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 پژوهش شبکه‌ای پویا از ارزهای دیجیتال می‌سازد که دو نوع پیوند دارد: پیش‌بینی‌پذیری متقاطع بازده و شباهت فناورانه. برای برآورد اجتماع‌ها با درنظرگرفتن هر دو منبع اطلاعات، از روش خوشه‌بندی طیفی پویای کمکیِ کوواریانس استفاده می‌کند. هدف شبکه، آشکارکردن نحوه…
این مقاله آربیتراژ آماری را با تبلیغات نمایشی بلادرنگ تطبیق می‌دهد؛ جایی که نمایش‌های تبلیغاتی با اثربخشی مورد انتظار مشابه ممکن است در بازارها یا ترتیبات قیمت‌گذاری پراکنده، قیمت‌های متفاوتی داشته باشند. روش، کمپین‌های هزینه‌به‌ازای اقدام را به موجودی…
Tail-GAN مولدی داده‌محور برای سناریوست که برای شبیه‌سازی پویایی مشترک و واقع‌گرایانه قیمت در سبدهای چنددارایی با ابعاد بالا طراحی شده و بر زیان‌های دنباله‌ای توزیع تمرکز دارد. این روش از قابلیت برآورد مشترک ارزش در معرض ریسک و زیان مورد انتظار استفاده می‌کند…
این پژوهش سرمایه‌گذاری بهینه در دو سهام هم‌انباشت را برای سرمایه‌گذاری با مطلوبیتِ ریسک‌گریزی نسبی ثابت بررسی می‌کند. مطالعه، کارهای پیشین در کنترل تصادفی را گسترش می‌دهد و بر خوش‌تعریف‌بودن مسئله بهینه‌سازی تمرکز می‌کند و نتیجه‌ای برای تأیید راه‌حل پیشنهادی…
مقاله روشی پویا برای سبد ارزهای دیجیتال پیشنهاد می‌کند که سیگنال‌های تکنیکال را با احساسات اخبار ترکیب می‌کند. از شاخص قدرت نسبی و میانگین متحرک ساده 14-روزه برای بازنمایی مومنتوم استفاده می‌کند؛ VADER احساسات اخبار را تحلیل می‌کند و Google Gemini برای…
این سند راهبردی نظام‌مند برای دنبال‌کردن روند در قراردادهای آتی کالا را شرح می‌دهد که شاخص‌های متعارف روند در یک بازار را با سیگنال‌های میان‌بازاری ترکیب می‌کند. این سیگنال‌های مقطعی می‌کوشند سرریز مومنتوم را بگیرند؛ یعنی روندهای یک بازار ممکن است روندهای…
این سند پیشنهاد می‌کند تغییرات واقعی نرخ ارز به ساختاری شبیه رشته نگاشت شوند تا مدل‌های پیش‌بینی برای معاملات فارکس ساخته شوند. استدلال می‌کند که رویکردهای اقتصادسنجی متعارف با افق بلند ممکن است ویژگی‌های عملی مانند هزینه‌های معامله، فرصت‌های آربیتراژ و…
این مقاله پژوهشی پیگیرانه درباره پیش‌بینی روند اختیار سهام با یادگیری ماشین و کاربرد پیش‌بینی‌ها در معامله را شرح می‌دهد. شبکه‌های عصبی بازگشتی و شبکه‌های حافظه کوتاه‌مدت و بلندمدت را بررسی می‌کند و سپس ترکیب چند مدل را می‌سنجد تا مشخص شود آیا پیش‌بینی‌های…
این مقاله روشی برای بهره‌برداری از ذخیره برق و ارزش‌گذاری آن در شرایط عدم‌قطعیت قیمت‌های درون‌روزی ارائه می‌کند. مسئله شارژ و دشارژ را به‌صورت بهینه‌سازی تصادفی محدب صورت‌بندی می‌کند و برای حل آن از برنامه‌ریزی پویای دوگانه تصادفی استفاده می‌کند. چارچوب،…
این مقاله بررسی می‌کند که آیا راهبردهای مبتنی بر دارایی‌های غیراسهمی می‌توانند راهبردهای سرمایه‌گذاری الگوریتمی مرتبط با S&P 500 را متنوع کنند. سیگنال‌های حاصل از پیش‌بینی‌های LSTM، پیش‌بینی‌های ARIMA-GARCH، مومنتوم و قواعد خلاف‌روند را مقایسه می‌کند.…
این مقاله از کنترل‌های تصادفی در قیمت‌گذاری تجربی دارایی و ارزیابی عملکرد سرمایه‌گذاری استفاده می‌کند. با به‌کارگیری گام‌برداری‌های تصادفی هندسی، که نوعی روش مونت‌کارلو زنجیره مارکوف توصیف شده‌اند، سبدهای تصادفی منطبق با محدودیت‌های سرمایه‌گذار تولید می‌کند.…
این مقاله به مرحله رتبه‌بندی دارایی‌ها در سبدهای نظام‌مند مقطعی می‌پردازد. استدلال می‌کند که قواعد ابتکاری ساده و رتبه‌بندی‌هایی که با مرتب‌سازی پیش‌بینی‌های مدل‌های متعارف رگرسیون یا طبقه‌بندی ساخته می‌شوند، ممکن است بهینه نباشند؛ این موضوع را با وظایف…
