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 پژوهش می‌آزماید که آیا برازش ضعیف مدل خطی به بازده‌های ماهانه سهام US از تابع هدف خطای مربعی آن ناشی می‌شود. هدف بازده آتی بدون وینزورکردن، ویژگی‌ها و فولدهای پیش‌رونده را ثابت نگه می‌دارد و مدل‌های درختی تقویتیِ آموزش‌دیده با خطای مربعی، خطای مطلق و…
این دفترچه پروتکل Rademacher Anti-Serum (RAS) را روشی برای تعدیل برآوردهای عملکرد هنگام انتخاب از میان کلاس متناهی استراتژی‌ها یا سیگنال‌ها معرفی می‌کند. پیچیدگی تجربی رادماخر می‌سنجد ماتریس عملکرد نامزدها تا چه اندازه می‌تواند با علامت‌های تصادفی هم‌راستا…
این دفترچه NLinear را به‌عنوان مدل مبنا برای پیش‌بینی بازده سهام از پنجره‌های مرتب‌شده ویژگی معرفی می‌کند. هر نمونه شامل 60 جلسه متوالی برای یک سهم است. برای هر ویژگی، مدل آخرین مقدار را کم می‌کند، تاریخچه حاصل را با یک لایه خطی به مقداری واحد نگاشت می‌کند و…
این دفترچه مدل‌های عصبی TabM را برای هدف بازده استراتژی استرادل کوتاه روی اختیارهای S&P 500 برازش می‌دهد و سه ظرفیت مدل را روی همان پنل ویژگیِ روش‌های خطی و تقویتی مقایسه می‌کند. TabM یک ستون فقرات عصبی را میان اعضای مجموعه مشترک می‌سازد، در حالی که بردارهای…
این دفترچه پوشش ریسک عمیق برای یک اختیار خرید اروپایی فروش‌رفته را نشان می‌دهد. مسیرهای حرکت براونی هندسی را شبیه‌سازی می‌کند، پوشش دلتا بلک–شولز را به‌عنوان معیار به کار می‌برد و شبکه عصبی نیمه‌بازگشتی را آموزش می‌دهد تا موقعیت در دارایی پایه را انتخاب کند؛…
این سند PCA ابزارمند را نشان می‌دهد که در آن بارهای عاملی دارایی به‌صورت توابع خطیِ ویژگی‌های مشاهده‌شده پیش از بازده مدل‌سازی می‌شوند. برای برآورد نگاشت ویژگی به بار عاملی و عوامل تحقق‌یافته از حداقل مربعات متناوب استفاده می‌کند و سپس بازیابی بارهای عاملی…
این سند یک مجموعه‌داده معیارِ بازتولیدپذیر از سهام US را توصیف می‌کند که از آرشیو بازتولید پژوهش قیمت‌گذاری دارایی Chen، Pelger و Zhu گرفته شده است. این مجموعه تقریباً 1.2 میلیون مشاهده ماهانه سهام از 1967 تا 2016 دارد و شامل 46 ویژگی شرکت، شاخص‌های اقتصاد…
این سند توضیح می‌دهد TSMixer چگونه سابقه اخیر ویژگی‌های یک سهم را به‌صورت ماتریسی از جلسه‌ها و ویژگی‌ها پردازش می‌کند. بلوک‌های آن اطلاعات را در امتداد ستون‌های ویژگی و در طول زمان ترکیب می‌کنند و سپس ویژگی‌ها را در هر جلسه با هم می‌آمیزند. انباشتن بلوک‌ها…
این دفترچه پیش‌بینی‌های بدون آموزش Chronos و TinyTimeMixer را با یک LSTM و یک مدل خطی جریمه‌شده روی پنل ETF مقایسه می‌کند. همه مدل‌ها زمینه تاریخی تک‌متغیره یکسانی می‌گیرند، اما مدل‌های ازپیش‌آموزش‌دیده همان سری زمینه را پیش‌بینی می‌کنند، نه برچسب بازده آتی…
این دفترچه برآورد می‌کند که آیا نمره استانداردشده پرمیوم قراردادهای دائمی رمزارزی، تحت یک مداخله، با بازده‌های هشت‌ساعته بعدی ارتباط دارد یا نه؛ این برآورد نوسان قیمت، نرخ فاندینگ و انحراف پرمیوم از میانگین اخیرش را تعدیل می‌کند. یادگیری ماشین دوگانه پیامد و…
این دفترچه ارزیابی می‌کند که آیا سنجه‌های بازار اختیار معامله می‌توانند بازده‌های آینده سهام را رتبه‌بندی کنند. مدل‌های خطی مشخص‌شده با ویژگی‌های استخراج‌شده از اختیار معامله و با اعتبارسنجی پیش‌رونده برازش می‌شوند و شدت جریمه برای ریدج، لسو و الاستیک‌نت…
این مطالعه می‌پرسد آیا کمیت‌های بازار اختیار معامله می‌توانند بازده آتی سهام را رتبه‌بندی کنند. ویژگی‌ها شامل نوسان ضمنی در سررسیدهای مختلف، چولگی اختیار فروش‌ـ‌خرید، شیب ساختار سررسید و صرف ریسک واریانس هستند. چون بسیاری از سنجه‌ها در چند شکل هم‌پوشان…
