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

238 سند

یادگیری ماشین برای معامله‌گری

این دفترچه استفاده از TSMixer را برای پیش‌بینی بازده سهام بر اساس پنجره‌های مرتب‌شده از ویژگی‌های هر سهم شرح می‌دهد. هر نمونه شامل 60 جلسه پی‌درپی است؛ پنجره‌هایی که از شکاف‌های تاریخچه سهام عبور می‌کنند کنار گذاشته می‌شوند، بنابراین شمار نمونه‌های…

سهامبازارهای آمریکایادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این راهنما مجموعه‌داده‌های سهام US را در گروه‌های داده بازار، بنیادهای شرکت، موقعیت‌گیری سرمایه‌گذاران و ویژگی‌های شرکت سازمان‌دهی می‌کند. بارگذارهای داده برای کندل‌های روزانه و درون‌روزی، اختیار معامله و سوابق ریزساختار بازار را فهرست می‌کند و نیز متن…

سهامبازارهای آمریکاریزساختار بازاراختیار معامله
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 ارزیابی یک استراتژی سهام US را از مجموعه ثابت بک‌تست اعتبارسنجی تا ارزیابی دوره نگه‌داشته‌شده ردیابی می‌کند. قاعده‌ای قطعی اعمال می‌کند: نامزد دارای بالاترین شارپ اعتبارسنجی انتخاب می‌شود و در تساوی، هش بک‌تست تعیین‌کننده است. از سوابق رجیستری برای تأیید…

سهامآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یک پیکربندی ریزساختار NASDAQ-100 منتخب را روی پیش‌بینی‌های ثبت‌شده دوره نگه‌داشته‌شده اجرا می‌کند. مدل، تخصیص‌دهنده، سقف تمرکز پرتفوی، برنامه بازتوازن، پوشش ریسک و فرض‌های هزینه از کار قبلی گرفته شده و بدون تغییر اعمال می‌شوند؛ دفترچه هیچ تصمیمی…

سهامبازارهای آمریکاآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌سنجی بررسی می‌کند آیا می‌توان با پنل سهام US موجود، درباره استراتژی رتبه‌بندی روزانه سهام با موقعیت‌های خرید و فروش کوتاه پژوهش کرد یا نه. ساخت مجموعه دارایی در نقطه زمانی را با آستانه‌های قیمت و گردش گذشته بررسی می‌کند، هزینه‌های معاملاتی…

سهامبازارهای آمریکاآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌سنجی می‌پرسد آیا داده‌ها و فرض‌های یک استراتژی هفتگی استرادل کوتاه با پوشش دلتا روی اجزای S&P 500، پیش از برازش مدل، معقول‌اند یا نه. توضیح می‌دهد که چگونه اختیار خرید و فروش با قیمت اعمال و سررسید یکسان یک استرادل می‌سازند، نوسان ضمنی و…

اختیار معاملهنوسانمدیریت ریسکآزمون گذشته‌نگر
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 دفترچه نشان می‌دهد که یک سفارش با مبلغ ثابت دلاری، به‌دلیل تفاوت اندازه‌اش نسبت به حجم معاملات موجود، می‌تواند هزینه‌های بسیار متفاوتی در سهام گوناگون ایجاد کند. در آن، مدلی از اثر بازار با ریشه دوم برای یک استراتژی مومنتومِ خرید هنگام مثبت بودن، با…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه یک خودرمزگذار نظارت‌شده را با سهام روزانه US سازگار می‌کند. مدل ویژگی‌های رتبه‌بندی‌شده قیمت و حجم را بازسازی می‌کند، درحالی‌که سرهای طبقه‌بندی کمکی و اصلی، بازنمایی نهفته مشترکی را آموزش می‌دهند تا مثبت‌بودن بازده را در چند افق آتی پیش‌بینی کند.…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این راهنمای مجموعه‌داده، پنل ماهانه سهام US را توصیف می‌کند که شامل شرکت‌های ناشناس و ویژگی‌های آن‌هاست و در پژوهش قیمت‌گذاری دارایی با یادگیری ماشین به کار می‌رود. داده‌ها شامل ویژگی‌های حسابداری و فنی، بازده‌ها و دوره‌های ازپیش‌تعریف‌شده آموزش و آزمون…

