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

134 سند

یادگیری ماشین برای معامله‌گری

این ماژول مشترک مهندسی ویژگی، قواعد ساخت و ممیزی پیش‌بین‌های مالی مورداستفاده در چندین مطالعه موردی را تعریف می‌کند. هر خانواده ویژگی را همراه با فرضیه، ورودی‌ها، بازه گذشته‌نگر غلتان، وقفه اطلاعاتی، نقش و حالت شکست احتمالی ثبت می‌کند. می‌توان فهرست را با…

شاخص‌های تکنیکالآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه روشی برای گزارش‌دهی یک استراتژی بازگشت به میانگین RSI با موقعیت خریدِ صرف روی BTC ارائه می‌کند. عملکرد ناخالص و خالص را مقایسه می‌کند و سپس استراتژی را با خرید و نگهداری بر اساس همان تاریخ‌های معامله، میزان مواجهه، موتور اجرا، زمان پرشدن و…

رمزارزبازگشت به میانگینشاخص‌های تکنیکالآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند تفاضل‌گیری کسری را روشی برای ماناترکردن سری قیمت و درعین‌حال حفظ بخشی از اطلاعات سطح آن توضیح می‌دهد. وزن‌های وقفه را از بسط دوجمله‌ای تفاضل کسری استخراج می‌کند و نشان می‌دهد که حذف وزن‌های کوچک، پنجره تاریخی تبدیل را تعیین می‌کند. نمونه این تبدیل را…

آمارشاخص‌های تکنیکالیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این نمایش، یک استراتژی تقاطع دو میانگین متحرک را هم در موتور بک‌تست تاریخی و هم در موتور زنده‌ای اجرا می‌کند که همان میله‌های روزانه ETF را بازپخش می‌کند. استراتژی، ورودی‌ها، پارامترها و قاعده فرض‌شده اجرای سفارش را ثابت نگه می‌دارد و سپس جریان سیگنال‌های…

سهامشاخص‌های تکنیکالآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه امضاهای مسیر را به‌عنوان ویژگی‌های طول‌ثابت معرفی می‌کند که ترتیب و هندسه مشترک مشاهدات را در پنجره سری زمانی حفظ می‌کنند. سطح اول تغییر کل هر مختصه را ثبت می‌کند؛ سطح دوم مساحت علامت‌دار میان جفت مختصه‌ها را می‌گیرد و ترتیب حرکت را آشکار می‌کند،…

سهامشاخص‌های تکنیکالیادگیری 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 قاعده بازگشت به میانگینِ فقط خریدِ RSI را برای قراردادهای دائمی BTC/USDT با استفاده از موتور بک‌تست رویدادمحور پیاده‌سازی می‌کند. کندل‌های درون‌روزی را به داده روزانه OHLCV بر مبنای UTC تجمیع می‌کند، شاخص سود و زیان غلتان RSI را محاسبه می‌کند،…

رمزارزقراردادهای آتی دائمیبازگشت به میانگینشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش تبدیل پیش‌بینی‌های بازده با علامت مثبت یا منفی به موقعیت‌های دودویی را مقایسه می‌کند: آستانه ثابت صفر، صدک دنباله‌روِ امتیازهای هر نماد و صدک مقطعی میان نمادها. فعال‌شدن سیگنال و تغییر حالت را در پیش‌بینی‌های اعتبارسنجی ثبت‌شده برای ETFها و…

یادگیری ماشینشاخص‌های تکنیکالرمزارزسهام
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که GARCH چگونه خوشه‌بندی نوسان را به ویژگی‌ای برای هر جلسه تبدیل می‌کند. ابتدا از نمودار بازده‌ها و آزمون ARCH-LM استفاده می‌کند تا بررسی کند آیا بازده‌های مجذور به وقفه‌های خودِ بازده‌های مجذور وابسته‌اند. در مدل GARCH(1,1)، پاسخ به…

نوسانشاخص‌های تکنیکالمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این سند پنلی روزانه از ویژگی‌ها برای رتبه‌بندی بیست جفت‌ارز در زمان بسته‌شدن نیویورک، ساعت 5 PM، تدوین می‌کند. سیگنال‌های قابل رتبه‌بندی، مانند بازده‌های استانداردشده چندافقی و موقعیت در کانال، را از سنجه‌های وضعیت بازار مانند نوسان، افت سرمایه، دامنه و…

فارکسبازگشت به میانگینمومنتومنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه روندکاری را معرفی می‌کند که بارگذاری داده‌های استانداردشده ETF، یک فهرست ویژگی‌ها و عیب‌یابی سیگنال را به هم پیوند می‌دهد. نشان می‌دهد چگونه فرادادهٔ اندیکاتورها را بیابید، ویژگی‌ها را با مقادیر پیش‌فرض یا پارامترهای صریح محاسبه کنید و پیکربندی‌ها…

