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

ניתוח ההיתכנות בוחן אם נתוני ציטוטים יכולים לתמוך באסטרטגיה ניטרלית לשוק וחתכית לרוחב, שמדרגת את מרכיבי NASDAQ-100 כל רבע שעה ומחזיקה את שני קצות הדירוג. הוא בודק אם יש מספיק סימולים זכאים עם ציטוטים, משווה תנועות במחיר האמצע לעלויות הלוך ושוב ייחודיות…

מניותמיקרו־מבנה השוקביצוע פקודותבדיקת ביצועים היסטוריים
Machine Learning for Trading

ניתוח זה משווה יומני מיון תכונות בתשעה מקרי בוחן של מסחר. הוא מבחין בין מובהקות של שיעור גילויים שגויים לפי Benjamini–Hochberg לבין מסלול שני להחלטת PROCEED, המשלב רף גודל אפקט ייחודי למקרה עם יציבות סימן בין קיפולים. מכיוון שההחלטה היא איחוד של מסלולים,…

סטטיסטיקהלמידת מכונהבדיקת ביצועים היסטורייםהשקעה מבוססת גורמים
Machine Learning for Trading

המחברת מבצעת כוונון עדין לשלוש נקודות ביקורת של שנאים עבור סיווג סנטימנט פיננסי במשפטים לשלוש מחלקות, ומשווה את הדיוק, F1 המאקרו, מטריצות הבלבול, מספר הפרמטרים וזמן האימון שלהם. היא משתמשת בחלוקה מרובדת לאימון, תיקוף ובחינה של Financial PhraseBank, מקבעת את…

למידת מכונהסטטיסטיקהסנטימנט שוקבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת בונה גורמים של רכיבים ראשיים מפאנל של תשואות חוזים עתידיים של CME, ולא ממאפיינים מהונדסים כגון קארי, מומנטום או תנודתיות. PCA מוצא כיוונים שמסבירים שונות בין מוצרים; הראשון עשוי להידמות לתנועת שוק משותפת, ורכיבים מאוחרים יותר עשויים לשקף תנועה משותפת…

חוזים עתידייםהשקעה מבוססת גורמיםלמידת מכונהבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת משווה שכבות של הוראת סטופ-לוס, סטופ נגרר ויציאה לפי זמן בבקטסטים קבועים של מיקרו-מבנה ב-NASDAQ-100. האסטרטגיה מקבלת החלטות מדי חמש עשרה דקות, בעוד שכללי הסיכון עוקבים אחר המחירים מדי דקה, כך ששכבה יכולה לצאת מפוזיציה בין עדכוני אותות. היא מעריכה כיצד…

ניהול סיכוניםבדיקת ביצועים היסטורייםקביעת גודל פוזיציהמניות
Machine Learning for Trading

המסמך מציג שתי גישות של גורמים חבויים לתשואות חוזים עתידיים. ניתוח רכיבים ראשיים מוצא כיוונים בלתי מתואמים שמסבירים את מירב השונות בתשואות, בעוד שגורם היוון סטוכסטי עצבי מחפש צירופים הקשורים לחתך הרוחב של התשואות הצפויות ויכול להשתמש במאפייני מוצרים כגון…

חוזים עתידייםלמידת מכונהסטטיסטיקהבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת מעריכה תחזיות תיקוף כתיקי מניות לונג בלבד, באמצעות בחירה שוות משקל של K המובילות ולוח החלטות שנקבע לפי התדירות של כל תווית. היא בודקת את סדר האירועים מסגירה לפתיחה הבאה באמצעות הרצת אות אקראי עם זרע קבוע, ואז סורקת אפשרויות לריכוז התיק באותו תהליך…

מניותאופציותבדיקת ביצועים היסטורייםבניית תיק
Machine Learning for Trading

מודול השירות המשותף מספק צינור הגברת גרדיאנט אחיד למחקר כמותי. הוא מגדיר הגדרות קיבולת וממפה שמות פרמטרים תקניים להגדרות המתאימות ב-LightGBM, ב-XGBoost, ב-CatBoost וב-Histogram Boosting של scikit-learn. הוא מטפל גם בבחירות זמן ריצה כגון ביצוע ב-CPU או…

