک انتخاب شده‌اند. پیش از تغییر هزینه‌ها، برای هر برچسب یک پیکربندی منتخبِ اعتبارسنجی را ثابت نگه می‌دارد؛ بنابراین منحنی‌ها…
این سند ماشین حالت مشترکی برای توقف خودکار معاملات با وضعیت‌های بسته، باز و نیمه‌باز ارائه می‌کند. این چرخه را برای چهار وضعیت به کار می‌گیرد: افت سرمایه پرتفوی، زیان روزانه، جلسات زیان‌ده متوالی و تأخیر سامانه. پس از مهلت بازیابی، مدارشکن وارد وضعیت…
این دفترچه می‌پرسد آیا مدل‌های دنباله‌ای می‌توانند از خلاصه‌های دست‌سازِ تاریخچه پریمیوم تأمین مالی دائمی بهتر عمل کنند یا نه. مدل خطی ساده NLinear را که یک پنجره مرتب‌شده می‌خواند، با یک LSTM دو‌لایه مقایسه می‌کند. هر دو از ترتیب ویژگی، بخش‌های آزمون…
این سند توضیح می‌دهد چرا نمی‌توان حد ضرر، حد ضرر متحرک و خروج زمانی را در مطالعه‌ای ارزیابی کرد که بک‌تست آن وزن‌ها را در طول یک ماه نگه می‌دارد و فقط بازده آتی تحقق‌یافته ماهانه را مشاهده می‌کند. این قواعد به مسیر قیمت میان ورود و خروج وابسته‌اند؛ بدون…
این سند فرایندی برای ارزیابی بک‌تست‌های ریزساختارِ ثبت‌شده NASDAQ-100 شرح می‌دهد. اجراهای موجود را می‌خواند، نه اینکه مدل‌ها را آموزش دهد یا بک‌تست‌ها را دوباره اجرا کند؛ تبار استراتژی‌های منتخب را دنبال می‌کند، نامزدها را با معیار وزن‌دهی یکسان مقایسه…
این سند روشی مرحله‌ای برای تطبیق نام شرکت‌ها در داده‌های جایگزین، پرونده‌ها، اخبار و منابع قیمت با اوراق بهادار ارائه می‌کند. ابتدا بر اساس شناسه‌های موجود و به‌ترتیب اعتماد مشخص‌شده پیوند می‌زند، رکوردهای تطبیق‌نیافته را حفظ می‌کند و یکتایی کلیدهای مرجع را…
این سند ساخت ماتریس ویژگی مقطعی برای سهام S&P 500 را با ترکیب تاریخچه تعدیل‌شده قیمت سهام و سطوح خلاصه‌شده نوسان ضمنی اختیار معامله شرح می‌دهد. ویژگی‌ها را بر اساس نقش، ورودی، دوره بازنگری و تأخیر مشاهده‌پذیری سازمان‌دهی می‌کند. مقادیر مشتق‌شده از اختیار…
این دفترچه مجموعه‌ای از عوامل پژوهشی یکسان را اجرا یا بازپخش می‌کند که به پرسشی مشترک درباره پیش‌بینی پاسخ می‌دهند؛ سپس پیش‌بینی‌ها، فعالیت جست‌وجو و رد گفت‌وگوهای آن‌ها را بررسی می‌کند. ثبت جداگانه رد هر عامل، انتساب را در فراخوانی‌های موازی حفظ می‌کند.…
این دفترچه برچسب‌های بازده کل ماهانه را برای مطالعه مقطعی ویژگی‌های بنگاه‌های US تعریف می‌کند و انطباق این نتایج با ردیف‌های ارائه‌دهنده داده را می‌سنجد. در پنل، ویژگی‌های ماه قبل با بازده ماهی که ردیف به آن تاریخ‌گذاری شده جفت می‌شوند؛ بنابراین جلو بردن…
این دفترچه نشان می‌دهد که هزینه‌های صریح اجرا چگونه می‌توانند بازده ناخالص یک استراتژی فرضی درون‌روزی را کاهش دهند. مبنای آن، اسپرد عبوریِ میانه و وزن‌دهی‌شده با حجم در میان اجزای NASDAQ-100 است؛ سپس با افزودن اثر بازار، لغزش قیمت و کارمزدهای فرضی، سناریوهای…
این دفترچه توضیح می‌دهد که شبکه کانولوشنی زمانی (TCN) چگونه می‌تواند بازده را از داده‌های مالی مرتب‌شده پیش‌بینی کند. کانولوشن‌های علّی تضمین می‌کنند خروجی هر زمان فقط به ورودی‌های همان زمان و پیش از آن وابسته باشد. اتساع‌ها میدان دید را به‌صورت هندسی در…
این سند روشی رویدادمحور برای نگهداری تعداد محدودی موقعیت درون‌روزی ارائه می‌کند. پیش‌بینی‌ها با استفاده از تازه‌ترین امتیاز موجود و با رعایت حد اختیاری تازگی، با کندل‌های قیمت هم‌تراز می‌شوند. سیگنال‌های ورود از چندک غلتانی استفاده می‌کنند که برای هر دارایی…
