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.
807 سند
این دفترچه یک مدل دنباله‌ای LSTM را برای پیش‌بینی بازده سهام از پنجره‌های مرتب‌شده ویژگی‌های اخیر شرح می‌دهد. هر نمونه برای یک سهم از 60 نشست پی‌درپی استفاده می‌کند؛ پنجره‌هایی که از شکاف‌های فهرست‌شدن، توقف‌ها یا وقفه‌های دیگر عبور می‌کنند حذف می‌شوند تا…
این دفترچه ان‌لاینیر را ارزیابی می‌کند؛ مدلی حداقلی برای دنباله‌ها که آخرین سطح مشاهده‌شده را از هر پنجره بازنگری کم می‌کند و مقادیر باقی‌مانده را به یک پیش‌بینی نگاشت می‌دهد. سادگی آن، این مدل را به معیار مفیدی برای معماری‌های دنباله‌ای پیچیده‌تر تبدیل…
این سند مطالعه‌ای پیش‌رونده را توصیف می‌کند که در آن شبکه‌های عصبی تب‌ام بازده ماهانه را از ویژگی‌های شرکت پیش‌بینی می‌کنند. چون اجراکننده مشترک آموزش، تابع هدف را برای رگرسیون روی خطای مربعی و برای طبقه‌بندی روی آنتروپی متقاطع ثابت می‌کند، آزمایش به‌جای…
این دفترچه روش‌های تشخیص تغییر در سری زمانی مالی را با استفاده از SPY به‌عنوان نمونه مرور می‌کند. آزمون Zivot–Andrews را که هنگام آزمودن فرض ریشه واحد، یک شکست را برآورد می‌کند، با PELT و بخش‌بندی دودویی مقایسه می‌کند؛ این دو سری را بر پایه هزینه و جریمه…
این دفترچه یک مدل ازپیش‌آموزش‌دیده احساسات مالی را روی تیترهای FinMarBa ارزیابی می‌کند و توضیح می‌دهد چرا نتیجه، آزمون خالصی از انتقال احساسات نیست. FinBERT با قضاوت‌های انسانی درباره احساس متن آموزش دیده است، در حالی که برچسب‌های منفی، خنثی و مثبت FinMarBa…
این دفترچه مدل‌های دنباله‌ای روی شبکه هفتگی را برای پیش‌بینی همان بازده آتی پنج‌جلسه‌ایِ به‌کاررفته در شبکه روزانه مقایسه می‌کند. نمونه‌برداری در روزهای جمعه، آن برچسب را تقریباً به هدف یک‌گام‌بعد تبدیل می‌کند و امکان مقایسه صورت‌بندی رگرسیون مستقیم با مدل…
این دفترچه دستیار پژوهشیِ تقویت‌شده با بازیابی را بر پایه گزیده‌هایی از پرونده‌های 10-K شرکت‌های US می‌سازد. پرونده‌ها را بارگذاری می‌کند، متن را به بازه‌های جمله‌ای تقسیم می‌کند، قطعه‌ها را با مدل محلی به بردار تبدیل می‌کند و برای جست‌وجوی شباهت نمایه‌سازی…
این دفترچه آموزش یک شبکه مولد تخاصمی را روی ویژگی‌های روزانه ETF با حریم خصوصی تفاضلی نشان می‌دهد. ابتدا تضمین و بودجه حریم خصوصی را معرفی می‌کند، سپس با Opacus گرادیان متمایزگر هر نمونه را برش می‌دهد، پیش از آنکه گرادیان‌ها تجمیع و نویز کالیبره‌شده اضافه…
این دفترچه TabM، یک تجمیع عصبی با اشتراک وزن، را برای هدف‌های بازده سهامِ ساخته‌شده از ویژگی‌های اختیار سهام به کار می‌گیرد. اعضای آن از هسته شبکه‌ای دولایه مشترک، بردارهای مقیاس‌بندی فعال‌سازی جداگانه و سرهای خروجی‌ای استفاده می‌کنند که پیش‌بینی‌هایشان…
این فصل روش‌های تولید داده مالی مصنوعی و راه‌های سنجش سودمندی خروجی را مرور می‌کند. از محدود بودن مسیرهای واقعی بازار و این خطر آغاز می‌کند که جست‌وجوهای مکرر استراتژی، عملکرد ظاهری بک‌تست را بزرگ‌نمایی کنند. روش‌های پایه شبیه‌سازیِ تفسیرپذیر، از جمله…
این دفترچه تحلیل یادگیری ماشین دوگانه‌ای را درباره اثر صرف ریسک واریانس بر بازده اختیارهای S&P 500 تا سررسید تعریف و اجرا می‌کند. پیش از اجرا، کمیت هدف، زمان‌بندی مشاهدات، عوامل مخدوش‌کننده، طرح اعتبارسنجی متقاطع زمانی، مدل مزاحم، طرح کوواریانس HAC و روش…
این دفترچه TabM را روی جدولی تخت از ویژگی‌های سهام US به کار می‌گیرد و آن را میان مدل‌های خطی جریمه‌دار و تجمیع‌های درختی قرار می‌دهد. اعضای هر تجمیع، یک هسته شبکه عصبی مشترک دارند، اما هرکدام بردار مقیاس‌بندی و لایه خروجی خود را دارند؛ میانگین‌گیری پیش‌بینی…
