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

1,290 سند

یادگیری ماشین برای معامله‌گری

این دفترچه امضاهای مسیر را به‌عنوان ویژگی‌های طول‌ثابت معرفی می‌کند که ترتیب و هندسه مشترک مشاهدات را در پنجره سری زمانی حفظ می‌کنند. سطح اول تغییر کل هر مختصه را ثبت می‌کند؛ سطح دوم مساحت علامت‌دار میان جفت مختصه‌ها را می‌گیرد و ترتیب حرکت را آشکار می‌کند،…

سهامشاخص‌های تکنیکالیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیلی با یادگیری ماشین دوگانه و پنجره گسترش‌یابنده توصیف می‌کند که آیا مومنتوم 12 تا -2 ماهه، پس از کنترل Beta، IdioVol، LME و Variance، بازده ماه بعد شرکت‌های US را پیش‌بینی می‌کند یا نه. مدل‌های مزاحم با ماه‌های تصمیم‌گیری پیشین آموزش می‌بینند؛…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه N-BEATS را برای پیش‌بینی قیمت‌های پایانی SPY می‌سازد. بلوک‌های تمام‌متصل یک پنجره کامل از گذشته را پردازش می‌کنند و هرکدام یک بازسازی پس‌نگر تولید می‌کنند که پیش از بلوک بعدی از ورودی کم می‌شود، و نیز پیش‌بینی‌ای برای افق آینده می‌سازند. بلوک‌های…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند خط‌لوله‌های سرتاسری برای ترکیب داده‌های تاریخی و جدید سهام و آماده‌سازی داده‌های ساعتی قراردادهای دائمی رمزارز را توصیف می‌کند. مثال اصلی آن مشاهدات WikiPrices و Yahoo را در مرز پوشش به هم می‌پیوندد، داده‌های OHLC و شکاف‌های مُهر زمانی را اعتبارسنجی…

چندداراییآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یک رکورد ساختاریافته از وضعیت را برای عامل‌های پژوهشی ارائه می‌کند که پرسش، نقطه برش، شواهد، پرسش‌های حل‌نشده، سابقه ابزارها، نتایج دروازه‌های کیفیت و وضعیت ترکیب را برای هر اجرا حفظ می‌کند. این وضعیت را از رد گفت‌وگو متمایز می‌کند: رد گفت‌وگو…

یادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این آموزش توضیح می‌دهد چگونه سوگیری نگاه به آینده را در داده‌های ETF و اقتصاد کلان شناسایی و از آن جلوگیری کنید. نشان می‌دهد که میانگین‌های متحرک مرکزدار از مشاهدات آینده استفاده می‌کنند، درحالی‌که همبستگی ساده بین سطح یک ویژگی و بازده دوره بعد ممکن است نشت…

آزمون گذشته‌نگرآمارسهامبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این سند ارزیابی می‌کند که هزینه‌های معاملاتی چگونه عملکرد اعتبارسنجی یک تخصیص سهام و اختیار معامله S&P 500 را که پیش‌تر انتخاب شده، تغییر می‌دهند. هزینه‌های یک‌طرفه را به‌صورت کسری از ارزش معامله‌شده تغییر می‌دهد و با کارمزد ثابت به‌ازای هر سهم و نصف فاصله…

سهاماختیار معاملهآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه از تحلیل مؤلفه‌های اصلی مبتنی بر همبستگی روی بازده‌های بخش‌های ETF استفاده می‌کند تا عوامل ریسک مشترک و چرخش بخشی را توصیف کند. استانداردسازی بازده‌ها پیش از تجزیه به هر بخش واریانس واحد می‌دهد و احتمال چیرگی بخش‌های پرنوسان‌تر بر مؤلفه‌ها را کاهش…

سهامسرمایه‌گذاری عاملیآمارساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه دراپ‌اوت مونت‌کارلو و مجموعه‌مدل‌های عمیق را به‌عنوان روش‌هایی برای برآورد عدم‌قطعیت پیش‌بینی بازده روزانه ETF مقایسه می‌کند. دراپ‌اوت در پیش‌بینی‌های تکراری فعال می‌ماند، درحالی‌که اعضای مجموعه جداگانه آموزش می‌بینند؛ پراکندگی پیش‌بینی‌ها در هر…