این سند رویکردی نظام‌مند برای تطبیق استراتژی‌های معاملاتی و تخصیص دارایی با تغییر شرایط بازار شرح می‌دهد. استفاده از مدل‌های خودرگرسیو مارکوف با تغییر حالت را برای شناسایی و پیش‌بینی رژیم‌هایی پیشنهاد می‌کند که به‌طور تقریبی با انباشت، توزیع، صعود و نزول…
این سند بررسی می‌کند که با تغییر پویایی بازده دارایی پرریسک، فرایند مطلوبیت غیرمستقیمِ مرتبط با یک استراتژی معاملاتی چگونه تغییر می‌کند. لازم نیست استراتژی بهینه باشد؛ بنابراین، تحلیل برای فرایندهای مطلوبیتی که از تصمیم‌های معاملاتی غیربهینه ناشی می‌شوند نیز…
این سند روشی بیزی برای برآورد ماتریس‌های همبستگیِ متغیر در طول زمان ارائه می‌کند. وابستگی با مدل عاملی کم‌رتبه بازنمایی می‌شود، برای منظم‌سازی سازگار با تغییرات محلی از حالت‌های نهفته با پیشین‌های انقباضی پویا استفاده می‌شود و خطاهای مشاهده با نوسان‌پذیری…
این پژوهش RADAR را پیشنهاد می‌کند؛ چارچوبی مبتنی بر بازیابی و فرایند انتشار برای یادگیری بازنمایی‌های وضعیت بازار که در بهینه‌سازی سبد تحت چارچوب عامل تنزیل تصادفی به کار می‌روند. انگیزه این رویکرد آن است که بازارها میان رژیم‌ها جابه‌جا می‌شوند، داده‌های…
این مقاله یادگیری ماشین نظارت‌شده را برای تداوم حرکت پس از اعلام سود (PEAD) به کار می‌گیرد؛ ناهنجاری سهامی‌ای که در آن بازده پس از انتشار خبر سود همچنان تغییر می‌کند. مدل از XGBoost و ویژگی‌های بنیادی و تکنیکال مهندسی‌شده بر پایه داده‌های اعلام فصلی 1,106…
این مقاله چارچوب سبدهای تولیدشده با تابع را در نظریه سبد تصادفی زمان‌پیوسته گسترش می‌دهد. در صورت‌بندی استاندارد، یک تابع مولد بازده سبد را نسبت به معیار غیرفعال از طریق معادله اصلی مسیرمحور توصیف می‌کند که از انتگرال‌های تصادفی پرهیز دارد. مقاله چارچوب را…
این مقاله رویکردی برای بهینه‌سازی سبد با محدودیت ریسک در پیشنهاد مجازی در بازارهای عمده‌فروشی برق ایالات متحده ارائه می‌کند. این رویکرد با شبکه عصبی بازگشتی، اسپرد قیمت نهایی مکانی بین ساعت‌ها را پیش‌بینی می‌کند و از وابستگی‌های ناشی از تسویه بازار بهره…
این سند روشی برای ساخت سبد معاملات جفتی ارائه می‌کند که هم‌پوشانی میان جفت‌های انتخاب‌شده را محدود می‌کند. دارایی‌ها را به‌شکل گره‌های گراف و جفت‌های نامزدِ هم‌انباشته را به‌شکل یال‌های وزن‌دار نشان می‌دهد؛ وزن یال‌ها قدرت هم‌انباشت را بازتاب می‌دهد. سبد با…
این مقاله روشی برای آزمون این موضوع ارائه می‌کند که آیا افزودن اوراق بهادار یا کاهش محدودیت‌های سرمایه‌گذاری، فرصت‌های در دسترس سرمایه‌گذارانی را که پیامدها را بر اساس ترجیحات مطلوبیت‌گرا ارزیابی می‌کنند گسترش می‌دهد یا نه. برای آزمون گسترش مطلوبیت‌گرا میان…
این سند راهبردی فعال را شرح می‌دهد که تخصیص میان پرتفوی‌های سهام با وزن برابر و وزن‌دهی بر اساس ارزش بازار را جابه‌جا می‌کند. انگیزه آن این است که وزن‌دهی برابر اغلب در دوره‌های بلند بهتر عمل کرده، اما هنگام افزایش تمرکز بازار و همبستگی‌ها ممکن است عقب…
این مقاله بررسی می‌کند که آیا اطلاعات مومنتوم در یک بازار آتی می‌تواند به پیش‌بینی مومنتوم در بازارهای دیگر کمک کند. شبکه‌ای از ویژگی‌های مومنتوم استخراج‌شده از قیمت‌ها در میان 64 قراردادِ پیوسته‌معامله‌شده در کالاها، سهام، اوراق قرضه و ارزها می‌سازد و نیازی…
این سند روشی داده‌محور با پنجره لغزان را برای حل مسئله سبد بهینه لگاریتمی شرح می‌دهد. این رویکرد به‌جای تخصیص یک مجموعه ثابت از وزن‌های سبد، وزن‌هایی تولید می‌کند که در طول زمان تغییر می‌کنند. این کار راهی برای تطبیق تخصیص‌های سبد با استفاده از پنجره متحرک…