این دفترچه خودرمزگذاری نظارت‌شده را شرح می‌دهد که ردیف‌های ویژگی ETF را به بازنمایی کم‌بعد فشرده می‌کند و بازده‌های آتی را مستقیماً از آن بازنمایی پیش‌بینی می‌کند. برخلاف خودرمزگذار شرطی، فرض نمی‌کند که بازده‌ها از مجموعه کوچکی از حرکات عامل مشترک ناشی…
این دفترچه مدل‌های ریج، لاسو و الاستیک‌نت را روی مجموعه گسترده‌ای از ویژگی‌های شناخته‌شده سهام US برازش می‌کند؛ از جمله سنجه‌های ارزش، سودآوری، سرمایه‌گذاری، مومنتوم، اندازه، ریسک و نقدشوندگی. بازده‌های ماهانه خام، هدف بازده وینسورایزشده در مقطع عرضی و یک…
این تحلیل، مدل‌های پیش‌بینی ثبت‌شده ETF را از چند خانواده روی پنل مشترکی میان دارایی‌ها مقایسه می‌کند. بررسی می‌کند هر مدل با استفاده از ضرایب اطلاعاتی تا چه حد صندوق‌ها را بر اساس بازده‌های بعدی رتبه‌بندی می‌کند، بازه‌های اطمینان و ثبات در سطح بخش را…
این دفترچه سه روش تبدیل پیش‌بینی‌های بازده با علامت مثبت یا منفی به موقعیت‌های دودویی را مقایسه می‌کند: آستانه ثابت صفر، صدک دنباله‌روِ امتیازهای هر نماد و صدک مقطعی میان نمادها. فعال‌شدن سیگنال و تغییر حالت را در پیش‌بینی‌های اعتبارسنجی ثبت‌شده برای ETFها و…
این سند خودرمزگذار نظارت‌شده را به‌عنوان یک مدل مرجع برای مقایسه با مدل‌های عامل نهفته شرطی معرفی می‌کند. این مدل ویژگی‌های شرکت را مستقیماً به بازده‌های آتی نگاشت می‌کند و هم‌زمان 57 ورودی را از طریق یک گلوگاه باریک فشرده می‌سازد. مقایسه آن با خودرمزگذار…
این دفترچه از ویژگی‌های ETF و بازده‌های آتی برای نمایش استنباط کلاسیک حداقل مربعات معمولی، پیش از پرداختن به روش‌های متمرکز بر پیش‌بینی، استفاده می‌کند. آزمون ضرایب و خطاهای استاندارد را بررسی می‌کند و سپس ناهمسان‌واریانسی، خودهمبستگی باقیمانده‌ها و هم‌خطی…
این آزمایش پیش‌بینی‌های اعتبارسنجی یک مدل درختی تقویت‌شده با گرادیان، یک شبکه عصبی جدولی و یک مدل عامل نهفته را برای رتبه‌بندی ماهانه ETF ترکیب می‌کند. ابتدا پیش‌بینی‌ها را در مقطع با نمره‌های استاندارد می‌کند و سپس میانگین می‌گیرد. ارزیابی تجمیع از ضریب…
این سند روش‌های مشترکی را برای تولید ویژگی‌های مدل برازش‌شده، بدون استفاده از مشاهدات آینده، ارائه می‌کند. در مدل‌های مارکوف پنهان، احتمال حالت فیلترشده را که بر مشاهدات تا زمان فعلی تکیه دارد، از احتمال هموارشده که به کل توالی شرطی است و می‌تواند اطلاعات…
این دفترچه با یادگیری ماشین دوگانه برآورد می‌کند که آیا انحراف پریمیوم قراردادهای آتی دائمی با بازده‌های بعدیِ هشت‌ساعته مرتبط است و آیا این رابطه برآوردشده میان بازارهای کم‌نوسان و پرنوسان تفاوت دارد. طراحی پنلی میان نمادهای ارز دیجیتال را شرح می‌دهد،…
این دفترچه PCMCI را روشی برای کشف روابط با وقفه در سری‌های زمانی مالی چندمتغیره، بدون تعیین پیشاپیش نمودار علّی، معرفی می‌کند. این روش را روی بازده‌های ETF و شاخص نوسان به‌کار می‌گیرد، تحلیل شرطی آن را با آزمون‌های زوجی گرنجر مقایسه می‌کند و نحوه تفسیر…
این نمایش استقرار، مدل ریج را با داده‌های تاریخی روزانه برای مقطعی از جفت‌های اصلی FX دوباره آموزش می‌دهد، کندل‌های جاری را از طریق نشست معامله کاغذی در Interactive Brokers دریافت می‌کند، جفت‌ها را رتبه‌بندی می‌کند و سبدی با موقعیت خرید می‌سازد. اتصال به…
این آموزش سیگنال‌های مقطعی ETF را به پرتفوی‌های ده‌سهمیِ فقط خرید و با وزن برابر تبدیل می‌کند و رگرسیون ریج و طبقه‌بندی لجستیک را با استراتژی‌های مبنای مومنتوم و وزن برابر مقایسه می‌کند. مدل‌ها روی پنجره‌های آموزشی پیش‌رونده، همراه با فاصله حائل برای برچسب…