למידת מכונהבדיקת ביצועים היסטורייםבניית תיק
Machine Learning for Trading

מקרה הבוחן משווה מודלים רציפים על לוח מאפיינים של מניות ואופציות ב-S&P 500. הוא משלב LSTM, ששומר מצב באמצעות שערים לאורך חלון הסתכלות לאחור, עם קו בסיס N-Linear שמסיר את הרמה האחרונה ומתאים מיפוי ליניארי. קו הבסיס בוחן אם זיכרון חוזר מוסיף ערך מעבר למיפוי…

מניותאופציותלמידת מכונהבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת מסבירה את הארכיטקטורה בת חמשת החלקים של TimeGAN: רשת הטמעה ורשת שחזור ממפות בין תצפיות גולמיות למרחב חבוי, רשת מפקחת לומדת מעברים בזמן, ורשת מחוללת ורשת מבחינה מאומנות באופן יריבי. היא מתארת אימון בשלבים ומיישמת את המודל על תשואות לוגריתמיות יומיות של…

למידת מכונהמניותסטטיסטיקהבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת משווה בין יחסי שארפ ברוטו ונטו על פני טווחי עלויות של אסטרטגיות שנלקחו מבקטסטים של מקרי בוחן. לכל תצורת אסטרטגיה שנפרסה, היא קוראת מהארטיפקטים המתועדים את העלות המשוערת לכל צד ואת תדירות האיזון מחדש, מבצעת אינטרפולציה ליחס שארפ בעלות המשוערת, ואומדת…

בדיקת ביצועים היסטורייםניהול סיכוניםביצוע פקודותסטטיסטיקה
Machine Learning for Trading

PCA של פרמיית סיכון משנה את מטריצת השונות המשותפת באמצעות הוספת מכפלה חיצונית משוקללת של וקטור התשואה הממוצעת בנתוני האימון. הווקטורים העצמיים המובילים שלה מגדירים תיקי גורמים סטטיים: PCA רגילה מתקבלת כשהמשקל הוא אפס, ואילו משקלים חיוביים מטים את הגורמים…

השקעה מבוססת גורמיםסטטיסטיקהלמידת מכונהבדיקת ביצועים היסטוריים
arXiv papers

המחקר מעריך תיקי מומנטום פיזי שנבנו ממניות NSE 500 בטווחים יומיים, שבועיים, חודשיים ושנתיים. הוא בוחן תשואות היסטוריות ופרופילי סיכון בשנים 2014–2021, ומשווה את התיק בעל הביצועים הטובים ביותר בכל טווח לתיק NIFTY 50. המחברים מדווחים שכל תיק מומנטום שנבחר השיג…

מניותמומנטוםסטטיסטיקהבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחברת זו ממירה חלונות תשואה מתגלגלים של ETF לתמונות דו-ערוציות עבור רשת עצבית קונבולוציונית. שדה הסכימה הזוויתית של Gramian משנה את קנה המידה של הערכים בכל חלון, ממפה אותם לזוויות ומתעד קשרים טריגונומטריים בין זוגות של נקודות זמן. שדה המעבר של מרקוב מחלק את…

למידת מכונהסטטיסטיקהמניותבדיקת ביצועים היסטוריים
Machine Learning for Trading

המחברת מודדת כיצד ביצועי האימות של אסטרטגיה נבחרת המבוססת על מאפייני חברות US משתנים כאשר עמלות והחלקת מחיר משוערות משתנות. היא מריצה מחדש את אותה תצורה לאורך טווח עלויות מוגדר, ומחלקת כל חיוב כולל שווה בשווה בין עמלה להחלקת מחיר. השארת האסטרטגיה קבועה…

מניותבדיקת ביצועים היסטורייםביצוע פקודותניהול סיכונים
Machine Learning for Trading

מחברת זו מתארת כיצד להפיק תחזיות לתקופת החזקה עבור תצורת מודל של חוזים עתידיים מסוג CME. התצורה נבחרת לפי תוצאות אימות, ואז המודל מותאם מחדש על נתונים המסתיימים לפני תחילת חלון ההחזקה. מרווח תוויות מפריד בין תצפיות האימון לתקופת ההערכה, כך שתוצאות התוויות…

חוזים עתידייםבדיקת ביצועים היסטורייםלמידת מכונהניהול סיכונים
Machine Learning for Trading

