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

327 سند

یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های تخصیص سرمایه میان موقعیت‌های سهام US را مقایسه می‌کند، درحالی‌که مدل، نقطه وارسی، تاریخ‌های بازمتوازن‌سازی و سهام منتخب ثابت نگه داشته می‌شوند. وزن‌های مبتنی بر قدرت پیش‌بینی، پهنای بازه پیش‌بینی، نوسان هر سهم و روش‌های پرتفوی آگاه از…

سهامتعیین اندازه موقعیتساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی از چند خانواده مدل را به پرتفوی‌های لانگ-شورت با وزن برابر تبدیل می‌کند. سهام را بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌کند، نام‌های بالای فهرست را می‌خرد و نام‌های پایین فهرست را فروش استقراضی می‌کند، سپس با یک رویه مشترک…

سهامبازارهای آمریکاآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این فصل نه مطالعه موردی را جمع‌بندی می‌کند که سیگنال‌های یادگیری ماشین را از ساخت پرتفوی و هزینه‌های معامله تا پوشش ریسک و ارزیابی روی دوره نگه‌داشته‌شده‌ای که از پیش ثابت شده پیش می‌برند. پیشرفت هر مطالعه موردی را واحد تحلیل می‌گیرد، نه اینکه استراتژی‌ها را…

یادگیری ماشینسهامآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا عوامل سرمایه‌گذاری منتشرشده، صرف بازده معتبر ارائه می‌کنند و یکدیگر را متنوع می‌سازند یا نه. از سری‌های بلندمدت و میان‌دارایی AQR در کنار عوامل سهام فاما-فرنچ استفاده می‌کند و برای درنظرگرفتن تعداد زیاد عوامل نامزدِ بررسی‌شده…

سرمایه‌گذاری عاملیآمارساخت پرتفویمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل با مقایسه شواهد ضریب اطلاعات (IC) و نسبت‌های شارپ حاصل از تبدیل پیش‌بینی‌ها به موقعیت، می‌سنجد آیا سیگنال‌های معاملاتی منتخب قابل‌اتکا به نظر می‌رسند یا نه. نتایج خانواده‌های مدل را در طبقات دارایی گردآوری می‌کند، میانگین IC و میانه شارپ سیگنال را…

یادگیری ماشینآمارآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد وزن‌دهی پرتفوی را برای فروش استرادل روی نمادهای منتخب S&P 500 مقایسه می‌کند. نمادهای انتخاب‌شده را ثابت نگه می‌دارد و تخصیص را تغییر می‌دهد؛ وزن‌دهی برابر خط مبناست. روش‌ها شامل وزن‌دهی بر اساس امتیاز پیش‌بینی‌شده، نوسان معکوس، برابری ریسک،…

اختیار معاملهساخت پرتفویتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند رابطی برای خوانندگان توصیف می‌کند که امکان بررسی نتایج بک‌تست ذخیره‌شده در یک رجیستری را فراهم می‌کند. این رابط خلاصه‌ای از تعداد اجراها ارائه می‌دهد، مشخصات و اجراهای منفرد را بررسی می‌کند، نتایج را رتبه‌بندی می‌کند، روش‌های تخصیص را مقایسه می‌کند،…

آزمون گذشته‌نگرآمارساخت پرتفوییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه سبدهای مرجع ETF را در بحران‌های تاریخی، شوک‌های هم‌زمان دارایی که دستی تعریف شده‌اند و سناریوهای زیان مونت‌کارلو مقایسه می‌کند. پنجره‌های تاریخی شامل افت‌های بزرگ ناشی از سهام و نرخ بهره‌اند و بازده سبد در بازه‌های صریح از قیمت پایانی تا قیمت…