سهامبازارهای آمریکایادگیری ماشینسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه برچسب‌های بازده آتی و جهت را برای پژوهش درون‌روزی NASDAQ-100 بسازیم. بازده را با قرارداد اجرایی مشخصی تعریف می‌کند: قیمت پایانی یک کندل را مشاهده کنید، در کندل بعدی وارد معامله شوید و نتیجه را طی مدتی تنظیم‌شده بسنجید. قیمت‌های…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه TabM، طرحی از شبکه عصبی برای داده‌های جدولی، را روی ویژگی‌های ماهانه شرکت‌ها بررسی می‌کند. سه پیش‌تنظیم را مقایسه می‌کند که با ثابت‌ماندن دیگر تنظیمات آموزش، عرض لایه پنهان و تعداد مدل‌های مجموعه را افزایش می‌دهند. اجراکننده مشترک هدف یادگیری را…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه استراتژی سهام و اختیار معامله S&P 500 را که پیش‌تر انتخاب شده، روی پیش‌بینی‌های یک دوره نگه‌داشته‌شده جداگانه در 2021 اعمال می‌کند. پیکربندی منتخب، از جمله تخصیص‌دهنده، قواعد تمرکز، پوشش ریسک و هزینه‌های معاملاتی، بدون تغییر حفظ می‌شود و…

سهاماختیار معاملهآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این نمایه عوامل نهفته را به‌عنوان الگوهای مشترکی معرفی می‌کند که از حرکت هم‌زمان بازده سهام استخراج می‌شوند؛ بار عاملی هر سهم میزان مواجهه آن با یک الگو را نشان می‌دهد. تحلیل مؤلفه‌های اصلی را، که عوامل و بارهای سهام را فقط از بازده‌ها برآورد می‌کند، با…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه یک استراتژی سهام US را که پیش‌تر انتخاب شده، با پیکربندی ثابت روی داده‌های نگه‌داشته‌شده ارزیابی کنیم. مجموعه پیش‌بینی درست را از هویت آموزشی مدل منتخب و نقطه وارسی آن به دست می‌آورد؛ سپس تخصیص‌گر، قواعد تمرکز، تناوب بازتوازن، لایه…

سهامبازارهای آمریکاآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد که هزینه‌های معامله چگونه بر استراتژی‌هایی اثر می‌گذارند که پیش‌تر در مراحل انتخاب سیگنال، تخصیص و لایه کنترل ریسک انتخاب شده‌اند. پیش از تغییر هزینه‌ها، برای هر برچسب یک پیکربندی منتخبِ اعتبارسنجی را ثابت نگه می‌دارد؛ بنابراین منحنی‌ها…

سهامآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه برچسب‌های بازده کل ماهانه را برای مطالعه مقطعی ویژگی‌های بنگاه‌های US تعریف می‌کند و انطباق این نتایج با ردیف‌های ارائه‌دهنده داده را می‌سنجد. در پنل، ویژگی‌های ماه قبل با بازده ماهی که ردیف به آن تاریخ‌گذاری شده جفت می‌شوند؛ بنابراین جلو بردن…

سهامبازارهای آمریکایادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد که هزینه‌های صریح اجرا چگونه می‌توانند بازده ناخالص یک استراتژی فرضی درون‌روزی را کاهش دهند. مبنای آن، اسپرد عبوریِ میانه و وزن‌دهی‌شده با حجم در میان اجزای NASDAQ-100 است؛ سپس با افزودن اثر بازار، لغزش قیمت و کارمزدهای فرضی، سناریوهای…

سهاماجرای سفارشریزساختار بازارمدیریت 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 دفترچه رژیم‌های توصیفی بازار را از داده‌های ماهانه اقتصادی فدرال رزرو می‌سازد: بیکاری، نرخ وجوه فدرال، منحنی بازده خزانه‌داری و تورم. روش هم‌ترازی سری‌هایی با بسامد انتشار متفاوت، تبدیل سطوح دارای روند به نرخ تغییر و تخصیص برچسب اقتصادی به خوشه‌های…

آماریادگیری ماشینبازارهای آمریکانوسان
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 دفترچه داده‌های اسناد 10-K و 8-K شاخص S&P 100 را که برای ساخت گراف دانش مالی در نظر گرفته شده‌اند، پیش‌نمایش می‌کند. کامل‌بودن طرح‌واره، یکتایی کلیدهای شرکت و شماره پذیرش، سازگاری نوع فرم، سال ثبت و طول متن ثبت‌شده را بررسی می‌کند. گزارش‌های سالانه شرح…

سهامیادگیری ماشینآماربازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های مدل را با استفاده از یک موتور بک‌تست مشترک، به‌عنوان استراتژی‌های معاملاتی NASDAQ-100 ارزیابی می‌کند. ابتدا با سیگنال‌های تصادفی یک بررسی فنی اجرا می‌کند: اگر پس از هزینه‌ها سودها پایدار بمانند، می‌تواند نشانه مشکلاتی مانند نگاه به…

سهامبازارهای آمریکاآزمون گذشته‌نگراجرای سفارش