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

2,112 سند

یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پنل فصلی بنیادهای سهام US را از داده‌های SEC XBRL بسازید و بررسی کنید، درحالی‌که هم دوره‌ای را که واقعیت توصیف می‌کند و هم تاریخ عمومی‌شدن آن حفظ می‌شود. در یک بک‌تست معتبر تاریخی، تاریخ ثبت گزارش یا اعلام عمومی تعیین می‌کند که…

سهامسرمایه‌گذاری عاملیآزمون گذشته‌نگربازارهای آمریکا
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 سند روندکاری با VectorBT را برای یک قاعده بازگشت به میانگین بیت‌کوین RSI با موقعیت خرید نشان می‌دهد. RSI را از قیمت‌های پایانی روزانه محاسبه می‌کند، وقتی مقدار روز قبل از آستانه پایینی کمتر باشد وارد می‌شود و وقتی از آستانه بالایی بیشتر شود خارج می‌شود.…

رمزارزبازگشت به میانگینشاخص‌های تکنیکالآزمون گذشته‌نگر
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 یک خودرمزگذار ساده را روی بازده‌های ساعتی استانداردشده گروهی از بازارهای دائمی ارز دیجیتال آموزش می‌دهد. رمزگذار آن بردار بازده بین‌دارایی را به بازنمایی نهفته دوبعدی فشرده می‌کند و رمزگشا ورودی را بازسازی می‌کند. اختلاف میان بازده‌های مشاهده‌شده…

رمزارزقراردادهای آتی دائمییادگیری ماشیننوسان
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 دفترچه عاملی مبتنی بر الگوریتم PPO (بهینه‌سازی سیاست پروگزیمال) را آموزش می‌دهد تا سفارشی ثابت را طی افقی معین تسویه کند. سیاست زمان‌بندی آموخته‌شده را با TWAP و برنامه آلمگرن–کریس مقایسه می‌کند، کسری اجرا را می‌سنجد و بررسی می‌کند هر استراتژی چه زمانی…

رمزارزقراردادهای آتی دائمیاجرای سفارشیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این مرجع دو منبع عمومی گزارش‌دهی SEC را برای بررسی موقعیت‌های سهام و فعالیت افراد داخلی شرح می‌دهد. گزارش‌های فصلی 13F دارایی‌های مؤسسات را ارائه می‌کنند؛ یا برای مجموعه‌ای گزینش‌شده از مدیران، یا از طریق داده انبوهی که یک بازه کامل گزارش‌دهی را پوشش می‌دهد.…

سهامبازارهای آمریکاساخت پرتفویمبتنی بر رویداد
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 چرخه‌ای عملیاتی برای استراتژی پیش‌بینی ETF نشان می‌دهد: نوسازی داده بازار، محاسبه دوباره ویژگی‌های مالی، آموزش مجدد مدل ریج، ذخیره فایل‌های استقرار، تولید پیش‌بینی‌های مقطعی جاری، اجرای دوباره پیش‌بینی‌ها از طریق موتور بک‌تست و آماده‌سازی سبد…

سهامیادگیری ماشیناجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد پس از آنکه پیکربندی استراتژی FX با نتایج اعتبارسنجی انتخاب شد، چگونه پیش‌بینی‌های داده نگه‌داشته‌شده را ایجاد کنیم. از میان نامزدهای پذیرفته‌شده‌ای که توانگری مالی را حفظ کرده‌اند، بک‌تست اعتبارسنجی با بالاترین شارپ را تعیین می‌کند؛…

فارکسآزمون گذشته‌نگریادگیری ماشینمدیریت ریسک
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 مطالعه موردی برای مقایسه صرف ریسک واریانس میان سهام 500، با استفاده از استرادل‌های هم‌قیمت 30روزه و داده قیمت دارایی پایه، ویژگی می‌سازد. نوسان ضمنی را در چند افق با نوسان تحقق‌یافته می‌سنجد، شاخص‌های هزینه و ریسک بازار اختیار معامله را می‌افزاید و…

اختیار معاملهسهامنوسانآزمون گذشته‌نگر
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 تحلیل امکان‌پذیری بررسی می‌کند که آیا داده‌ها و فرض‌ها می‌توانند پشتیبان استراتژی هفتگی‌ای باشند که سهام 500 را بر اساس نوسان ضمنی هم‌قیمت رتبه‌بندی و سهام برتر را خریداری می‌کند. اختیار معامله سیگنال را فراهم می‌کند، اما موقعیت‌ها در سهام نگهداری…

سهاماختیار معاملهنوسانمدیریت ریسک