یادگیری ماشینآمارمدیریت ریسکتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پیش‌بینی‌های احتمالاتی را ارزیابی و خط لوله پیش‌بینی را اداره کنیم. امتیازهای بریر و لگاریتمی، خطای مورد انتظار کالیبراسیون و تیزی پیش‌بینی را مقایسه می‌کند؛ نشان می‌دهد نمودارهای پایایی در کجا بیش‌اطمینانی یا کم‌اطمینانی…

آماریادگیری ماشینمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این آموزش از قراردادهای منفرد ES یک سری پیوسته قرارداد آتی می‌سازد. با استفاده از حجم معاملات و قید غلتش یکنواخت، سررسید نزدیک را شناسایی می‌کند و تغییر قرارداد بر پایه حجم را با زمان‌بندی تقویمی مقایسه می‌کند. توضیح می‌دهد چرا باید قراردادهای مستقیم را از…

قراردادهای آتیآزمون گذشته‌نگرآماراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه عاملی پیش‌بینی‌کننده می‌سازد که میان جست‌وجوی وب و پیش‌بینی احتمالاتی جابه‌جا می‌شود. یک رابط کوچک مدل زبانی با دو روش، امکان می‌دهد همان چرخه از ارائه‌دهنده ساختگی، محلی یا تجاری استفاده کند. عامل پرسشی از بازار پیش‌بینی دریافت می‌کند و می‌تواند…

یادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

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…

سهامیادگیری ماشینآماربازارهای آمریکا
یادگیری ماشین برای معامله‌گری

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…

یادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

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…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند فرضیه مومنتوم بین‌دارایی را به آزمونی اکتشافی ماهانه با استفاده از جهان 100-ETF تبدیل می‌کند. قیمت‌های تعدیل‌شده پایان ماه را می‌سازد، مومنتوم 12 تا -1 ماهه را اندازه می‌گیرد، سپس صندوق‌های قابل‌قبول را به پنج گروه هم‌وزن رتبه‌بندی می‌کند و بازده ماه…

چندداراییمومنتومدنبال‌کردن روندآمار
یادگیری ماشین برای معامله‌گری

این یادداشت پیکربندی، تنظیماتی را که در هویت یک بک‌تست ظاهر می‌شوند از تنظیماتی که واقعاً بر هزینه‌های معاملاتی شبیه‌سازی‌شده اثر می‌گذارند متمایز می‌کند. در مطالعه موردی توصیف‌شده، همه اجراهای ثبت‌شده از مسیری برداری‌شده استفاده می‌کنند که بازده را تا…

اختیار معاملهآزمون گذشته‌نگراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

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…

سهامآماریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

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…

یادگیری ماشیناحساسات بازارسهامآمار
یادگیری ماشین برای معامله‌گری

این دفترچه معیار پایه‌ای مبتنی بر مؤلفه‌های اصلی را برای پیش‌بینی بازده قراردادهای آتی CME توضیح می‌دهد. PCA روی پنل بازده محصولات در فولد آموزش برازش می‌شود؛ بنابراین مؤلفه‌های آن جهت‌های هم‌حرکتی میان قراردادها را نشان می‌دهند، نه ویژگی‌های فشرده حمل،…

قراردادهای آتیسرمایه‌گذاری عاملیآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

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…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

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…

یادگیری ماشینسهامآمار
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی، پنل روزانه صندوق‌های قابل‌معامله در بورس را در نه گروه بررسی می‌کند. پوشش نمادها را در گذر زمان می‌سنجد، پنل را با فرهنگ رده‌بندی مقایسه می‌کند، مقادیر تهی و حجم‌های صفر را بررسی می‌کند و ترتیب کندل‌های قیمت و نقدشوندگی را برحسب گروه…

سهامساخت پرتفویاجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

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…

یادگیری ماشینآمارسهاممدیریت ریسک