ข้ามไปยังเนื้อหา

คลังความรู้

สรุปและแนวคิดสำคัญจากหนังสือ งานวิจัย บทความ และโค้ดที่เอเจนต์ AI ของเราอ่าน โดยเขียนโดยเอเจนต์วิจัยของ Stratmill แต่ละหน้ามีลิงก์ไปยังต้นฉบับ

Quant Q&A
เอกสาร 20,364 รายการ
SuperMind
เอกสาร 12,226 รายการ
OKX Learn
เอกสาร 8,431 รายการ
Strategy library
เอกสาร 7,910 รายการ
MQL5 code base
เอกสาร 7,090 รายการ
BigQuant
เอกสาร 3,481 รายการ
Bitget Academy
เอกสาร 3,298 รายการ
MQL5 articles
เอกสาร 3,012 รายการ
TradingView scripts
เอกสาร 1,976 รายการ
ProRealCode
เอกสาร 1,507 รายการ
Deribit Insights
เอกสาร 1,232 รายการ
Machine Learning for Trading
เอกสาร 1,124 รายการ
arXiv papers
เอกสาร 1,033 รายการ
Amberdata research
เอกสาร 766 รายการ
FMZ forum
เอกสาร 682 รายการ
FMZ digest
เอกสาร 662 รายการ
vn.py community
เอกสาร 560 รายการ
QuantInsti blog
เอกสาร 511 รายการ
Galaxy Research
เอกสาร 340 รายการ
QuantStart
เอกสาร 246 รายการ
Stratmill research code
เอกสาร 219 รายการ
Robot Wealth
เอกสาร 195 รายการ
NautilusTrader
เอกสาร 191 รายการ
Hummingbot docs
เอกสาร 181 รายการ
Paradigm research
เอกสาร 175 รายการ
Lumibot
เอกสาร 164 รายการ
Kraken Learn
เอกสาร 163 รายการ
คลังหลักสูตรควอนต์
เอกสาร 157 รายการ
OctoBot
เอกสาร 152 รายการ
Cryptohopper blog
เอกสาร 144 รายการ
Systematic trading blog (Rob Carver)
เอกสาร 132 รายการ
Qlib
เอกสาร 116 รายการ
TqSdk
เอกสาร 86 รายการ
Quantpedia
เอกสาร 86 รายการ
Hyperliquid docs
เอกสาร 79 รายการ
Freqtrade
เอกสาร 68 รายการ
Hudson & Thames
เอกสาร 62 รายการ
Awesome Systematic Trading
เอกสาร 61 รายการ
backtrader
เอกสาร 54 รายการ
vn.py
เอกสาร 50 รายการ
Binance API docs
เอกสาร 45 รายการ
การบรรยายของ Quantopian
เอกสาร 45 รายการ
FMZ guides
เอกสาร 38 รายการ
pysystemtrade
เอกสาร 34 รายการ
Freqtrade docs
เอกสาร 32 รายการ
quant-trading
เอกสาร 31 รายการ
FinRL
เอกสาร 28 รายการ
Zipline
เอกสาร 22 รายการ
FMZ live strategies
เอกสาร 21 รายการ
Jesse
เอกสาร 17 รายการ
pyfolio
เอกสาร 16 รายการ
Alphalens
เอกสาร 14 รายการ
WonderTrader
เอกสาร 14 รายการ
backtesting.py
เอกสาร 11 รายการ
Technical Analysis
เอกสาร 9 รายการ
QTPyLib
เอกสาร 8 รายการ
QuantRocket
เอกสาร 7 รายการ
Lumibot strategies
เอกสาร 7 รายการ
Awesome Quant
เอกสาร 1 รายการ

ค้นหาในคลังข้อมูล

เอกสาร 12,226 รายการ

SuperMind

This stock selection approach filters for shares associated with the metaverse theme, then checks for an upward-sloping 30-day moving average and sorts qualifying names by a measure of individual stock interest. The article presents this as a way to combine…

ตลาดจีนหุ้นโมเมนตัมอินดิเคเตอร์ทางเทคนิค
SuperMind

This Chinese stock-selection note proposes screening for price amplitude above 1, large-order net-volume readings above 0.05 over at least three consecutive days, and then ranking by fund strength. It presents the combination as a short- to medium-term way…

หุ้นโครงสร้างจุลภาคของตลาดอินดิเคเตอร์ทางเทคนิคตลาดจีน
SuperMind

This Chinese stock-screening note combines three ideas: rank stocks by volume ratio as a proxy for fund strength, require the previous day's adjusted turnover rate to exceed 8%, and look for a shortening MACD histogram on a 15-minute chart. It presents the…

หุ้นอินดิเคเตอร์ทางเทคนิคโมเมนตัมตลาดจีน
SuperMind

This Chinese stock-selection note combines a turnover-rate range of 3% to 12% with a reversal pattern and a signal described as the start of a major advance. Its example formula adds a close-above-moving-average condition and platform-specific filters. The…

หุ้นอินดิเคเตอร์ทางเทคนิคโมเมนตัมตลาดจีน
SuperMind

This short-term equity screen combines a large daily range, a recent strong up day, elevated current volume, and an opening price above the prior close. The stated lookback is 25 trading days for the strong-gain condition. The article describes the…

หุ้นอินดิเคเตอร์ทางเทคนิคโมเมนตัมการทะลุกรอบราคา
SuperMind

This stock screen combines an amplitude threshold with simultaneous crossovers among three moving-average pairs and at least one limit-up event during roughly the prior month. It is presented as a way to find shares showing strong recent movement and…

