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 یادداشت نشان می‌دهد چگونه با فرض‌های صریح درباره معامله، تأمین مالی و هزینه‌های صندوق، بازده ناخالص را به عملکرد خالص تبدیل کنید. مجموعه هزینه‌ها شامل اسپرد و اثر بازار، کمیسیون و کارمزدهای بورس، بهره مارجین، هزینه استقراض سهام، کارمزد مدیریت و…

سهاماجرای سفارشآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه ترکیب‌های برتر تخصیص و کنترل ریسک ETF را در دو شبکهٔ هزینه دوباره قیمت‌گذاری می‌کند و پیکربندی هر استراتژی ثبت‌شده را ثابت نگه می‌دارد. یک شبکه هزینه را بر حسب نقاط پایه به‌ازای هر معامله محاسبه می‌کند؛ دیگری کمیسیون هر سهم و نصف فاصلهٔ قیمت خرید…

آزمون گذشته‌نگراجرای سفارشساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطلب توضیح می‌دهد چگونه استراتژی انتخاب‌شده با داده‌های اعتبارسنجی را با استفاده از پیش‌بینی‌های یک دوره نگه‌داشته‌شده جداگانه در 2021 ارزیابی کنید. تخصیص انتخاب‌شده، تمرکز، کنترل‌های ریسک، برنامه معاملات و هزینه‌ها را ثابت نگه می‌دارد و فقط پیش‌بینی‌های…

سهامآزمون گذشته‌نگرمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه خودرمزگذار شرطی را توضیح می‌دهد که بازده سهام را به‌صورت بارگذاری‌های عاملی وابسته به ویژگی‌ها، ضرب‌در عوامل نهفته، مدل‌سازی می‌کند. ابتدا بازده سبدهای مدیریت‌شده بر اساس ویژگی‌ها را با برازش حداقل مربعات مقطعیِ مشترک برآورد می‌کند و سپس شبکه‌های…

سهامسرمایه‌گذاری عاملییادگیری ماشینساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند قواعد تخصیص پس از رتبه‌بندی دارایی‌ها توسط مدل، چگونه بر استراتژی‌های ETF اثر می‌گذارند. مجموعه‌های پیش‌بینی و تقویم بازتوازن را ثابت نگه می‌دارد، برای هر مقایسه همان سبد دارایی‌های برتر را انتخاب می‌کند و وزن‌های تخصیص‌یافته درون سبد…

سهامساخت پرتفویتعیین اندازه موقعیتمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه می‌آزماید آیا ساخت سبد می‌تواند استراتژی NASDAQ-100 را که در هر میله با هزینه‌ها مغلوب شده نجات دهد یا خیر. پیش‌بینی‌های برتر خط مبنا را با جهان انتخاب اعلام‌شده برمی‌گزیند و سپس مقایسه‌های تخصیص را روی کل جهان اجرا می‌کند. این بررسی تعداد…

سهامساخت پرتفویتعیین اندازه موقعیتاجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه پیکربندی‌های برتر پیش‌بینی در اعتبارسنجی را از یک خط مبنای مرحلهٔ سیگنال با وزن برابر می‌گیرد و روش‌های تخصیص جایگزین را روی همان پیش‌بینی‌ها می‌آزماید. وزن‌دهی مبتنی بر امتیاز و وزن‌دهی کانفورمال را با وزن‌دهی معکوس به نوسان، برابری ریسک،…

سهامساخت پرتفویتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی می‌کند که مجموعه‌های پیش‌بینی ثبت‌شده ETF پس از تبدیل به سبد چگونه عمل می‌کنند. هر مجموعه پیش‌بینی اعتبارسنجی را با طرح‌های ورود اعلام‌شده، مانند تعدادهای متفاوت دارایی برتر، ترکیب می‌کند و در عین حال تقویم معاملاتی، تناوب بازتوازن و…