این دفترچه طرح عامل تنزیل تصادفی رقابتی را برای سهام روزانه آمریکا اقتباس می‌کند. شبکه وزن‌دهی سبد از بازده‌های مازاد روز بعد یک عامل می‌سازد، درحالی‌که شبکه گشتاور رقیب به آموزش هسته قیمت‌گذاری کمک می‌کند؛ شبکه بتای جداگانه، حاصل‌ضرب بازده و عامل را در سطح…
این دفترچه گراف دانش واقعی زنجیره تأمین و دارایی‌های نهادی 13F را به ویژگی‌های یادگیری ماشین تبدیل می‌کند. سنجه‌های شبکه، مانند مرکزیت و شاخص‌های وابستگی، را استخراج می‌کند، تمرکز تأمین‌کننده و مواجهه رقابتی را برآورد می‌کند و سیگنال‌های مالکیت برای گستردگی…
این دفترچه LightGBM را با پرسپترون چندلایه حداقلی، TabM و در صورت امکان TabPFN برای پیش‌بینی مقطعی بازده ETF مقایسه می‌کند. مدل‌ها با ضریب اطلاعات رتبه‌ای روی بخش‌های مشترک آزمون پیش‌رونده ارزیابی می‌شوند و برش‌های زمانی اعتبارسنجی برای توقف زودهنگام یا…
این دفترچه جنگل تصادفی را با XGBoost، LightGBM و CatBoost روی پنلی از ویژگی‌ها و بازده‌های ناشناس‌سازی‌شده شرکت‌ها مقایسه می‌کند. مجموعه داده، بخش‌های زمانی آموزش، اعتبارسنجی و آزمون را فراهم می‌کند. مدل‌ها با ضریب اطلاعات رتبه اسپیرمن به‌عنوان سنجه اصلی و…
این دفترچه چگونگی تولید پیش‌بینی‌های بخش نگه‌داشته‌شده برای یک استراتژی منتخب تأمین مالی قراردادهای دائمی رمزارز را شرح می‌دهد. پیکربندی را از نتایج اعتبارسنجی تعیین می‌کند، انتخاب نقطه بررسی مدل را به مرحله بعد منتقل می‌کند و مشخصات آموزشی تازه‌ای با…
این دفترچه، فهرستی بین‌مطالعه‌ای از ویژگی‌های مالی مهندسی‌شده و بالاترین ضریب اطلاعات ثبت‌شده برای هر مطالعه بازار ارائه می‌کند. تعداد ویژگی‌ها و خانواده‌های نام‌گذاری آن‌ها را می‌شمارد، اندازه فضای ویژگی را مقایسه می‌کند و الگوهای بین‌دارایی را خلاصه…
این سند توضیح می‌دهد چگونه رژیم‌های بازار را با تقسیم بازده‌ها به پنجره‌های هم‌پوشان و در نظر گرفتن هر پنجره به‌عنوان یک توزیع تجربی شناسایی کنیم. فاصله پنجره‌ها را از طریق چندک‌های مرتب و متناظر می‌سنجد؛ بنابراین تفاوت‌های کل توزیع، از جمله جایگاه زیان‌های…
این دفترچه خودرمزگذار شرطی‌ای ارائه می‌کند که ساختار یک مدل عاملی نهفته ابزارگذاری‌شده را حفظ می‌کند، اما نگاشت خطی از ویژگی‌های شرکت به مواجهه‌های عاملی را با شبکه عصبی جایگزین می‌سازد. بازده‌های ماهانه به‌صورت مواجهه‌های مبتنی بر ویژگی ضرب‌در بازده‌های…
این مطالعه موردی مدل‌های خطی منظم‌شده را روی بازده استرادل‌های فروش در قیمت اعمال فعلی که تا سررسید نگه داشته می‌شوند برازش می‌دهد. درآمد پرمیوم، سود را محدود می‌کند، درحالی‌که زیان می‌تواند نامحدود رشد کند؛ بنابراین چند زیان شدید بر تابع هدف رگرسیون با خطای…
این سند TabM، یک مجموعه عصبی با اشتراک وزن، را روی ویژگی‌های برگرفته از اختیار معامله برازش می‌دهد تا بازده آتی سهام و بازده‌های تعدیل‌شده با ریسک را پیش‌بینی کند. اعضای آن از یک شبکه مشترک دولایه با مقیاس‌دهی جداگانه فعال‌سازی و سرهای خروجی مجزا استفاده…
این سند برای عامل‌های پژوهشی، سابقه‌ای ساختاریافته از وضعیت ارائه می‌دهد که از رونوشت گفت‌وگوی آن‌ها جداست. سابقه پرسش و برش زمانی، شواهد گردآوری‌شده، پرسش‌های حل‌نشده، تاریخچه فراخوانی ابزار، نتایج دروازه‌ها و وضعیت ترکیب را ذخیره می‌کند. نگه‌داشتن شواهد و…
این سند توضیح می‌دهد رابط جست‌وجوی عامل پیش‌بینی چگونه می‌تواند شواهد آن را محدود و فعالیتش را قابل‌ممیزی کند. پروتکلی مستقل از ارائه‌دهنده، نتایج نوع‌دار شامل منبع، تاریخ انتشار، امتیاز ارتباط و محتوا برمی‌گرداند؛ فیلتر برش زمانی نیز نتایج تاریخ‌داری را که…