چندداراییساخت پرتفویمدیریت ریسکنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های سطح سهام را به سبدهای اعتبارسنجی تبدیل می‌کند. در هر تاریخ تجدید توازن، سهام را بر اساس بازده پیش‌بینی‌شده مرتب می‌کند، گروه بالایی را می‌خرد و گروه پایینی را فروش استقراضی می‌کند و به هر موقعیت سرمایه‌ای برابر اختصاص می‌دهد. این خط…

سهامیادگیری ماشینآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این ماژول منبع، جدول‌های کاتالوگ را از ثبت‌های آزمایش برای پیش‌بینی‌های مدل و بک‌تست‌ها می‌سازد. فیلدهای رزروشده برای منشأ، هویت، وضعیت تکمیل، دسترس‌پذیری آرتیفکت و سنجه‌ها را تعریف می‌کند. کاتالوگ چندین سنجه برای پاسخ به پرسش‌های مختلف دارد، از جمله ضرایب…

آزمون گذشته‌نگرآمارمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه، بک‌تست‌های ثبت‌شدهٔ یک مطالعهٔ موردی ETF را در ارزیابی استراتژی با درنظرگرفتن عدم‌قطعیت گرد هم می‌آورد. معیارهای عملکرد را همراه با بازه‌های اطمینان بوت‌استرپ بلوکی می‌خواند و از بوت‌استرپ‌های جفت‌شده برای مقایسهٔ مراحل پیاپی خط لوله، گونه‌های…

آزمون گذشته‌نگرآمارساخت پرتفویسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه DeePM را پیاده‌سازی می‌کند؛ یک سیاست سرتاسری پرتفوی برای مجموعه متنوعی از ETF. مدل آن ویژگی‌های زمانی، فراداده دارایی‌ها، توجه مقطعی و پیشین گراف کلان را ترکیب می‌کند؛ پیشین گراف اجازه توجه درون طبقات دارایی و میان پیوندهای منتخب با انگیزه اقتصادی…

چندداراییساخت پرتفوییادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه موردی پیش‌بینی‌های ذخیره‌شده مدل برای سهام US را به سبدهای خرید-فروش استقراضی با وزن برابر تبدیل می‌کند. چند طرح ورود را می‌آزماید که هر یک برای موقعیت خرید نام‌های دارای بالاترین رتبه و برای فروش استقراضی نام‌های دارای پایین‌ترین رتبه را…

بازارهای آمریکاسهامیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند چند روش تبدیل امتیازهای پیش‌بینی به سیگنال معاملاتی را شرح می‌دهد: برش‌های ثابت، صدک‌های غلتان برای هر دارایی و صدک‌های مقطعی. آستانه‌های ثابت از سطح امتیاز انتخاب‌شده استفاده می‌کنند؛ آستانه‌های غلتان با توزیع اخیر امتیازهای دارایی سازگار می‌شوند؛…

یادگیری ماشینساخت پرتفویتعیین اندازه موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند ابزارهایی برای مقایسه استراتژی‌های معاملاتی ثبت‌شده و گردآوری ارزیابی‌های ساختاریافته مطالعات موردی شرح می‌دهد. یک روش رتبه‌بندی اصلی، سری‌های بازده را پیش از محاسبه سنجه‌های سبد به زمان‌مهرهای دقیقاً مشترک محدود می‌کند تا هر نامزد بر مبنای داده‌های…

آزمون گذشته‌نگرمدیریت ریسکساخت پرتفویآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های مقطعی سهام را با رتبه‌بندی در هر بازتنظیم سبد، به سبدهای خرید-فروش استقراضی تبدیل می‌کند: سهام برتر را می‌خرد و به همان میزان سرمایه برای هر موقعیت، سهام انتهای رتبه‌بندی را استقراض و می‌فروشد. وزن‌دهی برابر یک خط پایه فراهم می‌کند تا…