سهامآزمون گذشته‌نگرساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند دو رویکرد عامل نهفته را برای بازده قراردادهای آتی معرفی می‌کند. تحلیل مؤلفه‌های اصلی جهت‌های نامرتبطی را پیدا می‌کند که بیشترین تغییرات بازده را توضیح می‌دهند؛ درحالی‌که عامل تنزیل تصادفی عصبی به‌دنبال ترکیب‌هایی مرتبط با مقطع بازده‌های مورد انتظار…

قراردادهای آتییادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی را به‌صورت پرتفوی‌های سهامِ فقط خرید ارزیابی می‌کند؛ از انتخاب هم‌وزنِ K دارایی برتر و برنامه تصمیم‌گیری تعیین‌شده بر اساس تناوب هر برچسب استفاده می‌کند. ترتیب رویداد از قیمت پایانی تا قیمت آغازین بعدی را با اجرای سیگنال…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند روش‌هایی برای تبدیل رکوردهای دارای تاریخ به آرایه‌هایی برای مطالعات موردی عوامل نهفته شرح می‌دهد. یک روش فقط موجودیت‌هایی را نگه می‌دارد که آستانه پوششِ آموخته‌شده از مجموعه‌داده واجدشرایط‌بودن را برآورده می‌کنند و در نتیجه محور موجودیت ثابتی می‌سازد…

سرمایه‌گذاری عاملیساخت پرتفویآمار
یادگیری ماشین برای معامله‌گری

این ماژول ابزار مشترک، خط لوله‌ای یکپارچه برای تقویت گرادیانی در پژوهش کمی فراهم می‌کند. پیش‌تنظیم‌های ظرفیت را تعریف می‌کند و نام‌های استاندارد پارامترها را به تنظیمات متناظر در LightGBM، XGBoost، CatBoost و تقویت هیستوگرامی scikit-learn نگاشت می‌کند.…

یادگیری ماشینآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه Tail-GAN را رویکردی تخاصمیِ مولد برای ساخت سناریوهای بازده مالی با هدف‌گذاری ارزش در معرض ریسک (VaR) و زیان مورد انتظار دنباله‌ای (ES) توضیح می‌دهد. از مرتب‌سازی مشتق‌پذیر استفاده می‌کند تا گرادیان‌ها از برآوردهای چندکی عبور کنند و برآوردهای ریسک…

یادگیری ماشینمدیریت ریسکنوسانساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این ماژول پایتون روش‌هایی برای سنجش عدم‌قطعیت بک‌تست استراتژی با استفاده از بازده روزانه خارج از نمونه شرح می‌دهد. فواصل بوت‌استرپ بلوکیِ ایستا برای آمار سری بازده، خطای استاندارد شارپ تعدیل‌شده با خودهمبستگی و غیرنرمال‌بودن، و خطاهای استاندارد نیووی–وست…

آزمون گذشته‌نگرآمارمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج اعتبارسنجی ثبت‌شده پنج برآوردگر عامل نهفته را در مجموعه‌ای از مطالعات موردی ترکیب می‌کند. ابتدا مشخص می‌کند کدام برآوردگرها برای هر پنل نتیجه دارند، سپس برآوردگر پیشرو را بر اساس میانگین ضریب اطلاعات رتبه‌ای اسپیرمن روزانه (IC) همراه با…

یادگیری ماشینآمارسرمایه‌گذاری عاملیآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه یک مطالعه موردی آتی CME را از میان بک‌تست‌های اعتبارسنجی ثبت‌شده انتخاب می‌کند که قواعد سیگنال، تخصیص و لایه‌های ریسک را در بر می‌گیرند. گزینه‌ها را در هر دو افق بازده مقایسه می‌کند و پیکربندی دارای بیشترین شارپ اعتبارسنجی را برمی‌گزیند. تحلیل…

قراردادهای آتیآزمون گذشته‌نگرمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه یک مدل عامل تنزیل تصادفی ETF را شرح می‌دهد که یک مجموعه وزن مشترک را برای قیمت‌گذاری بازده صندوق‌ها برازش می‌کند. برخلاف مدل‌هایی که مواجهه صندوق‌ها و بازده عامل‌ها را جداگانه برآورد می‌کنند، این مدل دو شبکه را بر مبنای خطاهای قیمت‌گذاری آموزش…

