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.
636 tài liệu
Notebook này kiểm kê các cột đặc trưng dựa trên mô hình trong chín nghiên cứu tình huống thị trường bằng cách đọc lược đồ Parquet thay vì tải toàn bộ tập dữ liệu. Notebook loại các trường định danh, đếm cột theo thị trường và gán nhóm đặc trưng qua các token…
Nghiên cứu tình huống này so sánh các mô hình chuỗi trên bảng đặc trưng cổ phiếu và quyền chọn S&P 500. Nghiên cứu ghép một LSTM, duy trì trạng thái có cổng trong cửa sổ nhìn lại, với mô hình cơ sở N-Linear loại bỏ mức mới nhất rồi khớp một ánh xạ tuyến…
Notebook này giải thích kiến trúc gồm năm phần của TimeGAN: mạng nhúng và mạng khôi phục ánh xạ giữa quan sát thô với không gian tiềm ẩn, mạng giám sát học các chuyển tiếp theo thời gian, còn mạng sinh và mạng phân biệt được huấn luyện đối kháng. Notebook mô…
Notebook này chuyển các cửa sổ lợi suất ETF ETF cuốn thành ảnh hai kênh cho mạng nơ-ron tích chập. Trường tổng góc Gramian điều chỉnh lại tỷ lệ giá trị trong mỗi cửa sổ, ánh xạ chúng thành góc và ghi lại quan hệ lượng giác giữa từng cặp vị trí thời gian.…
PCA phần bù rủi ro PCA điều chỉnh ma trận hiệp phương sai bằng cách cộng thêm tích ngoài có trọng số của vector lợi suất trung bình trong tập huấn luyện. Các vector riêng ứng với trị riêng lớn nhất xác định các danh mục nhân tố tĩnh: khi trọng số bằng không,…
Bài báo kiểm tra liệu hoạt động tìm kiếm trên Google có thể giúp dự đoán cổ phiếu nào trong S&P 100 sẽ vượt trung vị của chỉ số vào ngày hôm sau hay không. Nghiên cứu kết hợp các biến tài chính trễ với khối lượng truy vấn tìm kiếm và huấn luyện cây quyết…
Notebook này mô tả cách tạo dự đoán cho giai đoạn giữ lại chưa được sử dụng sau khi chọn cấu hình bằng dữ liệu xác thực. Notebook xác định cấu hình đã chọn, dựng lại đặc tả huấn luyện cho tập giữ lại và suy ra cửa sổ huấn luyện từ dòng thời gian khả dụng…
Cấu hình này mô tả nghiên cứu tín hiệu dòng lệnh trong ngày trên tập cổ phiếu NASDAQ-100 được xác định tại từng thời điểm. Cấu hình xác định nhóm con đã sàng lọc chi phí bằng thông tin thanh khoản có trước mỗi kỳ đánh giá, nêu lịch ra quyết định cho một số…
Notebook này dùng mô hình hỗn hợp Gaussian để nhóm các tháng theo hành vi kết hợp của chín chuỗi lợi nhuận nhân tố và nhóm tài sản. Notebook chuẩn hóa quan sát hàng tháng, loại các tháng thiếu giá trị và so sánh số cụm ứng viên bằng BIC, AIC và điểm…
Notebook này xây dựng một tác nhân dự báo luân phiên giữa suy luận và hành động trong vòng lặp ReAct. Không gian hành động được cố ý thu hẹp: tác nhân có thể tìm kiếm bằng chứng hoặc gửi dự báo xác suất. Giao diện chung với hai phương thức cho phép vòng lặp…
Notebook này xem xét thử thách khám phá nhân quả của ADIA Lab như một benchmark học các mẫu trong một họ bộ mô phỏng đã biết. Bài toán cung cấp nhiều tập dữ liệu tổng hợp đi kèm đồ thị có hướng không chu trình đã biết, sau đó đánh giá mô hình qua việc phân…
Notebook này mô tả cách tạo dự đoán tập giữ lại cho cấu hình mô hình hợp đồng tương lai CME đã chọn. Cấu hình được chọn bằng kết quả xác thực, sau đó được khớp lại trên dữ liệu kết thúc trước khi cửa sổ giữ lại mở ra. Khoảng đệm nhãn tách các quan sát huấn…
