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

636 tài liệu

Machine Learning for Trading

Sổ tay này xây dựng bộ khung đánh giá tạo sinh tăng cường truy xuất (RAG) cho tài chính, với các phép đo riêng cho độ bao phủ truy xuất, mức độ bám sát bằng chứng của câu trả lời, việc từ chối phù hợp và hành vi bảo mật. Bộ khung dùng sáu trường hợp kiểm thử…

Học máyThống kêQuản lý rủi ro
Machine Learning for Trading

Nghiên cứu tình huống này đánh giá các chiến lược mua nhóm decile cao và bán nhóm decile thấp hàng tháng, được xây dựng từ đặc trưng doanh nghiệp US, so sánh mô hình tuyến tính, tăng cường gradient và phương pháp nhân tố tiềm ẩn với độ trễ dữ liệu kế toán…

Cổ phiếuThị trường MỹĐầu tư theo yếu tốHọc máy
Machine Learning for Trading

Sổ tay này dùng Optuna để tinh chỉnh mô hình lợi suất LightGBM, xét cả hệ số thông tin chéo (IC) lẫn mức xoay vòng dự báo. Tìm kiếm một mục tiêu tối đa hóa IC để đối chiếu; tìm kiếm đa mục tiêu NSGA-II xác định các thiết lập Pareto tối ưu, thể hiện sự đánh…

Học máyThống kêHợp đồng tương laiTiền mã hóa
Machine Learning for Trading

Phân tích này so sánh ba cách chuyển dự báo lợi suất có dấu của mô hình thành vị thế nhị phân: ngưỡng cố định bằng không, phân vị trượt cho từng mã và phân vị chéo giữa các mã. Phân tích áp dụng các quy tắc cho dự báo xác thực đã đăng ký đối với ETF và hợp…

Học máyKhớp lệnhKiểm định quá khứTiền mã hóa
Machine Learning for Trading

Sổ tay này chuyển lợi suất ETF kỳ hạn 21 ngày thành mục tiêu tăng hoặc giảm, rồi đánh giá hồi quy logistic có điều chuẩn L1 và L2 trên các lượt kiểm thử cuốn chiếu theo trình tự thời gian. Sổ tay chuẩn hóa các đặc trưng bằng dữ liệu huấn luyện của từng lượt,…

Học máyThống kêXác định quy mô vị thếCổ phiếu
Machine Learning for Trading

Mô-đun này điều phối việc khớp và đánh giá theo kiểm thử cuốn chiếu cho một số mô hình nhân tố tiềm ẩn, gồm thành phần chính, thành phần chính có biến công cụ và autoencoder nơ-ron. Mô-đun chuẩn bị dữ liệu bảng và các fold, gọi bộ chạy riêng cho từng mô…

Đầu tư theo yếu tốHọc máyKiểm định quá khứ
Machine Learning for Trading

Phần triển khai này mô tả autoencoder có điều kiện cho định giá tài sản. Mạng beta (beta network) ánh xạ đặc trưng của từng cổ phiếu thành hệ số tải lên các nhân tố tiềm ẩn, trong khi mạng nhân tố tuyến tính ánh xạ lợi suất danh mục được quản lý thành lợi…

Cổ phiếuĐầu tư theo yếu tốHọc máy
Machine Learning for Trading

Tài liệu tham khảo này mô tả Financial Phrasebank, một tập hợp câu tin tức tài chính có gắn nhãn dùng để huấn luyện hoặc đánh giá mô hình xử lý ngôn ngữ tự nhiên. Người gán nhãn phân loại cảm xúc tích cực, trung tính hoặc tiêu cực. Ngữ liệu có bốn ngưỡng…

Tâm lý thị trườngHọc máy
Machine Learning for Trading

Phân tích này giải thích cách đọc hệ số thông tin chéo (IC) cho mô hình hợp đồng tương lai CME và mối liên hệ của chúng với các kiểm thử danh mục sau đó. Phân tích tính tương quan thứ hạng giữa lợi suất dự báo và lợi suất thực tế của từng ngày, rồi lấy trung…

Hợp đồng tương laiThống kêHọc máyKiểm định quá khứ
Machine Learning for Trading

Notebook này khảo sát điều chuẩn mô hình tuyến tính cho tập hợp các cặp tiền tệ có lợi suất liên hệ với nhau vì mỗi cặp là tỷ giá giữa các đồng tiền dùng chung. Notebook phân biệt tính đa cộng tuyến của đặc trưng, vốn có thể được ridge, lasso và elastic net…

Ngoại hốiThống kêHọc máyKiểm định quá khứ
Machine Learning for Trading

Notebook này so sánh tìm kiếm lưới toàn diện với bộ lấy mẫu TPE của Optuna để tinh chỉnh mô hình LightGBM dự báo lợi suất. Trước tiên, hai phương pháp có cùng ngân sách thử nghiệm trên cùng một lưới tham số rời rạc; phương pháp liệt kê bao phủ mọi tổ hợp,…

Học máyKiểm định quá khứThống kê
Machine Learning for Trading

Notebook này minh họa một chu trình vận hành cho chiến lược cổ phiếu ETF: làm mới dữ liệu thị trường, tính các đặc trưng tài chính, huấn luyện lại mô hình Ridge, tạo dự báo chéo mặt cắt hiện tại, chạy lại chúng qua công cụ backtest và chuẩn bị một rổ được…