หุ้นอินดิเคเตอร์ทางเทคนิคโมเมนตัมการบริหารความเสี่ยง
SuperMind

The post describes a stock screen requiring a ticker that begins with 60, turnover between 3% and 12%, and total market value above 200 million yuan. Its Python example retrieves listed-stock information, checks the ticker prefix, and then filters daily data…

หุ้นตลาดจีน
SuperMind

This post outlines a stock selection screen based on three stated conditions: association with the metaverse theme, an upward-sloping 30-day moving average, and turnover between 2% and 9%. The accompanying indicator references and Python example illustrate…

หุ้นตลาดจีนอินดิเคเตอร์ทางเทคนิค
SuperMind

This document presents a short-term Chinese stock selection rule based on three market activity measures: turnover between 3% and 12%, first-level bid volume greater than ask volume, and a volume ratio between 1.5 and 6. It frames the turnover and order-book…

ตลาดจีนหุ้นอินดิเคเตอร์ทางเทคนิคโครงสร้างจุลภาคของตลาด
SuperMind

This document describes a daily stock screen combining price movement and a basic valuation condition. It selects stocks with amplitude above 1, at least two limit-up events within the prior 500 days, and a positive P/E ratio. The rationale is that recent…

ตลาดจีนหุ้นโมเมนตัมอินดิเคเตอร์ทางเทคนิค
SuperMind

This tutorial compares three ways to train an XGBoost model for stock selection: ranking securities by a score, classifying outcomes into categories, and predicting a numeric target through regression. It frames these choices within a broader modeling…

หุ้นแมชชีนเลิร์นนิงสถิติ
SuperMind

This Chinese-language article proposes screening mainland-listed stocks for a turnover rate between 3% and 12%, excluding Beijing-listed shares, and requiring a rising-bottom pattern. Its accompanying Python example adds further filters, including excluding…

หุ้นตลาดจีนอินดิเคเตอร์ทางเทคนิคการบริหารความเสี่ยง
SuperMind

The document describes a Chinese equity screening rule combining three conditions: daily amplitude above a threshold, evidence of main-fund control on the previous day, and a close above the previous day’s low. It frames the combination as a way to find…

หุ้นอินดิเคเตอร์ทางเทคนิคตลาดจีน
SuperMind

This China-stock screen combines three conditions: turnover between 3% and 12%, appearance on the previous day’s Dragon-Tiger list, and a 20-day moving average above the 120-day moving average. The post frames turnover and the market activity list as…

หุ้นตลาดจีนอินดิเคเตอร์ทางเทคนิคโมเมนตัม
SuperMind

This stock screen selects companies associated with the metaverse concept, then applies a price condition and a relative-volume band. It requires the close to exceed the previous session’s low and volume relative to its five-session average to be above 1.5…

หุ้นตลาดจีนอินดิเคเตอร์ทางเทคนิคการบริหารความเสี่ยง
SuperMind

This Chinese equity screen combines three conditions: at least five moving averages are described as converging, the tradable share float is no more than 5.5 billion shares, and the ten-day return is positive but below 35%. The article frames this…

หุ้นโมเมนตัมอินดิเคเตอร์ทางเทคนิคตลาดจีน
SuperMind

This stock screen combines turnover between 3% and 12% with seven consecutive sessions in which the closing price falls, then filters for a daily price change below 2.6% and above -5%. The article presents the rule as a way to find stocks after a sustained…

หุ้นการกลับสู่ค่าเฉลี่ยอินดิเคเตอร์ทางเทคนิคตลาดจีน
SuperMind

This stock screen combines three daily price conditions: amplitude greater than 1%, an opening price within 5% of the 10-day moving average, and a current low below the previous day's low. The document includes formula and Python examples for calculating…

หุ้นอินดิเคเตอร์ทางเทคนิคความผันผวนตลาดจีน
SuperMind

This equity screen targets stocks in the metaverse sector that recorded a limit-up move within the prior 25 days and whose opening price falls between 2% below and 5% above the reference close. The post describes selecting candidates before 10 a.m. for…

หุ้นตลาดจีนโมเมนตัมการทะลุกรอบราคา
SuperMind

This stock screen combines a daily turnover rate between 3% and 12%, a positive change in the KDJ K value, and an indicator intended to identify institutional accumulation. The document provides formula and Python examples, with the Python version also…

หุ้นอินดิเคเตอร์ทางเทคนิคโมเมนตัมตลาดจีน
SuperMind

The document explains the Crank–Nicolson implicit finite-difference scheme for solving the one-dimensional heat equation. It contrasts this approach with an explicit method that requires small time steps, describing Crank–Nicolson as averaging spatial…

สถิติ
SuperMind

The document proposes a stock screen combining three conditions: relatively large price amplitude, upward divergence in the day’s moving averages, and a limit-down price at the prior session’s 9:15 matching stage. The stated rationale is to find volatile…

ตลาดจีนหุ้นอินดิเคเตอร์ทางเทคนิคการกลับสู่ค่าเฉลี่ย
SuperMind

This Chinese A-share stock screen selects shares with a daily high-low range above a stated threshold, while excluding Beijing-listed stocks and specified board categories. The article also describes a refinement that keeps prices close to a 60-period moving…

หุ้นตลาดจีนอินดิเคเตอร์ทางเทคนิคการบริหารความเสี่ยง
SuperMind

The document describes a Chinese stock selection screen that combines a 14-period RSI below 65, the product of percentage price change and an oversized-order net inflow measure above 1, and a circulating market capitalization between 5 billion and 10 billion…

หุ้นตลาดจีนอินดิเคเตอร์ทางเทคนิคการกลับสู่ค่าเฉลี่ย