سهامیادگیری ماشینآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند گردش‌کار پژوهش معاملاتی یادگیری ماشین را از ایده‌پردازی درباره داده و ساخت ویژگی تا آموزش مدل، بک‌تست، هزینه‌های معامله، تصمیم‌های سبد و ریسک، استقرار و پایش پیش می‌برد. بر مرز شواهد میان تنظیم اکتشافی و ارزیابی نهایی، اعتبارسنجی آزمون پیش‌رونده و…

یادگیری ماشینآزمون گذشته‌نگرمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه مشخصات ازپیش‌منتخب استراتژی FX را با پیش‌بینی‌های ثبت‌شده مجموعه نگه‌داشته‌شده اجرا می‌کند. سیگنال، تخصیص، کنترل‌های ریسک، قاعده بازمتوازن‌سازی، هزینه‌ها و تنظیمات حساب استراتژی را حفظ می‌کند؛ مجموعه پیش‌بینی و شناسه چارچوب قیمت برای بازتاب…

فارکسآزمون گذشته‌نگرمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه شش روش تخصیص را روی پیکربندی‌های منتخب استراتژی‌های دائمی رمزارز بررسی می‌کند. رتبه‌بندی‌ها و قواعد ورود ثابت می‌مانند و فقط سرمایه اختصاص‌یافته به هر موقعیت تغییر می‌کند. روش‌ها از امتیازهای مدل، نوسان قراردادهای منفرد، کوواریانس میان قراردادها…

رمزارزقراردادهای آتی دائمیتعیین اندازه موقعیتساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه وزن‌دهی برابر را با دو قاعده تخصیص برای استراتژی‌های ویژگی شرکت‌های US مقایسه می‌کند: وزن‌دهی امتیازی که سرمایه بیشتری به پیش‌بینی‌های مدل با امتیاز بالاتر اختصاص می‌دهد، و وزن‌دهی کنفورمال که سرمایه اختصاص‌یافته به پیش‌بینی‌هایی با بازه خطای…

سهامتعیین اندازه موقعیتساخت پرتفویآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه یک تخصیص‌دهنده سبد سرمایه‌گذاری سرتاسری می‌سازد که شبکه انتخاب ویژگی به سبک Temporal Fusion Transformer را پیش از یک LSTM قرار می‌دهد. شبکه‌های باقیمانده دروازه‌دار جداگانه، ویژگی‌ها را جاسازی می‌کنند و وزن‌های نرمِ یادگرفته‌شده این جاسازی‌ها را…

یادگیری ماشینساخت پرتفویتعیین اندازه موقعیتنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه Tail-GAN را ارائه می‌کند؛ رویکردی تخاصمیِ مولد که برای بازتولید ریسک دنباله‌ای سناریوهای مالی، به‌ویژه ارزش در معرض ریسک (VaR) و کمبود مورد انتظار (ES) طراحی شده است. از مرتب‌سازی مشتق‌پذیر استفاده می‌کند تا سنجه‌های ریسک مبتنی بر چندک در آموزش…

یادگیری ماشینمدیریت ریسکآمارساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این ماژول پیکربندی، چارچوبی برای تعریف تنظیمات جست‌وجوی بک‌تست به‌ازای هر مطالعه موردی شرح می‌دهد. طرح‌های ورود، روش‌های تخصیص، شبکه‌های هزینه معامله و کنترل‌های ریسک را از فایل‌های تنظیمات می‌خواند و در صورت نبود تنظیمات ضروری خطاهای صریح می‌دهد. همچنین…

آزمون گذشته‌نگرمدیریت ریسکتعیین اندازه موقعیتساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این فصل توضیح می‌دهد چگونه گراف‌های دانش مالی را بسازید و به کار ببرید، وقتی پرسش‌ها به رابطه‌هایی مانند مالکیت، زنجیره تأمین یا سرایت وابسته‌اند. هویت موجودیت، طرح‌واره روابط نوع‌دار، منشأ داده و استخراج با کمک LLM از پرونده‌ها را پوشش می‌دهد. Graph RAG…

یادگیری ماشینسهامبازارهای آمریکاساخت پرتفوی