Cổ phiếuHọc máyKhớp lệnhKiểm định quá khứ
Machine Learning for Trading

Notebook này so sánh hai thiết kế Transformer để dự báo lợi suất ETF trong kỳ hạn 21 ngày từ các đặc trưng động lượng quá khứ. PatchTST nhóm các ngày liên tiếp thành từng đoạn, đưa những chuỗi ngắn thể hiện hình dạng cục bộ vào mỗi token. Ngược lại,…

Cổ phiếuHọc máyĐộng lượngKiểm định quá khứ
Machine Learning for Trading

Notebook huấn luyện mô hình Skip-gram Word2Vec trên một kho tin tức tài chính nhỏ được gán nhãn sắc thái cảm xúc, rồi khảo sát những gì các từ lân cận cho thấy. Phương pháp biểu diễn từ dựa trên ngữ cảnh mà chúng xuất hiện. Trong ví dụ, lợi nhuận và thua lỗ…

Học máyTâm lý thị trườngThống kê
Machine Learning for Trading

Notebook giải thích cách mã hóa tự động có điều kiện mở rộng PCA có biến công cụ để mô hình hóa lợi suất ETF. Cả hai phương pháp đều ánh xạ đặc trưng quỹ thành mức phơi nhiễm với nhân tố rồi kết hợp mức phơi nhiễm đó với lợi suất nhân tố; mã hóa tự động thay…

Cổ phiếuĐầu tư theo yếu tốHọc máyKiểm định quá khứ
Machine Learning for Trading

Nghiên cứu đặc trưng ETF này xây dựng ba đầu vào suy ra từ mô hình: mô hình Markov ẩn (HMM) để ước tính chế độ thị trường, giá đã được lấy sai phân phân số của các quỹ tham chiếu và biến động có điều kiện 1,1(GARCH) cho từng ETF. Nghiên cứu nhấn mạnh rằng để…

Cổ phiếuBiến độngHọc máyThống kê
Machine Learning for Trading

Nghiên cứu này so sánh cây được huấn luyện bằng phương pháp tăng cường gradient với mô hình tuyến tính có phạt để xếp hạng các cặp tiền tệ theo lợi suất tương lai. Động cơ là cây có thể biểu diễn các quan hệ có điều kiện, chẳng hạn dùng động lượng ở một chế…

Ngoại hốiHọc máyThống kêKiểm định quá khứ
Machine Learning for Trading

Notebook kiểm tra liệu bốn chiến lược danh mục được quản lý có giải thích lợi suất SPY sau khi kiểm soát đồng biến động chung của ETF hay không. Các chiến lược xếp hạng ETF theo động lượng trễ, biến động hoặc lợi suất gần đây. Mười thành phần chính từ một…

Đầu tư theo yếu tốHọc máyThống kêĐộng lượng
arXiv papers

Bài nghiên cứu dự báo biến động thực tế ngắn hạn của Bitcoin bằng cách biểu diễn các ảnh chụp nhanh dữ liệu dòng lệnh thành hình ảnh. Quy mô và hướng giao dịch cùng thông tin sổ lệnh giới hạn được ánh xạ vào các kênh màu, sau đó dùng để huấn luyện mạng…

Tiền mã hóaBiến độngHọc máyVi cấu trúc thị trường
Machine Learning for Trading

Notebook so sánh tìm kiếm từ khóa BM25, embedding dày đặc, hợp nhất thứ hạng tương hỗ (RRF) và xếp hạng lại bằng cross-encoder trên các đoạn trích từ hồ sơ 10-K của công ty. Notebook xây dựng từng phương pháp truy xuất và đánh giá kết quả xếp hạng với truy…

Học máyThống kêCổ phiếu
Machine Learning for Trading

Notebook so sánh các mô hình LightGBM trên bảng dữ liệu cổ phiếu US qua ba kỳ hạn lợi suất. Lưới kiểm định thay đổi số lá cây và hàm mất mát, sau đó chấm điểm mỗi cấu hình tại nhiều mốc số lượng cây. Phần thảo luận giải thích cách cây nông có thể học tương…

Cổ phiếuHọc máyThống kêKiểm định quá khứ
Machine Learning for Trading

Notebook so sánh phương pháp tỷ trọng bằng nhau, nghịch đảo biến động, phương sai tối thiểu và cân bằng rủi ro phân cấp với cùng một tập ETF ETF, dự báo, lịch tái cân bằng và quy trình kiểm thử lịch sử. Mô hình Ridge cuốn chiếu xếp hạng ETF dựa trên động…

Xây dựng danh mụcKiểm định quá khứQuản lý rủi roHọc máy
Machine Learning for Trading

Nghiên cứu tình huống về cổ phiếu US này phân biệt việc dự báo lợi suất tương lai với khẳng định rằng động lượng gây ra chúng. Nghiên cứu xem lợi suất của cổ phiếu trong năm trước, loại trừ tháng gần nhất, là biến tác động; lợi suất tương lai là kết quả; còn…

Cổ phiếuĐộng lượngHọc máyThống kê
Machine Learning for Trading

Notebook này xây dựng một tác vụ tạo lập thị trường mô phỏng, trong đó tác nhân PPO chọn độ lệch báo giá và độ rộng chênh lệch. Xác suất khớp lệnh giảm khi báo giá cách xa giá giữa thị trường hơn, trong khi mất cân bằng lệnh ảnh hưởng đến cả việc khớp lệnh…

Tạo lập thị trườngHọc máyKhớp lệnhVi cấu trúc thị trường