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 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…
این دفترچه تحلیل مؤلفه‌های اصلی را روی پنلی از بازده سهام US به‌کار می‌گیرد تا حرکت‌های گسترده مشترک را با مجموعه کوچک‌تری از عامل‌ها نمایش دهد. هر عامل جهتی از تغییرات مشترک است و بار عاملی هر سهم میزان مواجهه آن با آن جهت را توصیف می‌کند. پیش‌بینی‌های…
این دفترچه پیکربندی‌های تقویت گرادیانی را برای قراردادهای آتی دائمی رمزارز مقایسه می‌کند؛ ویژگی‌ها حول صرف قرارداد دائمی نسبت به بازار نقدی ساخته شده‌اند. ظرفیت درخت و تابع زیان، ازجمله زیان‌های مربعی، قدرمطلق و هوبر، تغییر می‌کنند و پیش‌بینی‌ها در چند نقطه…
این دفترچه از یادگیری ماشین دوگانه برای برآورد این موضوع استفاده می‌کند که آیا کری قراردادهای آتی، مستقل از نوسان، مومنتوم و رتبه کری مقطعی، بازده‌های بعدی را پیش‌بینی می‌کند یا نه. کری و بازده‌ها را با مدل‌های انعطاف‌پذیر و برازش متقاطع نسبت به این عوامل…
این دفترچه ویژگی‌های مبتنی بر مدل را برای قراردادهای آتی دائمی رمزارز توسعه می‌دهد: پیش‌بینی‌های نوسان شرطی هر دارایی از GJR-GARCH و احتمال رژیم تنش‌زده در کل بازار از مدل پنهان مارکوف گاوسی دوحالته‌ای که با تسویه‌های تأمین مالی برازش شده است. برخلاف…
این مطالعه موردی، جریان‌کاری پژوهشی برای قراردادهای آتی دائمی رمزارز ترسیم می‌کند و پرداخت‌های تأمین مالی میان موقعیت‌های خرید و فروش در تسویه‌های منظم را منبع بالقوه بازده در نظر می‌گیرد. مراحل داده و مدل را از ساخت برچسب و ویژگی‌های مالی تا مدل‌های آماری و…
این تحلیل نتایج غربال ویژگی‌ها را در ۹ مطالعه موردی معاملاتی مقایسه می‌کند و می‌پرسد آیا ویژگی‌هایی که از غربال عبور می‌کنند، استراتژی‌های قوی‌تری را پیش‌بینی می‌کنند. غربال آن، کنترل کشف کاذب بنجامینی–هوچبرگ را با مسیر دومی ترکیب می‌کند که بر حداقل اندازه…
این دفترچه DeePM را توصیف می‌کند؛ سیاستی سرتاسری برای سبد ETF که برای بهبود عملکرد در شرایط متغیر بازار طراحی شده است. اجزای آن شامل ویژگی‌های بازده و روند نرمال‌شده با نوسان، مدلی مبتنی بر LSTM، انتخاب متغیر، لایه‌های شرطی‌سازی و توجه میان‌دارایی محدودشده…
این مطالعه موردی برآورد علّی را برای مومنتوم ETF به‌کار می‌گیرد و می‌پرسد آیا اثر آن بر بازده‌های آتی با نوسان بازار تغییر می‌کند. در آن از مومنتوم پیوسته به‌عنوان متغیر مداخله، بازده آتی 21روزه به‌عنوان پیامد، کنترل‌های نوسان و منحنی بازده، و جنگل علّی برای…
این دفترچه، NLinear را به‌عنوان یک مدل پایه ساده برای پیش‌بینی بازده سهام US معرفی می‌کند. هر نمونه از پنجره‌ای شامل 60 جلسه پیاپی برای یک سهم استفاده می‌کند و ویژگی‌ها به ترتیب زمانی چیده شده‌اند. مدل برای هر ویژگی، آخرین مقدار آن را کم می‌کند، تاریخچه حاصل…
این دفترچه FinBERT ازپیش‌آموزش‌دیده را روی تیترهای مالی FinMarBa اعمال می‌کند و بررسی می‌کند چرا دقت آن بسیار کمتر از ارقام گزارش‌شده در ارزیابی Financial PhraseBank است. تشخیص محوری، منشأ برچسب‌هاست: برچسب‌های PhraseBank بازتاب‌دهنده قضاوت حاشیه‌نویسان…
این سند روندی را شرح می‌دهد که بارگذارهای استاندارد داده بازار را به رجیستری ویژگی‌های ازپیش‌ساخته و ابزارهای تشخیص سیگنال پیوند می‌دهد. محاسبه ویژگی را می‌توان با نام‌ها، فرهنگ‌های پارامتر یا YAML مشخص کرد؛ این کار از خطوط پردازش تکرارپذیر و افق‌های چندگانه…
