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

821 سند

یادگیری ماشین برای معامله‌گری

این دفترچه می‌آزماید که آیا تعبیه‌های گرافیِ آموخته‌شده، اطلاعات پیش‌بینی‌کننده‌ای به مدل جدولیِ سهام US اضافه می‌کنند. شبکه را بر پایه همبستگی‌های مطلق بازده که پیش از دوره هدف اندازه‌گیری شده‌اند می‌سازد، ویژگی‌های مومنتوم، نوسان و روند را با همان تاریخچه…

سهامیادگیری ماشینآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های سنجش نوسان را مقایسه می‌کند و در کنار تحلیل ناهمواری، مدل‌های نوسان خودرگرسیو ناهمگن (HAR) را توسعه می‌دهد. از بازده‌های درون‌روزی برای برآورد واریانس تحقق‌یافته نشست استفاده می‌کند، حرکت درون‌روزی را از بازده شبانه متمایز می‌سازد و…

نوسانآمارشاخص‌های تکنیکالسهام
یادگیری ماشین برای معامله‌گری

این سند مدل دنباله‌ای LSTM را برای مطالعه اختیار معامله S&P 500 توصیف می‌کند. برخلاف مدل‌های مقطعی که برای خلاصه‌کردن تاریخچه نماد به ویژگی‌های مهندسی‌شده تکیه می‌کنند، LSTM پنجره‌های زمانی را به‌ترتیب دریافت می‌کند و می‌آموزد کدام بخش‌های دنباله اهمیت…

اختیار معاملهسهامیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه فضای ذخیره‌سازی CSV، Parquet، Feather و HDF5 را با پنل قطعیِ یک‌میلیون‌ردیفی OHLCV مقایسه می‌کند. زمان نوشتن، زمان خواندنِ داده بارگذاری‌شده، اندازه فایل و خواندن‌هایی را که فقط دو ستون را انتخاب می‌کنند می‌سنجد. روش زمان‌گیری از یک اندازه‌گیری…

سهامآماراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه خط لوله‌ای برای تبدیل تیترهای مالی به سیگنال‌های سطح سهام ارائه می‌کند. مجموعه اخبار را پاک‌سازی و استاندارد می‌کند، موارد تکراری کاملاً یکسان یا دارای پیشوند مشترک را در گروه‌های نماد-تاریخ حذف می‌کند و از تعبیه‌های جمله برای بازنمایی معنای تیتر…

سهامیادگیری ماشیناحساسات بازارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه چرخه عمر داده بازارِ روزانه OHLCV را توضیح می‌دهد: بارگذاری تاریخچه اولیه، دریافت تغییرات کوچکِ هم‌پوشان، تشخیص نشست‌های مفقود و خلاصه‌سازی تازگی و مشکلات اعتبارسنجی هر نماد. توضیح می‌دهد چرا بازه به‌روزرسانی باید در آخرین میله کامل ارائه‌دهنده…

سهامآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه عملکرد یک خط مبنای ثابتِ مومنتومِ خریدِ صرفِ ETF را در شرایط بازار از 2010 تا 2024 بررسی می‌کند. هر بازده روزانه را با معیارهای نوسان و روندی برچسب می‌زند که پیش از آغاز همان بازده معلوم بوده‌اند؛ میانه‌های تاریخیِ گسترش‌یابنده، وضعیت‌های بالا و…

سهاممومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های ازپیش‌انتخاب‌شده مبتنی بر ویژگی‌های شرکت و یک پیکربندی ثابت سبد را در دوره نگه‌داشته‌شده یک‌ساله اعمال می‌کند. برای حفظ ارزیابی برون‌نمونه، هیچ انتخاب تازه‌ای درباره پیش‌بینی‌ها، تخصیص، تمرکز، بازمتعادل‌سازی یا هزینه‌های تراکنش انجام…

سهامسرمایه‌گذاری عاملیتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نمونه‌برداری مبتنی بر اطلاعات را با ساخت میله‌های عدم‌تعادل تیک و حجم از داده‌های معاملات بررسی می‌کند. پیاده‌سازی دستی عدم‌تعادل تیک را با نمونه‌گیر یک کتابخانه تطبیق می‌دهد، سپس اندازه‌های موردانتظار میله و تنظیمات سازگاری را می‌سنجد تا…

سهامریزساختار بازارآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه روند پرسش‌وپاسخ فقط‌خواندنی را روی گراف دارایی‌های نهادی نشان می‌دهد که از گزارش‌های 13F ساخته شده است. به‌جای تولید پرس‌وجوهای پایگاه داده از زبان طبیعی، پرسش‌های دقیق و پشتیبانی‌شده را به قالب‌های Cypher دست‌نویس با موجودیت‌های ثابت هدایت…

سهامیادگیری ماشیناجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه حد ضرر، حد ضرر متحرک و خروج زمانی در سطح موقعیت را روی پیکربندی‌های برتر مرحله تخصیص در راهبرد درون‌روزی NASDAQ-100 ارزیابی می‌کند. تصمیم‌ها هر پانزده دقیقه گرفته می‌شوند، در حالی که موتور بک‌تست موقعیت‌ها را هر دقیقه پایش می‌کند؛ بنابراین لایه…

سهاممدیریت ریسکآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه ترنسفورمری قطعه‌بندی‌شده را برای پیش‌بینی دنباله در مطالعه سهام و اختیار معامله S&P 500 شرح می‌دهد. پنجره زمانی را به بلوک‌های پیوسته تقسیم می‌کند و هر بلوک را یک توکن در نظر می‌گیرد؛ این کار اجازه می‌دهد توجه، هنگام کار با دنباله‌ای کوتاه‌تر،…