سهامآماریادگیری ماشینساخت پرتفوی
arXiv papers

این پژوهش سرمایه‌گذاری و مصرف با افق نامتناهی را برای یک سرمایه‌گذار با مطلوبیت توانی در بازاری ناقص بررسی می‌کند که فرصت‌هایش به عامل تصادفی وابسته‌اند. هم عامل‌های با فضای حالت محدود و هم عامل‌های مدل‌شده با فرایندهای انتشار ایتو را در نظر می‌گیرد و انتخاب…

ساخت پرتفویمدیریت ریسکنوسانآمار
arXiv papers

این مقاله انتخاب سبد سرمایه‌گذاری را در طول زندگی فردی با درآمد تصادفی و سرمایه‌گذاری در سهام، اوراق قرضه و بیمه عمر بررسی می‌کند. هدف، مصرف، مزایای فوت و ثروت نهایی را در نظر می‌گیرد. قید محدب معاملاتی، محدودیت‌هایی مانند غیرقابل‌معامله بودن دارایی‌ها،…

ساخت پرتفوییادگیری ماشینمدیریت ریسکدرآمد ثابت
arXiv papers

این سند استفاده از الگوریتم تولید ساختار ائتلافی مبتنی بر گراف، GCS-Q، را برای خوشه‌بندی دارایی‌هایی توصیف می‌کند که با گرافی وزن‌دار و علامت‌دار از همبستگی بازده نمایش داده شده‌اند. انگیزه این است که روش‌های رایج خوشه‌بندی هنگام تبدیل همبستگی‌های علامت‌دار…

چندداراییساخت پرتفویآماریادگیری ماشین
arXiv papers

این مقاله رویکردی برای معامله خودکار سهام توصیف می‌کند که سه الگوریتم یادگیری تقویتی کنشگر-منتقد را ترکیب می‌کند: بهینه‌سازی سیاست مجاور، کنشگر-منتقد مزیت و گرادیان سیاست قطعی عمیق. عامل‌ها برای یادگیری تصمیم‌های معاملاتی با هدف بیشینه‌سازی بازده…

سهامیادگیری ماشینساخت پرتفویمدیریت ریسک
arXiv papers

این سند مدلی چنددارایی با دو نوع سرمایه‌گذار ارائه می‌کند: بنیادگراها که به تفاوت ادراک‌شده میان قیمت سهام و بنیادها واکنش نشان می‌دهند، و نمودارخوان‌ها که از روند قیمت استفاده می‌کنند. هر دو گروه تصمیم‌های سرمایه‌گذاری را با بیشینه‌کردن مطلوبیت با…

چندداراییسهامبازگشت به میانگینشاخص‌های تکنیکال
arXiv papers

این سند سرمایه‌گذاری بلندمدت را در مدل عامل تصادفی بررسی می‌کند؛ جایی که سرمایه‌گذاران مطلوبیت توانیِ موردانتظار و مقاوم را بیشینه می‌کنند. مقاوم‌بودن یعنی لحاظ‌کردن یک مدل جایگزین نامطلوب، به‌جای بهینه‌سازی صرفاً بر پایه یک مدل فرضی. نویسندگان با دوگانگی،…

چندداراییمدیریت ریسکساخت پرتفویآمار
arXiv papers

این مقاله بیشینه‌سازی مطلوبیت را در شرایطی بررسی می‌کند که معامله‌گری هزینه‌های تراکنش تناسبی دارد. نتیجه اصلی آن این است که با فرض همگرایی ضعیفِ توسعه‌یافته برای فرایندهای زیربنایی، مسائل بیشینه‌سازی مطلوبیت متناظر نیز همگرا می‌شوند. همچنین قضیه حدی برای…

آمارمدیریت ریسکاجرای سفارشساخت پرتفوی