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

358 سند

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 محیط بازارسازی را مدل می‌کند که مرکز مظنه و فاصله خریدوفروش را در واکنش به موجودی، نوسان و انتخاب گسسته کنش تعدیل می‌کند. قیمت‌های مصنوعی از نوسان شرطیِ تولیدشده با فرایند GARCH استفاده می‌کنند؛ عدم‌تعادل سفارش نیز در طول زمان تغییر می‌کند و بر…

بازارسازیریزساختار بازارنوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه یک خودرمزگذار ساده را روی بازده‌های ساعتی سبدی از بازارهای پرپچوال رمزارز آموزش می‌دهد. بازده‌ها با استفاده از دوره آموزش استاندارد می‌شوند و شبکه عصبی ورودی چنددارایی را پیش از بازسازی به بازنمایی نهفته دوبعدی فشرده می‌کند. مدل برای کمینه‌سازی…

رمزارزیادگیری ماشینآمارنوسان
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 سند توضیح می‌دهد چگونه از سه مدل سری زمانی برازش‌شده، ویژگی‌هایی برای جفت‌ارزها بسازیم: فیلتر فضای حالت برای برآورد سطح قیمتی که به‌آرامی تغییر می‌کند، مدل مارکوف پنهان دوحالته برای رژیم‌های نوسان دلار و مدل ARIMA که خطاهای پیش‌بینی یک‌گام آن بیانگر…

فارکسآمارنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند ساخت ماتریس ویژگی مقطعی برای سهام S&P 500 را با ترکیب تاریخچه تعدیل‌شده قیمت سهام و سطوح خلاصه‌شده نوسان ضمنی اختیار معامله شرح می‌دهد. ویژگی‌ها را بر اساس نقش، ورودی، دوره بازنگری و تأخیر مشاهده‌پذیری سازمان‌دهی می‌کند. مقادیر مشتق‌شده از اختیار…

سهاماختیار معاملهنوسانمومنتوم
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 عملکرد یک استراتژی مومنتوم ماهانه ثابت ETF را در شرایط مختلف نوسان، روند و منحنی بازده بررسی می‌کند. برچسب‌های رژیم طوری طراحی شده‌اند که پیش از بازدهی که توصیف می‌کنند معلوم باشند: نوسان و روند شاخص با قیمت‌های پایانی قبلی سنجیده و با میانه‌های…

چندداراییمومنتومنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه با مدل GJR-GARCH(1,1) ویژگی‌های نوسان شرطیِ مبتنی بر مدل را برای سهام S&P 500 می‌سازد؛ سپس فاصله نوسان ضمنی اختیار معامله از نوسان تحقق‌یافته را با فاصله آن از پیش‌بینی مدل مقایسه می‌کند. چون پارامترهای برآوردشده ممکن است مشاهدات آینده را…

سهاماختیار معاملهنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این مطالعه معاملات آتی CME ظرفیت درخت‌های تقویت گرادیانی و تابع زیان را تغییر می‌دهد و پیش‌بینی‌ها را در چند نقطه کنترل آموزش ثبت می‌کند. تعداد برگ‌های درخت تعیین می‌کند مدل فضای ویژگی را تا چه اندازه دقیق بخش‌بندی کند؛ زیان‌های مربعی، مطلق و هابر نیز از نظر…

قراردادهای آتییادگیری ماشینآمارآزمون 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 سند پیکربندی، خط لوله پژوهش هفتگی سهام 500 را تعریف می‌کند که ویژگی‌های بازار اختیار معامله را در کنار سیگنال‌های مبتنی بر قیمت به کار می‌گیرد. جهان مجاز، زمان تصمیم‌گیری و اجرا، و تناوب‌های بازمتوازن‌سازی متفاوت برای برچسب‌هایی با افق‌های پیش‌بینی مختلف…

اختیار معاملهسهامنوسانمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه هر پنجره بازده را یک توزیع تجربی در نظر می‌گیرد و پنجره‌ها را بر اساس فاصله یک‌بعدی Wasserstein خوشه‌بندی می‌کند. برای نمونه‌های هم‌اندازه، مرتب‌سازی تطبیق بهینه چندک‌ها را به دست می‌دهد؛ بنابراین فاصله تفاوت‌های سراسر توزیع بازده، از جمله جایگاه…

سهامیادگیری ماشینآمارنوسان
یادگیری ماشین برای معامله‌گری

این تحلیل توضیح می‌دهد شاخص پریمیوم قرارداد دائمی Binance چه ارتباطی با قیمت‌های نقدی دارد و صرافی چگونه آن پریمیوم را به فاندینگ دوره‌ای تبدیل می‌کند. شاخص از قیمت‌های خرید و فروش اثرگذارِ قابل‌اجرا نسبت به شاخص قیمت دارایی پایه استفاده می‌کند و ناحیه‌ای…

