ترجمه فارسی مقاله کمتر است بیشتر: تصمیم گیری هوش مصنوعی با استفاده از شبکه های عصبی عمیق پویا برای پیش بینی شاخص سهام کوتاه مدت

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Less is more: AI Decision-Making using Dynamic Deep Neural Networks for Short-Term Stock Index Prediction
عنوان مقاله به فارسی کمتر است بیشتر: تصمیم گیری هوش مصنوعی با استفاده از شبکه های عصبی عمیق پویا برای پیش بینی شاخص سهام کوتاه مدت
نویسندگان CJ Finnegan, James F. McCann, Salissou Moutari
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Trading and Market Microstructure,Portfolio Management,تجارت و ساختار بازار , مدیریت نمونه کارها ,
توضیحات Submitted 21 August, 2024; originally announced August 2024. , Comments: 12 pages, 5 figures , ACM Class: I.2.1; I.6.4; I.6.5
توضیحات به فارسی ارائه شده 21 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 12 صفحه ، 5 شکل ، کلاس ACM: I.2.1 ؛i.6.4 ؛i.6.5
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In this paper we introduce a multi-agent deep-learning method which trades in the Futures markets based on the US S&P 500 index. The method (referred to as Model A) is an innovation founded on existing well-established machine-learning models which sample market prices and associated derivatives in order to decide whether the investment should be long/short or closed (zero exposure), on a day-to-day decision. We compare the predictions with some conventional machine-learning methods namely, Long Short-Term Memory, Random Forest and Gradient-Boosted-Trees. Results are benchmarked against a passive model in which the Futures contracts are held (long) continuously with the same exposure (level of investment). Historical tests are based on daily daytime trading carried out over a period of 6 calendar years (2018-23). We find that Model A outperforms the passive investment in key performance metrics, placing it within the top quartile performance of US Large Cap active fund managers. Model A also outperforms the three machine-learning classification comparators over this period. We observe that Model A is extremely efficient (doing less and getting more) with an exposure to the market of only 41.95% compared to the 100% market exposure of the passive investment, and thus provides increased profitability with reduced risk.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ما یک روش یادگیری عمیق چند عامل را معرفی می کنیم که در بازارهای آینده بر اساس شاخص S&P 500 ایالات متحده معامله می شود.این روش (که به آن مدل A گفته می شود) نوآوری است که بر روی مدل های آموزش ماشین آلات مستقر موجود است که قیمت بازار و مشتقات مرتبط را به منظور تصمیم گیری در مورد اینکه آیا سرمایه گذاری باید طولانی/کوتاه یا بسته (قرار گرفتن در معرض صفر) باشد ، در یکتصمیم روزانهما پیش بینی ها را با برخی از روشهای یادگیری ماشین معمولی یعنی حافظه کوتاه مدت بلند ، جنگل تصادفی و درختان تقویت شده شیب مقایسه می کنیم.نتایج در برابر یک مدل منفعل که در آن قراردادهای آتی (طولانی) به طور مداوم با همان قرار گرفتن در معرض (سطح سرمایه گذاری) برگزار می شود ، محک می شوند.آزمایش های تاریخی بر اساس معاملات روزانه روزانه انجام می شود که طی یک دوره 6 سال تقویم (2018-23) انجام می شود.ما می دانیم که مدل A از سرمایه گذاری منفعل در معیارهای کلیدی عملکرد بهتر عمل می کند و آن را در عملکرد عالی کوارتیل مدیران بزرگ صندوق فعال درپوش ایالات متحده قرار می دهد.مدل A همچنین از سه مقایسه کننده طبقه بندی یادگیری ماشین در این دوره بهتر عمل می کند.ما مشاهده می کنیم که مدل A با قرار گرفتن در معرض بازار تنها 41.95 ٪ در مقایسه با 100 ٪ قرار گرفتن در معرض بازار سرمایه گذاری بسیار کارآمد است (کمتر و بیشتر می شود).

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.