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.
327 سند
این سند بررسی می‌کند که بازده دارایی‌های رمزارزی در پنج اکوسیستم بلاک‌چینی چگونه با یکدیگر حرکت می‌کند. گزارش می‌دهد که رشدهای شدید در یک زنجیره اغلب با زیان در زنجیره‌های دیگر همراه است؛ الگویی متفاوت از حرکت هم‌جهت مثبتی که اغلب میان سهام دیده می‌شود.…
این پژوهش بررسی می‌کند که چگونه می‌توان سبدی متغیر از آربیتراژهای آماری با باند متحرک را با استفاده از ایده‌های چارچوب بهینه‌سازی سبد مارکویتز مدیریت کرد. به‌جای بررسی یک آربیتراژ به‌تنهایی، مدیریت مجموعه پویایی از این استراتژی‌ها را شرح می‌دهد و ساخت سبد را…
این مقاله بازگشت میانگین متحرک (MAR) را معرفی می‌کند؛ جایگزینی چنددوره‌ای برای فرض بازگشت به میانگین تک‌دوره‌ای که در برخی استراتژی‌های سبد برخط به کار می‌رود. روش بازگشت میانگین متحرک برخط (OLMAR) را پیشنهاد می‌کند که از تکنیک‌های یادگیری برخط برای ساخت سبد…
این پژوهش رویکردی مبتنی بر یادگیری تقویتی برای بهینه‌سازی سیاست‌ها بر پایه معیارهای عملکردِ ریسک‌آگاه ارائه می‌دهد. سیاست‌ها را با مطلوبیت انتظاری وابسته به رتبه ارزیابی می‌کند؛ معیاری که به عامل امکان می‌دهد ترجیح‌های متفاوتی درباره سودها و پیامدهای نزولی…
این سند PySDTest را معرفی می‌کند؛ بسته‌ای برای پایتون و استاتا که روابط چیرگی تصادفی را به‌صورت آماری می‌آزماید. روش‌هایی از چندین پژوهش منتشرشده و بسط‌های آن‌ها را شرح می‌دهد و گزینه‌هایی برای ترکیب آماره‌های آزمون با روش‌های بازنمونه‌گیری، از جمله روش دلتا…
این پژوهش خودرمزگذارها را برای آربیتراژ آماری در سهام US بررسی می‌کند. در جریان کار متداولِ دومرحله‌ای، یک مدل قیمت‌گذاری یا مؤلفه‌های اصلی دارایی مصنوعی را شناسایی می‌کند و راهبرد جداگانه بازگشت به میانگین سیگنال معاملاتی می‌سازد. نویسندگان ابتدا یک…
این سند بررسی می‌کند که آیا حدهای نقطه‌ایِ استراتژی‌های معاملاتی نیمه‌ایستا در همان دسته باقی می‌مانند یا نه. این ویژگی را در زمان گسسته برای یک مدل کلیِ دونوبتی اثبات می‌کند و آن را، در صورت برقرار بودن یک شرط احتمالاتی، به مدل‌های دارای دوره‌ها و سهام…
این مقاله انتخاب بهینه سبد را بررسی می‌کند، زمانی که نوسان دارایی دو عامل تصادفی دارد: مؤلفه‌ای بازگشت‌کننده به میانگین و سطح بازگشت به میانگینِ تصادفی. معامله هزینه‌های برون‌زای متناسب و نیز هزینه‌های درون‌زای مرتبط با فرایند تصادفی ریسک نقدشوندگی دارد.…
این مقاله سبدهایی را مقایسه می‌کند که برای کمینه‌سازی کمبود بازده بهینه شده‌اند با سبدهایی که هدفشان کمینه‌سازی واریانس است. مطالعه تجربی از ریسک شدید بارا و عوامل سبکی مانند ارزش، رشد و مومنتوم در بازارهای سهام US، UK و ژاپن استفاده می‌کند. نتایج را در بازه…
این مقاله برای سرمایه‌گذارانی که با عدم‌قطعیت درباره مدل نوسان تصادفی چندعاملی روبه‌رو هستند، استراتژی بهینه و مقاومی برای سبد استخراج می‌کند. سبدها را با مشتقه و بدون آن در نظر می‌گیرد و استراتژی را بر مبنای سناریوی بدترین حالت صورت‌بندی می‌کند؛ بنابراین…
این مطالعه بررسی می‌کند چگونه استراتژی‌های دنبال‌کننده روند را میان چند دارایی با بازده‌های احتمالاً همبسته تخصیص دهیم. تحت فرض‌های بازار گاوسی و استراتژی‌های خطی، فرمول‌هایی برای میانگین و واریانس سبد استخراج می‌کند و سپس از آن‌ها برای شکل‌دهی تخصیصی…
این پژوهش نظری با استفاده از نظریه مسیر زبر، مبنایی مسیرمحور برای انتگرال‌گیری ایتو توسعه می‌دهد تا استراتژی‌های معاملاتی رایج و مدل‌های مالی را در شرایط عدم‌قطعیت پوشش دهد. ویژگی (RIE) را برای مسیرهای càdlàg معرفی می‌کند و نشان می‌دهد که این شرط، مسیر زبر…