این مطالعه موردی پیش‌بینی‌های ذخیره‌شده مدل برای سهام US را به سبدهای خرید-فروش استقراضی با وزن برابر تبدیل می‌کند. چند طرح ورود را می‌آزماید که هر یک برای موقعیت خرید نام‌های دارای بالاترین رتبه و برای فروش استقراضی نام‌های دارای پایین‌ترین رتبه را…
این سند چند روش تبدیل امتیازهای پیش‌بینی به سیگنال معاملاتی را شرح می‌دهد: برش‌های ثابت، صدک‌های غلتان برای هر دارایی و صدک‌های مقطعی. آستانه‌های ثابت از سطح امتیاز انتخاب‌شده استفاده می‌کنند؛ آستانه‌های غلتان با توزیع اخیر امتیازهای دارایی سازگار می‌شوند؛…
این دفترچه استراتژی منتخب ارز خارجی و تبار مجموعه نگه‌داشته‌شده آن را با استفاده از مصنوعات پژوهشی ثبت‌شده بررسی می‌کند. انتخاب را از مجموعه نامزدهای اعتبارسنجیِ تثبیت‌شده بازتولید می‌کند و بک‌تست‌های واجد شرایط و دارای سرمایه را بر اساس شارپ اعتبارسنجی با…
این مطالعه رویدادی از مدل‌های سری زمانی ساختاری بیزی برای برآورد اثر اعلامیه‌های فدرال رزرو بر یک ETF استفاده می‌کند. این مطالعه رابطه دارایی هدف با بازده ETF منتخب سهام بین‌المللی و کالا را در بازه پیش از رویداد می‌آموزد، سپس بازده‌های مشاهده‌شده پس از…
این دفترچه رژیم‌های توصیفی بازار را از داده‌های ماهانه اقتصادی فدرال رزرو می‌سازد: بیکاری، نرخ وجوه فدرال، منحنی بازده خزانه‌داری و تورم. روش هم‌ترازی سری‌هایی با بسامد انتشار متفاوت، تبدیل سطوح دارای روند به نرخ تغییر و تخصیص برچسب اقتصادی به خوشه‌های…
این سند ابزارهایی برای مقایسه استراتژی‌های معاملاتی ثبت‌شده و گردآوری ارزیابی‌های ساختاریافته مطالعات موردی شرح می‌دهد. یک روش رتبه‌بندی اصلی، سری‌های بازده را پیش از محاسبه سنجه‌های سبد به زمان‌مهرهای دقیقاً مشترک محدود می‌کند تا هر نامزد بر مبنای داده‌های…
این دفترچه یک مسئله شبیه‌سازی‌شده بازارسازی می‌سازد که در آن یک عامل بهینه‌سازی سیاست مجاور، کجی مظنه و پهنای اسپرد را انتخاب می‌کند. محیط از فرایند نوسان GARCH کالیبره‌شده با بازده‌های ساعتی قراردادهای آتی دائمی رمزارز، قیمت رزروی که مظنه‌ها را در خلاف جهت…
این دفترچه sklearn HistGradientBoosting، XGBoost، LightGBM و CatBoost را در یک مسئله پیش‌بینی بازده ETF مقایسه می‌کند. ضریب اطلاعات مقطعی، زمان آموزش و حافظه فرایند را در اجراهای CPU و، در صورت پشتیبانی، GPU می‌سنجد و از پیش‌تنظیم‌های مدل سبک، متوسط و سنگین…
این دفترچه عملکرد یک استراتژی مومنتوم ماهانه ثابت ETF را در شرایط مختلف نوسان، روند و منحنی بازده بررسی می‌کند. برچسب‌های رژیم طوری طراحی شده‌اند که پیش از بازدهی که توصیف می‌کنند معلوم باشند: نوسان و روند شاخص با قیمت‌های پایانی قبلی سنجیده و با میانه‌های…
این دفترچه پیش‌بینی‌های مقطعی سهام را با رتبه‌بندی در هر بازتنظیم سبد، به سبدهای خرید-فروش استقراضی تبدیل می‌کند: سهام برتر را می‌خرد و به همان میزان سرمایه برای هر موقعیت، سهام انتهای رتبه‌بندی را استقراض و می‌فروشد. وزن‌دهی برابر یک خط پایه فراهم می‌کند تا…
این دفترچه داده‌های اسناد 10-K و 8-K شاخص S&P 100 را که برای ساخت گراف دانش مالی در نظر گرفته شده‌اند، پیش‌نمایش می‌کند. کامل‌بودن طرح‌واره، یکتایی کلیدهای شرکت و شماره پذیرش، سازگاری نوع فرم، سال ثبت و طول متن ثبت‌شده را بررسی می‌کند. گزارش‌های سالانه شرح…
این دفترچه روندی برای انتخاب ویژگی در پژوهش ETF ارائه می‌کند که هدفش محدودکردن تعداد زیادی تبدیل و پنجره گذشته‌نگرِ نامزد به مجموعه‌ای کوچک‌تر برای مدل‌سازی بعدی است. ضریب اطلاعات اسپیرمن مقطعی میان ویژگی‌ها و بازده‌های آینده را محاسبه می‌کند و روابط روزانه…