עבור לתוכן

ספריית ידע

סיכומים ורעיונות מרכזיים מתוך ספרים, עבודות מחקר, כתבות וקוד שקראו סוכני ה‑AI שלנו, ונכתבו בידי סוכן המחקר של Stratmill. בכל עמוד יש קישור למקור המקורי.

חיפוש בספרייה

904 מסמכים

Machine Learning for Trading

מחברת זו מסבירה נרות חוסר איזון לפי עסקאות ונרות חוסר איזון לפי נפח, ומשווה גישות אדפטיביות, סף קבוע וחלון נע על נתוני עסקאות NVDA. בנרות חוסר איזון לפי עסקאות, כיווני העסקאות החתומים נצברים עד להשגת סף; הסף הצפוי תלוי במספר העסקאות הצפוי לנר ובחוסר האיזון…

מניותמיקרו־מבנה השוקסטטיסטיקהבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחקר מקרה זה משווה בין שיטות חלופיות לקביעת גודל פוזיציה בחוזים עתידיים של CME לבין קו בסיס במשקל שווה. הוא מסביר כיצד קביעת גודל לפי הופכי התנודתיות משתמשת בתנודתיות של כל חוזה, בעוד ששיטות המבוססות על קו־וריאנציה מביאות בחשבון גם את הקשרים בין מוצרים.…

חוזים עתידייםקביעת גודל פוזיציהבניית תיקניהול סיכונים
Machine Learning for Trading

מחברת זו מסבירה כיצד לבנות היסטוריית מחירים רציפה של חוזים עתידיים מתוך חוזים נפרדים שפוקעים במועדים שונים. היא מזהה חוזים בחודש הקרוב לפי נפח המסחר, מחילה אילוץ שמונע חזרה לאחור כדי למנוע החלפות שגויות, ומשווה בין תזמון גלגול לפי לוח השנה לבין פעילות מסחר…

חוזים עתידייםבדיקת ביצועים היסטורייםביצוע פקודותמיקרו־מבנה השוק
Machine Learning for Trading

מחברת זו מסבירה כיצד להפוך מודלים מותאמים של GJR-GARCH ומודלים חבויים של מרקוב למאפייני מסחר, תוך שליטה בהטיית הצצה לעתיד. GJR-GARCH אומדת תנודתיות מותנית ולוכדת את ההשפעה הגדולה יותר של זעזועי תשואה שליליים; מודל גאוסי דו־מצבי מסוג HMM ממדל משטרים…

קריפטוחוזים עתידיים תמידייםתנודתיותלמידת מכונה
Machine Learning for Trading

המחברת ממירה דירוגי תחזיות של צמדי מטבע לקו בסיס למסחר. בכל מועד החלטה היא יוצרת פוזיציות לונג ושורט שוות בגודלן בצמדים המדורגים במקום הגבוה ביותר והנמוך ביותר, ומעריכה אותן באמצעות מנוע בקטסט ל־FX. השקלול השווה נועד לבודד את תרומת הדירוג מהחלטות מאוחרות…

מט״חמסחר בזוגותבדיקת ביצועים היסטורייםבניית תיק
Machine Learning for Trading

מחברת זו משווה שתי ארכיטקטורות Transformer לחיזוי תשואות ETF ל-21 ימים מתוך מאפייני מומנטום נגררים. PatchTST מקבץ ימים עוקבים למקטעים, כך שכל אסימון מכיל רצפים קצרים של צורה מקומית. iTransformer מתייחס במקום זאת להיסטוריה של כל מאפיין כאסימון, ומאפשר למנגנון…

מניותלמידת מכונהמומנטוםבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחברת זו מציגה דרך תיאורית לתרגם תשואות ברוטו לביצועים נטו, באמצעות מידול נפרד של חיכוכי מסחר, מימון והוצאות הקרן. מבנה העלויות הפרמטרי שלה מחשב עלויות מסחר לפי תחלופת התיק וגודל העסקאות, עלויות מימון לפי מינוף וחשיפה לפוזיציות שורט, והוצאות שנתיות לפי הנחות…

מניותביצוע פקודותניהול סיכוניםבדיקת ביצועים היסטוריים
Machine Learning for Trading

מודול זה מתאר ממשק חיפוש לסוכני מחקר, עם ספק חי וספק דמה דטרמיניסטי. החיפושים יכולים להגביל את מספר התוצאות ולהחיל תאריך סף לפרסום, כדי לתמוך במחקר נקודתי בזמן באמצעות הסרת תוצאות שתוארכו במועד הסף או אחריו. רשימות דומיינים מותרים וחסומים מסננות מקורות,…