Notebook này giải thích Tail-GAN, một phương pháp đối kháng sinh tạo kịch bản lợi nhuận tài chính với mục tiêu là giá trị rủi ro (VaR) và Expected Shortfall (ES) (ES). Phương pháp dùng sắp xếp khả vi để gradient truyền qua các ước tính phân vị, đồng thời…
Notebook về kỹ thuật đặc trưng này giải thích cách thông tin chậm hơn tạo ngữ cảnh cho tín hiệu giao dịch nhanh hơn thông qua dữ liệu cơ bản, kinh tế vĩ mô và bối cảnh lịch. Notebook nêu các tỷ số giá trị như giá trị sổ sách trên thị trường và lợi suất lợi…
Notebook này mô tả cách tạo dự đoán cho một cấu hình vi cấu trúc NASDAQ-100 đã chọn trên tập giữ lại, sau khi lựa chọn mô hình và chiến lược trên các phần xác thực. Notebook dựng lại đặc tả huấn luyện đã chọn, xác định phần giữ lại từ cửa sổ được khai báo…
Notebook này tổng hợp kết quả xác thực đã đăng ký của năm bộ ước tính nhân tố tiềm ẩn trên một tập nghiên cứu tình huống. Trước tiên, notebook lập bản đồ các bộ ước tính có kết quả cho từng bảng, sau đó xác định bộ ước tính dẫn đầu theo hệ số thông tin thứ…
Nghiên cứu tình huống này sàng lọc các đặc trưng tài chính và đặc trưng dựa trên mô hình so với lợi nhuận tương lai cho một chiến lược vi cấu trúc NASDAQ-100. Nghiên cứu tính hệ số thông tin thứ hạng chéo theo thời gian, điều chỉnh suy luận theo sự phụ thuộc…
Chương này trình bày sinh tăng cường truy xuất như một cách giúp mô hình ngôn ngữ hữu ích hơn cho nghiên cứu tài chính mở, nơi các khẳng định không có căn cứ và nội dung bịa đặt có thể gây tốn kém. Chương hướng dẫn qua toàn bộ hệ thống, từ nạp tài liệu và…
Notebook này phát triển các đặc trưng cần nhiều chuỗi tài sản. Notebook so sánh kiểm định đồng liên kết Engle-Granger và Johansen, giải thích vì sao chỉ đồng biến không đồng nghĩa với chênh lệch dừng, đồng thời ước tính tỷ lệ phòng hộ bằng cả hồi quy trên…
Nghiên cứu tình huống này so sánh các mô hình tăng cường độ dốc dự báo lợi suất đến ngày đáo hạn của quyền chọn straddle bán khống ở mức giá thực hiện bằng giá thị trường. Nghiên cứu thay đổi năng lực cây và ba mục tiêu khớp: sai số bình phương, sai số tuyệt…
Notebook này khớp một transformer phân mảnh để dự báo nhãn chính trong nghiên cứu cổ phiếu và quyền chọn S&P 500. Notebook chia cửa sổ đầu vào lịch sử của mỗi cổ phiếu thành các đoạn liên tiếp và xem mỗi đoạn là một token cho cơ chế chú ý. Cơ chế chú ý có…
Đoạn mã này trình bày kiến trúc autoencoder có giám sát để dự báo từ các đặc trưng tài chính. Bộ mã hóa nén đầu vào đã chuẩn hóa vào một nút cổ chai, trong khi bộ giải mã tái tạo đầu vào như một tác vụ điều chuẩn. Một đầu dự báo phụ hoạt động trên phần tái…
Notebook này giải thích mô hình hệ số chiết khấu ngẫu nhiên ETF, trong đó một chuỗi trọng số duy nhất được khớp để định giá lợi suất trên các quỹ. Khác với các mô hình ước tính riêng mức độ tiếp xúc của quỹ và lợi suất nhân tố, mô hình huấn luyện hai mạng…
Nghiên cứu so sánh Double Deep Q-Learning với mô hình chuyên gia hỗn hợp được phân vùng bằng K-means và mạng dày có số tham số tương đương để thực hiện lệnh BTC/USDT. Đánh giá dùng dữ liệu sổ lệnh giới hạn Binance tổng hợp trung bình theo khoảng năm phút,…