سهامشاخص‌های تکنیکالمومنتومآمار
یادگیری ماشین برای معامله‌گری

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…

نوسانآمارشاخص‌های تکنیکالسهام
یادگیری ماشین برای معامله‌گری

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…

سهامریزساختار بازارآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

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،…

سهامیادگیری ماشینآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این خط لوله با استفاده از قیمت‌های OHLCV و منحنی بازده، ویژگی‌های مالی را برای جریان‌کار استقرار ETF می‌سازد. بازده‌ها و بازده‌های تعدیل‌شده بر اساس ریسک را در چند دوره گذشته‌نگر محاسبه می‌کند، شتاب مومنتوم و نسبت‌های نوسان را می‌سازد و سپس شاخص‌های فنی…

سهاممومنتومنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

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…

شاخص‌های تکنیکالیادگیری ماشینآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه قراردادهای دودویی نرخ فدرال رزرو در Kalshi را به‌صورت احتمال بخوانیم و چگونه از نردبانی از آستانه‌های نرخ، توزیعی ضمنی بسازیم. تأکید می‌کند که خوراک داده شامل پیشنهادهای خرید YES است؛ بنابراین قیمت‌ها کران پایین‌اند و اسپرد بر…

قراردادهای آتیآمارریزساختار بازارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه تجزیه موجک و برآوردهای طیفی غلتان، بازده‌های مالی را در مقیاس‌های زمانی مختلف توصیف می‌کنند. موجک‌ها بازده را به مؤلفه‌هایی تقسیم می‌کنند که بازه‌های زمانی به‌تدریج طولانی‌تری را در بر می‌گیرند و نشان می‌دهند کدام مقیاس‌ها بیشترین…

سهامآمارنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه تغییرات پیوسته قیمت را از جهش‌ها در بازده سهام درون‌روزی جدا کنیم. واریانس تحقق‌یافته روزانه را از بازده‌های مجذور برآورد می‌کند و از تغییرات بای‌پاور به‌عنوان برآوردی مقاوم به جهش از مؤلفه پیوسته استفاده می‌کند؛ تفاضل نامنفی…

سهامنوسانآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه پژوهشی بک‌تست برداری را با VectorBT و از طریق قاعده بازگشت به میانگین صرفاً خرید RSI روی داده‌های بازار قراردادهای دائمی بیت‌کوین معرفی می‌کند. شاخص RSI مبتنی بر قیمت پایانی را محاسبه می‌کند، زمانی وارد می‌شود که مقدار روز قبل پایین‌تر از آستانه…

رمزارزقراردادهای آتی دائمیبازگشت به میانگینشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این ماژول مهندسی ویژگی، داده‌های قیمت روزانه را برای مدل‌های پرتفوی کلان نظام‌مند آماده می‌کند. بازده‌های افقیِ مقیاس‌شده با نوسان برآوردی، چندین سیگنال MACD چندمقیاسی و نمره‌های استاندارد غلتان قیمت لگاریتمی را می‌سازد. افق‌های بازده می‌توانند از مجموعه‌ای…

چندداراییمومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه از سوابق معاملات NASDAQ ITCH استفاده می‌کند تا تغییر حجم و فعالیت معاملاتی را در طول جلسه عادی بررسی کند. معاملات را به میله‌های زمانی بازنمونه‌گیری می‌کند، قیمت و حجم سهام نمونه با فعالیت بالا، متوسط و پایین را مقایسه می‌کند و سپس حجم هر یک از…

سهامریزساختار بازارآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این آموزش ویژگی‌های ساخته‌شده از تاریخچه قیمت و حجم دارایی را مرور می‌کند؛ از جمله بازده در افق‌های مختلف، سنجه‌های روند و بازگشت، چند برآوردگر نوسان، رژیم‌های نوسان، نقدشوندگی، ریسک دنباله‌ای و نرمال‌سازی مقطعی. انتخاب‌های عملی را توضیح می‌دهد؛ مانند…

شاخص‌های تکنیکالمومنتومنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش تبدیل داده‌های دقیقه‌ای NASDAQ-100 به ویژگی‌های مبتنی بر مدل را شرح می‌دهد: رگرسیون غلتان HAR برای پیش‌بینی و خطای پیش‌بینی واریانس، تبدیل فوریه برای الگوهای حجم اخیر و امضاهای مسیر با عمق دو برای ترتیب تغییر قیمت و جریان سفارش. تأکید…

سهامنوسانریزساختار بازارآمار