Chuyển đến nội dung

Thư viện kiến thức

Tóm tắt và ý chính do tác nhân nghiên cứu của Stratmill biên soạn từ sách, bài nghiên cứu, bài viết và mã nguồn mà các tác nhân AI của chúng tôi đọc. Mỗi trang đều liên kết đến tài liệu gốc.

Tìm kiếm trong thư viện

12 tài liệu

Machine Learning for Trading

Notebook này giải thích Phân bổ rủi ro ngang bằng phân cấp như một phương án thay thế cho phân bổ trung bình-phương sai khi ước tính hiệp phương sai nhiễu. HRP phân cụm tài sản bằng khoảng cách tương quan, sắp xếp chúng theo cấu trúc phân cấp, rồi liên tục…

Xây dựng danh mụcQuản lý rủi roKiểm định quá khứCổ phiếu
Machine Learning for Trading

Sổ tay này áp dụng phân tích thành phần chính lên biến động lợi suất trái phiếu Kho bạc có kỳ hạn không đổi ở tám kỳ hạn, từ một đến ba mươi năm. Sổ tay loại bỏ các hàng lịch được điền giá trị trước đó nhưng không có biến động lợi suất, rồi chuẩn hóa các…

Thu nhập cố địnhThống kêQuản lý rủi roXây dựng danh mục
Machine Learning for Trading

Notebook này khám phá một bảng dữ liệu kinh tế được xây dựng từ các chuỗi Federal Reserve Economic Data. Notebook xác định rằng bảng dữ liệu được cung cấp sử dụng ngày dương lịch, bao gồm cả cuối tuần và ngày lễ, đồng thời cho thấy siêu dữ liệu đi kèm xác…

Thu nhập cố địnhBiến độngThống kêThị trường Mỹ
Machine Learning for Trading

Cấu hình này chỉ định bộ dữ liệu kinh tế vĩ mô lịch sử từ FRED để lọc chế độ và phân tích liên tài sản. Cấu hình sắp xếp chuỗi theo tần suất ngày, tuần, tháng và quý, bao gồm lợi suất trái phiếu Kho bạc, lãi suất quỹ liên bang, VIX, các thước đo lao động,…

Đa tài sảnThu nhập cố địnhBiến độngThống kê
Machine Learning for Trading

Tài liệu này mô tả quy trình thu thập lợi suất trái phiếu Kho bạc FRED và các chỉ báo kinh tế, căn chỉnh chuỗi có tần suất báo cáo khác nhau vào lịch hàng ngày, rồi tải hoặc lọc bộ dữ liệu thu được. Các chỉ báo gồm lãi suất và chênh lệch trái phiếu Kho bạc,…

Thu nhập cố địnhĐa tài sảnQuản lý rủi roThống kê
Machine Learning for Trading

Sổ ghi chép này áp dụng phương pháp nghiên cứu sự kiện chuỗi thời gian cấu trúc Bayes để ước tính tác động của thông báo từ Cục Dự trữ Liên bang lên một ETF trái phiếu. Sổ ghi chép xây dựng phản thực từ mối quan hệ trước sự kiện giữa lợi nhuận log hằng ngày…

Thu nhập cố địnhGiao dịch theo sự kiệnThống kêHọc máy
Machine Learning for Trading

Sổ ghi chép này giải thích cách kiểm tra một bảng dữ liệu gồm các chuỗi kinh tế được cung cấp từ FRED và diễn giải lưới ngày lịch, siêu dữ liệu cùng các cột dẫn xuất. Vì bảng dữ liệu đã được trải phẳng theo lịch hằng ngày, số hàng không cho thấy lịch công bố…

Đa tài sảnThu nhập cố địnhBiến độngThống kê
Machine Learning for Trading

Hướng dẫn bộ dữ liệu này mô tả quy trình lấy các chuỗi FRED, căn chỉnh quan sát theo lịch ngày và nạp các chỉ báo được chọn để phân tích. Ví dụ gồm lợi suất trái phiếu kho bạc, lợi suất kỳ hạn 10 năm trừ lợi suất kỳ hạn 2 năm, VIX, các thước đo việc làm, lạm…

Thu nhập cố địnhThống kêQuản lý rủi roĐa tài sản
Machine Learning for Trading

Tài liệu ghi lại dự báo nhiều giai đoạn về khả năng Cục Dự trữ Liên bang Mỹ tăng lãi suất trong 2026. Ba tác nhân tìm kiếm bằng chứng và đưa ra xác suất, sau đó tranh luận và nhận cập nhật từ người giám sát. Quan điểm của họ khác nhau: hai tác nhân đánh giá…

Thu nhập cố địnhThị trường MỹHọc máyThống kê
Machine Learning for Trading

Bản ghi này ghi lại một lần chạy dự báo bằng LangGraph về việc Cục Dự trữ Liên bang có tăng lãi suất mục tiêu trong năm 2026 hay không. Ba tác nhân đưa ra xác suất, sau đó là phần tranh luận và cập nhật của tác nhân giám sát. Kết quả được ghi lại gồm xác…

Thu nhập cố địnhThị trường MỹThống kê
Machine Learning for Trading

Tài liệu này ghi lại một cuộc tranh luận có cấu trúc giữa phe lạc quan và phe bi quan về việc Cục Dự trữ Liên bang có tăng lãi suất mục tiêu trong 2026 hay không. Ba tác nhân đánh giá câu hỏi, với lập luận dựa trên dự báo của Fed, lạm phát, điều kiện thị…

Thu nhập cố địnhThị trường MỹThống kê
Machine Learning for Trading

Tài liệu này mô tả tập dữ liệu ETF hàng ngày, được dùng làm nhóm ứng viên cho nghiên cứu động lượng và đa tài sản. Tập dữ liệu bao gồm chín nhóm, trong đó có cổ phiếu US và quốc tế, thu nhập cố định, hàng hóa, quỹ chuyên biệt và tiền tệ. Dữ liệu lấy từ Yahoo…

Đa tài sảnĐộng lượngCổ phiếuThu nhập cố định