למידת מכונהמסחר מונחה אירועיםבדיקת ביצועים היסטורייםניהול סיכונים
Machine Learning for Trading

מחברת זו מסבירה כיצד מקודד אוטומטי מותנה מרחיב PCA ממוכשר PCA למידול תשואות ETF. שתי השיטות ממפות מאפייני קרן לחשיפות לפקטורים ומשלבות אותן עם תשואות הפקטורים; המקודד האוטומטי מחליף את מיפוי המאפיין לחשיפה הליניארי של IPCA ברשת עצבית. האימון משתמש בקיפולי…

מניותהשקעה מבוססת גורמיםלמידת מכונהבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחקר מקרה זה מסביר מדוע אי אפשר לבדוק פקודות סטופ-לוס, סטופים נגררים ובקרות אחרות ברמת הפוזיציה עבור תיקי מאפייני חברות US שנבנו מתצפיות חודשיות. הבקטסט הווקטורי מחיל וקטור משקולות אחד על תשואה עתידית ממומשת לחודש, ולכן אין בו מסלול מחירים בין הכניסה ליציאה.…

מניותניהול סיכוניםבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחברת זו קובעת קו בסיס בשלב האות להערכת תחזיות מודל על חוזים עתידיים של CME. בכל החלטה שבועית היא מדרגת מוצרים לפי תשואה חזויה, קונה את הקבוצה העליונה, מוכרת בחסר את הקבוצה התחתונה ומעניקה לכל פוזיציה משקל שווה. היא משנה את מספר המוצרים בכל צד כדי להראות…

חוזים עתידייםבדיקת ביצועים היסטורייםבניית תיקביצוע פקודות
Machine Learning for Trading

מחברת זו משתמשת ברגרסיה ליניארית כקו בסיס לחיזוי תשואות NASDAQ-100 ממאפייני מיקרו-מבנה ברמת הדקה. מאחר שמדדי מרווח וחוסר איזון בפקודות חופפים בין חלונות מבט לאחור, מטריצת המאפיינים קולינארית מאוד: ריבועים פחותים רגילים עלולים להקצות משקלים מנוגדים ולא יציבים…

מניותמיקרו־מבנה השוקלמידת מכונהסטטיסטיקה
Machine Learning for Trading

מחברת זו בונה מרווחי חיזוי סביב תחזיות גרדיאנט בוסטינג ומשווה בין חיזוי קונפורמי מפוצל לבין רגרסיית קוונטילים, רגרסיית קוונטילים קונפורמית והסקה קונפורמית אדפטיבית. חיזוי קונפורמי מפוצל משתמש בחלוקה כרונולוגית לאימון וכיול, מסיר תצפיות סביב הגבול כדי להתחשב…

למידת מכונהסטטיסטיקהניהול סיכוניםקביעת גודל פוזיציה
Machine Learning for Trading

מחקר פאנל זה של מניות US משתמש במודל ליניארי עם ענישה כקו בסיס לחיזוי תשואות עתידיות ממאפיינים שנצפו בסגירה. מערך המאפיינים כולל מדידות חופפות של מומנטום ותנודתיות, היוצרות מולטיקולינאריות שעלולה להפוך את מקדמי הריבועים הפחותים הרגילים ללא יציבים. המחברת…

מניותהשקעה מבוססת גורמיםסטטיסטיקהניהול סיכונים
Machine Learning for Trading

השוואת ביצועים זו משווה בין CSV, Parquet, Feather (‏Arrow IPC) ו-HDF5 באמצעות אותו מערך OHLCV דטרמיניסטי. היא מודדת זמן כתיבה, זמן קריאה לאחר מימוש, גודל קובץ והשפעה של קריאת עמודות נבחרות בלבד. מדיניות התזמון משתמשת בכתיבה אחת ומחשבת ממוצע של קריאות חוזרות…

מניותבדיקת ביצועים היסטורייםביצוע פקודות
Machine Learning for Trading

מחקר מאפיינים זה עבור ETF בונה שלושה משתנים נגזרים ממודלים: מודל מרקוב חבוי (HMM) שמעריך את משטר השוק, מחירים שעברו הפרשים שבריים עבור קרנות ייחוס, ותנודתיות מותנית מסוג GARCH(1,1) לכל ETF. הוא מדגיש שכדי למנוע הצצה לעתיד, הן הפרמטרים והן ההסקה צריכים להשתמש…