מחברת זו מתארת כיצד להפיק תחזיות לתקופת החזקה עבור תצורת מיקרו־מבנה של NASDAQ-100, לאחר בחירת המודל והאסטרטגיה בקפלי אימות. היא משחזרת את מפרט האימון שנבחר, גוזרת קפל החזקה מתוך החלון שהוגדר למקרה הבוחן ומתאימה מחדש את המודל באמצעות נתונים מוקדמים בלבד.…

מניותמיקרו־מבנה השוקלמידת מכונהבדיקת ביצועים היסטוריים
Machine Learning for Trading

מדריך זה מציג את דוחות המחויבויות של סוחרים של CFTC, הזמינים לציבור, כמקור לנתוני פוזיציות שבועיים בחוזים עתידיים. הוא מבחין בין דוח Traders in Financial Futures, המסווג משתתפים כגון דילרים, מנהלי נכסים וסוחרים ממונפים, לבין הדוח המפורק המשמש לחוזים עתידיים…

חוזים עתידייםסחורותסנטימנט שוקבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחברת זו מסכמת תוצאות אימות רשומות של חמישה אומדי גורמים חבויים על פני סדרת מקרי בוחן. תחילה היא ממפה אילו אומדים כוללים תוצאות לכל פאנל, ואז מזהה את האומד המוביל לפי מקדם מידע ממוצע יומי של דירוג Spearman (IC), עם רווחי סמך של HAC. היא גם משווה אומדים בפאנל…

למידת מכונהסטטיסטיקההשקעה מבוססת גורמיםבדיקת ביצועים היסטוריים
Machine Learning for Trading

מחברת זו מדגימה הערכה של גורם יחיד באמצעות נתוני ETF אמיתיים ודוגמה למומנטום הנגזר ממחירים. היא מודדת מקדמי מידע של Spearman בחתך רוחבי מול תשואות עתידיות, משווה אופקים ומסבירה את ההבדל בין ממוצע של מקדמי מידע רוחביים יומיים לבין חישוב מתאם מאוחד אחד. היא…

מניותמומנטוםסטטיסטיקהבדיקת ביצועים היסטוריים
Machine Learning for Trading

מקרה בוחן זה מסנן מאפיינים פיננסיים ומאפיינים מבוססי מודל מול תשואות עתידיות עבור אסטרטגיית מיקרו־מבנה של NASDAQ-100. הוא מחשב לאורך זמן מקדמי מידע של דירוגים רוחביים, מתקן את ההסקה לתלות ולבדיקות מרובות, ובוחן את צורת התשואות לפי קוונטילים ואת היתירות בין…

מניותמיקרו־מבנה השוקסטטיסטיקהלמידת מכונה
Machine Learning for Trading

מחברת זו בוחרת מקרה בוחן של חוזים עתידיים מסוג CME מתוך בדיקות היסטוריות רשומות לאימות, הכוללות כללי איתות, הקצאה ושכבות ניהול סיכון. היא משווה מועמדות על פני שני אופקי התשואה ובוחרת את התצורה בעלת מדד Sharpe הגבוה ביותר באימות. ניתוח הרגישות לעלויות מתאר את…

חוזים עתידייםבדיקת ביצועים היסטורייםניהול סיכוניםבניית תיק
Machine Learning for Trading

מחברת זו מסבירה כיצד לבנות תוויות לתשואות עתידיות תוך־יומיות עבור מניות NASDAQ-100 באמצעות נרות דקה וציטוטי NBBO. היא מגדירה תשואות מהנר שאחרי האות ועד לנקודת סיום עתידית מוגדרת, משתמשת בנקודות האמצע של הציטוטים להפחתת קפיצות בין מחירי קנייה למכירה ומתייחסת…

מניותמיקרו־מבנה השוקביצוע פקודותסטטיסטיקה
Machine Learning for Trading

מחקר המקרה משווה מודלי הגברת גרדיאנט החוזים תשואות עד לפקיעה של סטרדלים קצרים בכסף. הוא משנה את קיבולת העץ ואת שלוש פונקציות המטרה להתאמה: שגיאה ריבועית, שגיאה מוחלטת והפסד Huber. אימות ווק-פורוורד משתמש בשתי תקופות, לרבות שנה שבה התרחש אירוע תנודתיות, ומדרג…

אופציותתנודתיותלמידת מכונהבדיקת ביצועים היסטוריים