این دفترچه دیدی در سطح خانواده مدل از پنج رویکرد عامل نهفته در یک مطالعه موردی تحلیل اختیار معامله سهام ارائه می‌کند. PCA حرکت‌های مشترک را مستقیماً از پنل بازده برآورد می‌کند؛ IPCA ویژگی‌ها را به‌صورت خطی به مواجهه‌ها نگاشت می‌کند؛ و رمزگذار خودکار شرطی از…
این فصل بک‌تست را تلاشی برای رد یک استراتژی از طریق فرض‌های صریح درباره زمان‌بندی سیگنال، اجرا، بازمتعادل‌سازی، اندازه موقعیت، هزینه‌ها، محدودیت‌ها و معیارهای مقایسه می‌داند. شبیه‌سازی برداری و رویدادمحور را از نظر نحوه برخورد با وضعیت، ترتیب سفارش‌ها، وجه…
این منبع حفاظ‌هایی را برای بازسازی درخواست مدل از مشخصات آموزشی تغییرناپذیر و اعتبارسنجی اجرای حاصل شرح می‌دهد. بررسی می‌کند که درخواست از نسخه هویتِ پشتیبانی‌شده، سطح اجرای استاندارد، خانواده مدل و مطالعه منطبق، و هویت آموزشیِ بدون تغییر استفاده کند. مجموعه…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را به‌عنوان مدلی برای بازده‌های مقطعی ارائه می‌کند. به‌جای اختصاص وزن مستقیم بازده به ویژگی‌های هر شرکت، IPCA نگاشتی خطی و مشترک از ویژگی‌ها به مواجهه‌های عاملی، در کنار بازده‌های عاملی ماهانه، برآورد می‌کند. این روش…
این دفترچه چهار طراحی شبکه عصبی را در یک وظیفه مقایسه می‌کند: پیش‌بینی بازده روزانه بعدی از پنجره‌ای از بازده‌های گذشته که روی هشت صندوق قابل معامله در بورس تجمیع شده‌اند. توضیح می‌دهد شبکه متراکم، کانولوشن یک‌بعدی، LSTM و GRU چگونه این ورودی را پردازش…
این دفترچه مدل‌های دنباله‌ای را برای رتبه‌بندی سهام S&P 500 با استفاده از پنجره‌هایی از تاریخچه سطح اختیار معامله و قیمت‌ها ارزیابی می‌کند. یک مدل خطی نرمال‌شده، که حافظه بازگشتی ندارد، را با LSTM مقایسه می‌کند که دروازه‌های آن اطلاعات را در طول زمان منتقل…
این دفترچه یک شبکه حافظه بلندمدت کوتاه‌مدت را با ویژگی‌های ریزساختار NASDAQ-100 برازش می‌دهد تا بازده‌های آتی را در چند افق زمانیِ چنددقیقه‌ای پیش‌بینی کند. برخلاف مدل خطیِ تخت‌شده، یک LSTM هر مشاهده را به‌ترتیب پردازش می‌کند و می‌آموزد چه میزان از اطلاعات…
این فصل توضیح می‌دهد چگونه مدل‌های یادگیری ماشین مالی را با رعایت اطلاعات موجود در هر زمان تصمیم‌گیری ارزیابی کنید. آموزش، اعتبارسنجی و دوره کنارگذاری نهایی را از هم متمایز می‌کند و توضیح می‌دهد چرا اعتبارسنجی کی‌فولد با ترتیب تصادفی اجازه می‌دهد مدل‌ها…
این دفترچه N-BEATS را می‌سازد؛ معماری پیش‌بینی عصبیِ کاملاً متصل که یک پنجره ورودی کامل را پردازش می‌کند و مسیر آینده را پیش‌بینی می‌کند. گونه تفسیرپذیر آن بلوک‌ها را مقید می‌کند تا مؤلفه‌ها را با پایه‌های روند چندجمله‌ای و فصلی‌بودن فوریه بیان کنند.…
این دفترچه مدل‌های LightGBM را با خط پایه ریج برای پیش‌بینی بازده ETF در دو افق مقایسه می‌کند. توضیح می‌دهد که چرا درخت‌ها می‌توانند برهم‌کنش‌های وابسته به رژیم را کشف کنند، مانند رفتار متفاوت مومنتوم هنگام تنش بازار، درحالی‌که تقسیم‌های حریصانه در حضور…
این دفترچه بازیابی ساختاریافته به سبک گراف را با بازیابی برداری مبتنی بر تعبیه، روی دارایی‌های نهادی در پرونده‌های 13F مقایسه می‌کند. تصویری از دارایی‌ها در یک زمان قطع ثابت می‌سازد، مجموعه سهام را محدود می‌کند و پرسش‌هایی درباره دارندگان سهام، دارایی‌های…
این دفترچه جریان کاری‌ای را نشان می‌دهد که معاملات زیان‌ده را به توضیح‌های مدلِ مرتبط با تصمیم‌های آن‌ها پیوند می‌دهد. پنل ویژگی تک‌دارایی SPY را از داده‌های قیمت و اقتصاد کلان می‌سازد، مدل LightGBM را با مشاهدات پیشین آموزش می‌دهد و از مشاهدات بعدی برای…