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 سند TabM، یک مجموعه عصبی با اشتراک وزن، را روی ویژگی‌های برگرفته از اختیار معامله برازش می‌دهد تا بازده آتی سهام و بازده‌های تعدیل‌شده با ریسک را پیش‌بینی کند. اعضای آن از یک شبکه مشترک دولایه با مقیاس‌دهی جداگانه فعال‌سازی و سرهای خروجی مجزا استفاده…
این سند برای عامل‌های پژوهشی، سابقه‌ای ساختاریافته از وضعیت ارائه می‌دهد که از رونوشت گفت‌وگوی آن‌ها جداست. سابقه پرسش و برش زمانی، شواهد گردآوری‌شده، پرسش‌های حل‌نشده، تاریخچه فراخوانی ابزار، نتایج دروازه‌ها و وضعیت ترکیب را ذخیره می‌کند. نگه‌داشتن شواهد و…
این دفترچه منظم‌سازی مدل خطی را برای پیش‌بینی بازده جفت‌ارزها بررسی می‌کند. هم‌خطی میان ویژگی‌های ورودی را از وابستگی میان دارایی‌ها جدا می‌کند: جفت‌ارزها ارزهای مشترکی دارند، پس بازده و رتبه‌بندی آن‌ها مستقل نیست. Ridge ضرایب را کوچک می‌کند و ویژگی‌ها را…
این یادداشت پیکربندی، انتخاب حل‌گر saga و تلورانس همگرایی سخت‌گیرانه‌تر را برای رگرسیون لجستیک L1 با برچسب‌های سه‌کلاسه توضیح می‌دهد. saga را با liblinear مقایسه می‌کند و به سنجش زمان اجرا روی پنل ریزساختار نزدک و مقادیر گزارش‌شده زیان لگاریتمی و دقت خارج از…
این ماژول بررسی‌هایی را شرح می‌دهد که مشخص می‌کنند ورودی‌های پیش‌بینی و بک‌تست، نشست‌ها و بخش‌های تعیین‌شده در یک مطالعه را پوشش می‌دهند یا نه. بررسی‌های نسبی مدل‌های نامزد را با یکدیگر مقایسه می‌کنند و ممکن است یک خطای مشترک را نبینند: مرزهای قدیمی بخش‌ها…
این دفترچه پیش‌بینی بازده را از ادعای اینکه مومنتوم علت آن است متمایز می‌کند. بازده سال پیشِ سهام، به‌استثنای ماه اخیر، را به‌عنوان متغیر مداخله و بازده آتی را پیامد در نظر می‌گیرد. نوسان اخیر، رتبه کم‌نقدشوندگی و نسبت حجم را عوامل مخدوش‌کننده بالقوه تعریف…
این دفترچه نتایج LightGBM را در چند مطالعه موردی معاملاتی تجمیع و با خط مبناهای خطی و TabM مقایسه می‌کند. پیکربندی با بالاترین IC را برای هر مطالعه بررسی می‌کند، بازه‌های سازگار با ناهمسانی و خودهمبستگی را گزارش می‌دهد و ارتباط تابع زیان، عمق درخت و…
این ابزار روندی تشخیصی برای مصنوعات داده‌ایِ تولیدشده در خط لوله‌های پژوهش کمی توصیف می‌کند. ستون‌های عددی را از نظر مقادیر تهی، مقادیر غیرمتناهی، صفرها، مقادیر متمایز، چندک‌ها و رفتار دنباله بررسی می‌کند، سپس ستون‌هایی را که از آستانه‌های راهنمای تنظیم‌پذیر…
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…
این دفترچه با پیش‌بینی همدیسِ تفکیک‌شده، پیرامون پیش‌بینی‌های گرادیان‌بوستینگ بازه پیش‌بینی می‌سازد. مدل را روی بخش آموزشیِ قدیمی‌تر برازش می‌کند، باقیمانده‌های مطلق را در بخش کالیبراسیونِ بعدی می‌سنجد و از آماره ترتیبیِ نمونه محدود برای تعیین پهنای بازه…
این دفترچه چهار تخصیص مرجع ETF را با استفاده از بازه‌های بحران تاریخی، شوک‌های هم‌زمان دارایی که دستی تعریف شده‌اند، شبیه‌سازی مونت‌کارلو با توزیع Student-t و آمار رژیم بازار مقایسه می‌کند. معیار بیشینه افت سرمایه را توضیح می‌دهد و از سبدهای با وزن ثابت…
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…
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…
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…
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…
این تحلیل لایه‌های ریسک را در مطالعات موردی مقایسه می‌کند؛ بک‌تست‌های آن‌ها را از دفتر ثبت می‌خواند و شارپ و بیشینه افت سرمایه را در برابر خط‌پایه مرحله تخصیص می‌سنجد، با جایگزینی از مرحله سیگنال در صورت نبود خط‌پایه. پیکربندی‌ها را بر اساس نوع قاعده…
این دفترچه قیمت‌گذاری بلک–شولز برای اختیار خرید و فروش اروپایی را توسعه می‌دهد، برابری اختیار خرید و فروش را بررسی می‌کند و با روش ریشه‌یابی برنت نوسان ضمنی را محاسبه می‌کند. همچنین دلتا، گاما، وگا، تتا و رو را تعریف می‌کند و با نمودار نشان می‌دهد حساسیت‌های…
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،…
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…
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…
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…
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،…
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.…
این ماژول کاربردی مشترک از تحلیل علّی داده‌های معاملاتی با یادگیری ماشین دوگانه سری زمانی (DML) پشتیبانی می‌کند. ابزارهای مستندشده آن شامل برآورد پیش‌رونده با دوره منع، مدل‌های مزاحم و آزمون‌های رد است. جایگشت بلوکی وابستگی زمانی محلی را در آزمون‌های دارونما…