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.
1,290 سند
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 دفترچه نحوه ساخت برچسب‌های بازده قیمت آتی را برای پنل قراردادهای دائمی رمزارز با داده‌های هشت‌ساعته توضیح می‌دهد. مُهرزمان شروع کندل را به زمانی منتقل می‌کند که داده کندل تکمیل‌شده در دسترس قرار می‌گیرد، سپس پیش از پیوند زدن ویژگی‌های پیش‌بین، بازده‌های…
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 تحلیل، تحلیل مؤلفه‌های اصلی مبتنی بر همبستگی را روی بازده صندوق‌های قابل‌معامله بورسیِ بخشی اعمال می‌کند. استانداردسازی بازده‌ها پیش از تجزیه، واریانس هر بخش را یک می‌کند؛ بنابراین مؤلفه‌های نخست، حرکت مشترک را توصیف می‌کنند و تحت سلطه پرنوسان‌ترین بخش…
این ابزار سنجه‌های سوگیری انتخاب و عدم‌قطعیت عملکرد را برای گروه‌هایی از بک‌تست‌های استراتژی محاسبه می‌کند. گروه‌ها را در سطوح خانواده، مرحله‌ـ‌برچسب و برچسب تشکیل می‌دهد؛ سپس سنجه‌هایی چون نسبت شارپ تورش‌زدایی‌شده، تعداد مؤثر آزمون‌ها، کران رهبر تعدیل‌شده…
این سند اصول پیاده‌سازی یک اجراگر مشترک بک‌تست را شرح می‌دهد و بر تفسیر درست شبکه بازده هنگام سالانه‌سازی عملکرد تمرکز دارد. بسامد نمونه‌گیری مشاهده‌شده را از فاصله‌های معمول میان مشاهدات بازده برآورد می‌کند، فاصله‌های غیرعادی طولانی را کنار می‌گذارد و سپس…
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 توضیح می‌دهد که تجزیه سهام و سود نقدی چگونه سری‌های خام قیمت تاریخی را مختل و بازده‌های محاسبه‌شده را مخدوش می‌کنند. تعدیل به عقب را نشان می‌دهد که در آن قیمت‌های تاریخی متناسب با اقدامات شرکتی بعدی بازتنظیم می‌شوند، و این روش را روی داده‌های…
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 سند روشی پیش‌رونده را شرح می‌دهد که باقیمانده‌های پیش‌بینی را به عرض بازه‌های عدم‌قطعیت برای هر موجودیت تبدیل می‌کند تا اندازه موقعیت‌ها تعیین شود. در هر زمان تصمیم‌گیری، کالیبراسیون از باقیمانده‌هایی استفاده می‌کند که فرصت تعیین نتیجه داشته‌اند؛ با…
این مطالعه موردی یک پیکربندی را از مجموعه‌ای ثابت از استراتژی‌های قراردادهای آتی دائمی ارز دیجیتال انتخاب می‌کند که برچسب‌های گوناگون بازده و جهت، روش‌های اندازه‌گذاری سبد و لایه‌های ریسک را دربر می‌گیرد. بالاترین شارپ اعتبارسنجی را انتخاب می‌کند و سپس…
این راهنما مجموعه‌داده‌های عمومی بازده عوامل از کتابخانه داده کن فرنچ و AQR را معرفی می‌کند؛ ازجمله عوامل بازار، اندازه، ارزش، سودآوری، سرمایه‌گذاری، مومنتوم، کیفیت و بتای پایین. نحوه دریافت و بارگذاری مشاهدات ماهانه یا روزانه، فیلترکردن بر اساس تاریخ، بررسی…
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 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…