این پژوهش بررسی می‌کند که هندسه پیش‌بین چگونه یادگیری متمرکز بر تصمیم را محدود می‌کند؛ رویکردی که در آن آموزش مدل به هدف تصمیم‌گیری در مراحل بعد پیوند دارد. با استفاده از ردیابی تنک شاخص، اطلاعات کوواریانسی را که بهینه‌ساز به کار می‌برد از جهت‌های…
این مقاله بررسی می‌کند که آیا با نامطمئن بودن توزیع احتمال بازار، شرایط کلاسیک آربیتراژ همچنان برقرار می‌مانند یا نه. این عدم‌قطعیت را با فاصله واسرشتاین می‌سنجد و نسخه‌های ضعیف و قوی شرایط استاندارد آربیتراژ را بررسی می‌کند. چارچوب همچنین شرطی سهل‌گیرانه‌تر…
این مقاله پوشش ریسک جزئی اختیارهای بازی را بررسی می‌کند؛ جایی که هزینه هر معامله برابر با بزرگ‌ترِ هزینه متناسب یا حداقل مبلغ ثابت است. در چارچوب بلک–شولز با زمان پیوسته، ثابت می‌کند راهبردی معاملاتی وجود دارد که ریسک کمبود را به حداقل می‌رساند؛ یعنی ریسک…
این مقاله بیش‌برازش در راهبردهای مقطعی آموزش‌دیده روی دارایی‌هایی با سابقه تاریخی محدود را بررسی می‌کند. شبکه‌های رمزگذار ادغام‌شده را معرفی می‌کند که بازنمایی‌های یک ماژول رمزگذار-توجهِ آموزش‌دیده روی مجموعه‌داده مبدأ را با ماژولی جداگانه برای مجموعه‌داده…
این مطالعه استراتژی‌های پربسامد برای اختیار معامله SPY را با مشاهدات پنج‌دقیقه‌ای گردآوری‌شده طی یک ماه بررسی می‌کند. یونانی‌های اختیار معامله و نوسان ضمنی را محاسبه می‌کند، اختیارهای آمریکایی را با درخت دوجمله‌ای قیمت‌گذاری می‌کند و نوسان ضمنی را با روش…
EverMine چارچوبی برای آزمودن این موضوع است که آیا عامل‌های پژوهشی با انباشت مهارت‌ها، ابزارها و قواعد قابل استفاده مجدد، در کشف آلفا طی افق‌های بلندمدت بهتر می‌شوند. این چارچوب وضعیت پژوهش را با تاریخچه پژوهش، سبد فعلی عوامل و توانمندی‌های انباشته‌شده نمایش…
این مقاله مدل‌های عاملی ساخته‌شده به‌صورت آماری را با کنترل تصادفی ترکیب می‌کند تا آربیتراژ آماری پُربعد را بررسی کند. مدل آن باقی‌مانده‌های بازگشت‌به‌میانگین را فرض می‌کند و نشان می‌دهد چگونه می‌توان سبدهای بازارخنثی را به‌طور تحلیلی ساخت. سپس استراتژی‌های…
این پژوهش مدیر سبدی مبتنی بر یادگیری تقویتی را برای محیطی پرریسک پیشنهاد می‌کند. معاملات دوطرفه را با وام‌دهی و وام‌گیری ترکیب می‌کند، از پاداش سود و زیان استفاده می‌کند و هدفش بهبود مدیریت ریسک نزولی و بهره‌گیری از سرمایه است. پیاده‌سازی آن عامل Soft…
این سند روشی برای پوشش ریسک میانگین‌واریانس در بازارهای نیمه‌مارتینگل عمومی توسعه می‌دهد. مسئله پوشش را به‌صورت مسئله کنترل تصادفی صورت‌بندی می‌کند و نشان می‌دهد فرایند ارزش مسئله کنترلی شکلی درجه‌دو دارد. سه فرایند ضریب این شکل را توصیف می‌کنند و از طریق…
مقاله رویکردی برای سرمایه‌گذاری نظام‌مند پیشنهاد می‌کند که هدفش ساخت ثروت در افقی بلندتر از طریق مجموعه‌ای از تصمیم‌های کوتاه‌مدت برای خرید ETF است. این روش الگوریتم‌های تکاملی را با مدل یادگیری عمیق ترکیب می‌کند تا زمان‌بندی واریزها را در مقایسه با…
StockGPT بازده روزانه سهام را دنباله‌ای از توکن‌های عددی در نظر می‌گیرد و مدلی خودرگرسیو برای پیش‌بینی بازده‌های آینده آموزش می‌دهد. هدف سازوکار توجه آن، یادگیری مستقیم الگوهای زمانی از تاریخچه بازده‌هاست تا نیازی به تعیین دستی سیگنال‌های متعارف مبتنی بر…
این پژوهش تجربی می‌سنجد آیا استراتژی‌های سبد آنلاینِ طراحی‌شده برای بهره‌گیری از بازگشت‌به‌میانگین، فراتر از مجموعه‌داده‌های معیار هم عملکرد خوبی دارند یا نه. سه رویکرد را بررسی می‌کند: بازگشت‌به‌میانگین تهاجمی منفعل، بازگشت میانگین متحرک آنلاین و بهینه‌سازی…