سهاماختیار معاملهیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این یادداشت، تحلیل مؤلفه‌های اصلی ابزارمند (IPCA) را برای یک پنل متغیر از سهام US توضیح می‌دهد. در PCA سنتی، برای هر سهم یک بار عاملی برازش‌شده تعیین می‌شود؛ این روش به‌طور طبیعی سهامی را که در نمونه آموزشی حضور نداشته‌اند پوشش نمی‌دهد و با تغییر ویژگی‌های…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های ETF توضیح می‌دهد چگونه مدل‌های آماری برازش‌شده می‌توانند از طریق پارامترهای برآوردشده، حتی وقتی فرمول‌هایشان از مشاهدات گذشته استفاده می‌کنند، اطلاعات آینده را نشت دهند. راهکار آن برنامه بازبرازش پیش‌رونده است: یک دوره گرم‌شدن اولیه در…

سهامیادگیری ماشینآمارنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه گرادیان بوستینگ را برای پنل سهام US بررسی می‌کند و ظرفیت درخت، تابع هدف و ایست بازرسی آموزش را در سه افق بازده آتی تغییر می‌دهد. توضیح می‌دهد که درخت‌های کم‌عمق چگونه می‌توانند برهم‌کنش ویژگی‌ها را یاد بگیرند، در حالی که افزایش ظرفیت خطر برازش…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه تبیین‌های SHAP را برای مدل LightGBM که بازده آتی ETF را پیش‌بینی می‌کند، نشان می‌دهد. TreeSHAP سهم ویژگی‌ها را در پیش‌بینی‌های منفرد و خلاصه‌های کلی اهمیت ارائه می‌کند. نمودارهای بی‌سوارم و وابستگی رابطه مقادیر ویژگی با سهم آن‌ها را نشان می‌دهند،…

سهامیادگیری ماشینآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این فصل داده‌های بازار را حاصل قواعد معاملاتی، نقدشوندگی و رفتار مشارکت‌کنندگان می‌داند. داده‌ها را از قیمت‌های بهترین سفارش تا خوراک‌های سطح سفارش مرور می‌کند، سپس تجزیه پیام‌های بورس و بازپخش آن‌ها در دفتر سفارش محدودِ محلی هر محل معامله را شرح می‌دهد.…

ریزساختار بازاراجرای سفارشمعاملات پربسامدآمار
یادگیری ماشین برای معامله‌گری

این مطالعه موردی توضیح می‌دهد چگونه پس از انتخاب مدل و راهبرد بر اساس داده‌های اعتبارسنجی، برای دوره خارج از نمونه پیش‌بینی تولید کنید. پیکربندی انتخاب‌شده قبلی را بازیابی می‌کند، مشخصات آموزش آن را بازسازی می‌کند و مدل را با استفاده از داده‌هایی که فقط پیش…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه EdgarTools را برای بررسی پرونده‌های SEC بر اساس شرکت و نوع پرونده معرفی می‌کند. نحوه یافتن ناشران با شناسه‌های پایدار CIK، دریافت گزارش‌های سالانه و فصلی، استخراج صورت‌های مالی XBRL و بررسی داده‌های Form 4 افراد داخلی و Form 13F نهادها را نشان…

سهامبازارهای آمریکاآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج اعتبارسنجی ثبت‌شده پنج برآوردگر عامل نهفته—PCA، IPCA، CAE، SDF و SAE—را در ۹ مطالعه موردی جمع‌بندی می‌کند. ابتدا گزارش می‌دهد کدام برآوردگرها در هر پنل نتیجه دارند، سپس بالاترین ضریب اطلاعات رتبه اسپیرمن روزانه میانگین را برای هر مطالعه…

سرمایه‌گذاری عاملییادگیری ماشینآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه TabM، یک مجموعه عصبی با اشتراک‌گذاری وزن، را روی پنل سهام US به‌کار می‌گیرد که برای هر سهم و جلسه یک ردیف ویژگی دارد. یک ستون فقرات مشترک دولایه به چند عضو مدل ورودی می‌دهد و هر عضو بردار مقیاس‌دهی و لایه خروجی خود را دارد؛ میانگین‌گیری…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه هدف‌های بازده آتی را برای رتبه‌بندی سهام US تعریف می‌کند و توضیح می‌دهد چگونه افق آن‌ها را با جلسات واقعی معاملاتی منطبق کنید. برای بازده‌ها از قیمت‌های تعدیل‌شده بابت تجزیه سهام و سود تقسیمی استفاده می‌کند، اما برای تعیین امکان معامله سهم، قیمت…

سهاممومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این خط لوله با استفاده از قیمت‌های OHLCV و منحنی بازده، ویژگی‌های مالی را برای جریان‌کار استقرار ETF می‌سازد. بازده‌ها و بازده‌های تعدیل‌شده بر اساس ریسک را در چند دوره گذشته‌نگر محاسبه می‌کند، شتاب مومنتوم و نسبت‌های نوسان را می‌سازد و سپس شاخص‌های فنی…

سهاممومنتومنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این اسکریپت دارایی‌های نهادی را از پرونده‌های SEC 13F به دو روش گردآوری می‌کند: می‌تواند پرونده‌های مجموعه‌ای گزینش‌شده از مدیران را بازیابی کند یا فایل‌های حجیم فصلی SEC را بارگیری کند. هر دو مسیر دارایی‌ها را به طرح‌واره‌ای مشترک نرمال می‌کنند و مسیر…

سهامآمارساخت پرتفوی