מניותתנודתיותלמידת מכונהסטטיסטיקה
Machine Learning for Trading

מדריך זה משווה מחסומי סטופ-לוס וטייק-פרופיט קבועים, סטופים נגררים, יציאות מותאמות ל-ATR, אות יציאה של למידת מכונה ושילובים של גישות אלה על נתוני SPY יומיים. מחסומים קבועים מדומים ממחירי הכניסה, כאשר פערים ליליים מבוצעים לפי מחיר הפתיחה ובהנחה שמרנית שהסטופ…

מניותניהול סיכוניםאינדיקטורים טכנייםבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחקר משווה עצים עם Gradient Boosting למודל ליניארי עם ענישה לצורך דירוג צמדי מטבעות לפי תשואות עתידיות. המניע הוא שעצים יכולים לייצג קשרים מותנים, כגון שימוש במומנטום במשטר שוק אחד ובקארי באחר, בעוד שהצמדים חולקים מטבעות ותלויים סטטיסטית זה בזה. הרשת…

מט״חלמידת מכונהסטטיסטיקהבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת מרכיבה סוכן חיזוי מלקוח של מודל שפה, כלי חיפוש ולולאת תורות מוגבלת. הסוכן מחפש ראיות ומחזיר הסתברות בינארית עם נימוק. מנתח התשובות שלו מטפל בשגיאות עיצוב נפוצות ומאמת פעולות חיפוש וחיזוי; תשובות לא תקינות נשלחות בחזרה לתיקון. רשומות ריצה שמורות משמרות…

למידת מכונהסטטיסטיקהסנטימנט שוקבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת מיישמת שיטות מחקר אירועים מסדרות זמן מבניות בייסיאניות כדי לאמוד את השפעת הודעות הפדרל ריזרב על ETF אג״ח. היא בונה תרחיש נגד עובדתי מתוך קשרים לפני האירוע בין תשואות הלוגריתם היומיות של נכס היעד לבין תשואות של משתני בקרה מסוג ETF בינלאומיים וסחורות.…

ניירות ערך בעלי הכנסה קבועהמסחר מונחה אירועיםסטטיסטיקהלמידת מכונה
Machine Learning for Trading

המחברת משווה בין DQN, PPO ו-A2C בסביבת מסחר מדומה משותפת, המכוילת לתשואות שעתיות של חוזים עתידיים תמידיים על ביטקוין. מודל GARCH(1,1) מספק צבירת תנודתיות, בעוד הסביבה גובה על שינויי פוזיציה ומחילה פעולה בהשהיה של צעד אחד, כדי למנוע מתן תגמול לסוכן על תשואה…

למידת מכונהקריפטוחוזים עתידיים תמידייםתנודתיות
Machine Learning for Trading

המחברת מסבירה מדוע מחירי מניות גולמיים עלולים להפיק תשואות מטעות כשהם חוצים פיצולי מניות או מועדי דיבידנד במזומן. היא מתארת התאמה לאחור, המשנה את קנה המידה של מחירים היסטוריים לפי פעולות תאגידיות מאוחרות יותר, ומבחינה בין מחירים גולמיים לסימולציית ביצוע,…

מניותסטטיסטיקהבדיקת ביצועים היסטורייםשווקי ארצות הברית
Machine Learning for Trading

המחברת בודקת אם קביעת גודל פוזיציה מבוססת מודל משפרת את התוצאה לעומת שקלול שווה באסטרטגיית מאפייני חברות US. היא משווה שקלול לפי ציון, המקצה משקל גדול יותר למניות עם ציונים חזויים גבוהים יותר, לשקלול קונפורמי, המפחית הקצאות כאשר מרווחי התחזית מצביעים על…

מניותקביעת גודל פוזיציהבניית תיקבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת בוחנת אם אפשר להבחין בין מקדם המידע של אות (IC) לבין רעש כאשר תצפיות עוקבות תלויות זו בזו. היא מדגימה זאת באמצעות אות מומנטום ונתוני ETF, ומסבירה כיצד תשואות עתידיות חופפות, דירוגי אות מתמידים ומשטרי שוק עלולים ליצור אוטוקורלציה בערכי IC יומיים.…

סטטיסטיקהלמידת מכונהמומנטוםבדיקת ביצועים היסטוריים