رمزارزقراردادهای آتی دائمیهزینه/درآمد نگهداری موقعیتآربیتراژ
یادگیری ماشین برای معامله‌گری

این دفترچه یک خودرمزگذار ساده را روی بازده‌های ساعتی استانداردشده گروهی از بازارهای دائمی ارز دیجیتال آموزش می‌دهد. رمزگذار آن بردار بازده بین‌دارایی را به بازنمایی نهفته دوبعدی فشرده می‌کند و رمزگشا ورودی را بازسازی می‌کند. اختلاف میان بازده‌های مشاهده‌شده…

رمزارزقراردادهای آتی دائمییادگیری ماشیننوسان
یادگیری ماشین برای معامله‌گری

این مطالعه موردی برای مقایسه صرف ریسک واریانس میان سهام 500، با استفاده از استرادل‌های هم‌قیمت 30روزه و داده قیمت دارایی پایه، ویژگی می‌سازد. نوسان ضمنی را در چند افق با نوسان تحقق‌یافته می‌سنجد، شاخص‌های هزینه و ریسک بازار اختیار معامله را می‌افزاید و…

اختیار معاملهسهامنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌پذیری بررسی می‌کند که آیا داده‌ها و فرض‌ها می‌توانند پشتیبان استراتژی هفتگی‌ای باشند که سهام 500 را بر اساس نوسان ضمنی هم‌قیمت رتبه‌بندی و سهام برتر را خریداری می‌کند. اختیار معامله سیگنال را فراهم می‌کند، اما موقعیت‌ها در سهام نگهداری…

سهاماختیار معاملهنوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چرا سری روزانه اختیار معامله با سررسید ثابت، سری بازدهِ موقعیتی نیست که واقعاً نگهداری شده باشد. ابتدا پایه‌های اختیار خرید و فروش با قیمت اعمال و سررسید یکسان را که از فیلترهای نقدشوندگی، سررسید، برآورد نوسان و دلتای اختیار عبور می‌کنند…

اختیار معاملهنوسانآزمون گذشته‌نگرقیمت‌گذاری مشتقه‌ها
یادگیری ماشین برای معامله‌گری

این سند روش‌های مشترکی را برای تولید ویژگی‌های مدل برازش‌شده، بدون استفاده از مشاهدات آینده، ارائه می‌کند. در مدل‌های مارکوف پنهان، احتمال حالت فیلترشده را که بر مشاهدات تا زمان فعلی تکیه دارد، از احتمال هموارشده که به کل توالی شرطی است و می‌تواند اطلاعات…

یادگیری ماشیننوسانآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه با یادگیری ماشین دوگانه برآورد می‌کند که آیا انحراف پریمیوم قراردادهای آتی دائمی با بازده‌های بعدیِ هشت‌ساعته مرتبط است و آیا این رابطه برآوردشده میان بازارهای کم‌نوسان و پرنوسان تفاوت دارد. طراحی پنلی میان نمادهای ارز دیجیتال را شرح می‌دهد،…

رمزارزقراردادهای آتی دائمییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پوشش ریسک عمیق برای یک اختیار خرید اروپایی فروش‌رفته را نشان می‌دهد. مسیرهای حرکت براونی هندسی را شبیه‌سازی می‌کند، پوشش دلتا بلک–شولز را به‌عنوان معیار به کار می‌برد و شبکه عصبی نیمه‌بازگشتی را آموزش می‌دهد تا موقعیت در دارایی پایه را انتخاب کند؛…

اختیار معاملهقیمت‌گذاری مشتقه‌هایادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند مجموعه‌داده OHLCV بازار ارز خارجی را توصیف می‌کند که G10 جفت اصلی و متقاطع را با کندل‌های روزانه و چهارساعته از OANDA پوشش می‌دهد. توضیح می‌دهد داده‌ها چگونه دانلود، بارگذاری و بر اساس جفت یا بازه تاریخ فیلتر شوند و چگونه از طریق خلاصه پوشش و…

فارکسآمارنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی می‌کند که آیا سنجه‌های بازار اختیار معامله می‌توانند بازده‌های آینده سهام را رتبه‌بندی کنند. مدل‌های خطی مشخص‌شده با ویژگی‌های استخراج‌شده از اختیار معامله و با اعتبارسنجی پیش‌رونده برازش می‌شوند و شدت جریمه برای ریدج، لسو و الاستیک‌نت…

اختیار معاملهسهامنوسانیادگیری ماشین
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