این تعهد متعلق به هیچ شعبه ای در این مخزن نیست و ممکن است متعلق به یک چنگال در خارج از مخزن باشد.

شاخه ها/برچسب ها را تغییر دهید برچسب های شاخه شاخه ها را بارگیری نکرد چیزی برای نشان دادن برچسب ها را بارگیری نکرد چیزی برای نشان دادن

نام در حال استفاده

یک برچسب در حال حاضر با نام شاخه ارائه شده وجود دارد. بسیاری از دستورات GIT نام برچسب و شاخه را می پذیرند ، بنابراین ایجاد این شاخه ممکن است باعث رفتار غیر منتظره شود. آیا مطمئن هستید که می خواهید این شاخه را ایجاد کنید؟

لغو ایجاد رمز

• محلی
• مکاشه

https github cli با استفاده از URL وب از Git یا Checkout با SVN استفاده کنید. با CLI رسمی ما سریع کار کنید. بیشتر بدانید.

ورود به سیستم لازم

لطفاً برای استفاده از برنامه های کد وارد سیستم شوید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی Xcode

اگر هیچ اتفاقی نمی افتد ، Xcode را بارگیری کنید و دوباره امتحان کنید.

راه اندازی کد ویژوال استودیو

فضای کد شما یک بار آماده خواهد شد.

مشکلی برای تهیه فضای کدگذاری شما وجود داشت ، لطفاً دوباره امتحان کنید.

آخرین تعهد

آمار git

فایل ها

بارگیری آخرین اطلاعات متعهد انجام نشد.

نوع نام آخرین پیام تعهد زمان متعهد شدن رمز

readme. md

لیست کد ، مقالات و منابع مربوط به شبکه های هوش مصنوعی/یادگیری عمیق/یادگیری ماشین/شبکه های عصبی که برای تجارت الگوریتمی اعمال می شود.

دسترسی آزاد: کلیه حقوق اعطا شده برای استفاده و استفاده مجدد از هر نوع ، توسط هر کسی ، بدون هیچ هزینه ای ، تحت انتخاب مجوز MIT رایگان یا مجوز عمومی بین المللی CCC CC-BY.

• اوراق
  • تجزیه و تحلیل متا و بررسی های سیستماتیک
  • شبکه های عصبی Convolutional (CNN)
  • حافظه کوتاه مدت طولانی (LSTMS)
  • شبکه های مخالف تولید کننده (GANS)
  • فرکانس بالا
  • نمونه کارها
  • یادگیری تقویت کننده
  • خسارت
  • رمز رمز
  • پردازش اجتماعی
    • تحلیل رفتاری
    • تجزیه و تحلیل احساسات
    • شبکه های مخالف تولید کننده (GANS)
    • راهنما
    • رمز رمز
    • مجموعه داده ها
      • شبیه سازی
      • ارائه
      • دوره های آموزشی
      • بیشتر خواندن
      • پیش بینی بازارهای مالی مبتنی بر طبقه بندی با استفاده از شبکه های عصبی عمیق - متیو دیکسون ، دیگو کلابجان ، جین هون بنگ (2016)
      • یادگیری عمیق برای کتابهای سفارش محدود - جاستین سیرینانو (2016)
      • استراتژی تجارت با فرکانس بالا مبتنی بر شبکه های عصبی عمیق - آندرس آرالو ، جیمی نینو ، آلمانی هرناندز ، خاویر ساندوال (2016)
      • یک چارچوب یادگیری تقویت کننده عمیق برای مشکل مدیریت نمونه کارها مالی - Zhengyao Jiang ، Dixing Xu ، Jinjun Liang (2017)
      • با استفاده از یادگیری تقویت کننده مکرر و شبکه های عصبی LSTM - دیوید دبلیو لو (2017)
      • Hedging Deep - هانس بوللر ، لوکاس گون ، ژوزف تیچمن ، بن وود (2018)
      • ربات معاملات سهام با استفاده از یادگیری عمیق تقویت - آخیل راج آژیکودان ، Anvitha G. K. Bhat ، Mamatha V. Jadhav (2018)
      • تجارت مالی به عنوان یک بازی: یک رویکرد یادگیری تقویت عمیق - Chien Yi Huang (2018)
      • رویکرد یادگیری عمیق تقویت شده برای تجارت سهام - ژوران شیونگ ، شیائ و-یانگ لیو ، شان ژونگ ، هنگ یانگ یانگ ، انور ولید (2018)
      • تجارت الگوریتمی و یادگیری ماشین بر اساس GPU - Mantas Vaitonis ، Saulius Masteika ، Konstantinas Korovkinas (2018)
      • یک روش تجارت کمی با استفاده از شبکه عصبی عمیق Convolution - Haibo Chen ، Daolei Liang ، LL Zhao (2019)
      • یادگیری عمیق در بازارهای مبادله - Rui Gonçalves ، Vitor Miguel Ribeiro ، Feando Lobo Pereira ، Ana Paula Rocha (2019)
      • مدل معاملات مالی با نمودار نوار سهام سری زمان تصویر با شبکه های عصبی عمیق و عمیق - Omer Berat Sezer ، Ahmet Murat Ozbayoglu (2019)
      • یادگیری تقویت عمیق برای تجارت مالی با استفاده از قیمت گذاری قیمت - Konstantinos Saitas Zarkias ، Nikolaos Passalis ، Avraam Tsantekidis ، Anastasios Tefas (2019)
      • چارچوب یادگیری تقویت کننده چند عامل تعاونی برای تجارت مقیاس - انگلستان JO ، Taehyun JO ، Wanjun Kim ، Iljoo Yoon ، Dongseok Lee ، Seungho Le (2019)
      • بهبود تصمیمات تجاری مالی با استفاده از یادگیری Q عمیق: پیش بینی تعداد سهام ، استراتژی های عمل و یادگیری انتقال - Gyeeun Jeong ، Ha Young Kim (2019)
      • اعدام عمیق - یادگیری تقویت کننده ارزش و سیاست برای تجارت و ضرب و شتم معیارهای بازار - کوین دابریوس ، الوین گرانات ، پاتریک کارلسون (2019)
      • یک مطالعه تجربی از الگوریتم های یادگیری ماشین برای استراتژی معاملات روزانه سهام - Dongdong LV ، Shuhan Yuan ، Meizi LI ، Yang Xiang (2019)
      • دستور العمل تجارت کمی با یادگیری ماشین - دانیل الکساندر بلوچ (2019)
      • بررسی پیشرفت های احتمالی استراتژی های حرکت با یادگیری عمیق - Adam Takács ، X. Xiao (2019)
      • تقویت استراتژی های حرکت سری زمانی با استفاده از شبکه های عصبی عمیق - برایان لیم ، استفان زهرن ، استفان رابرتز (2019)
      • یادگیری تقویت عمیق چند عامل برای تجزیه و تحلیل استراتژی انحلال-Wenhang Bao ، Xiao-Yang Liu (2019)
      • مهندسی ویژگی های مبتنی بر یادگیری عمیق برای پیش بینی حرکت قیمت سهام - Wen Long ، Zhichen Lu ، Lingxiao Cui (2019)
      • بررسی در مورد پیش بینی و تجزیه و تحلیل بازار سهام - Anirban Bal ، Debayan Ganguly ، Kingshuk Chatterjee (2019)
      • شبکه های عصبی به عنوان ابزاری پیش بینی در زمینه دیجیتالی شدن در بازار مالی روسیه - والری آلشین ، اولگ سویریدوف ، اینا نکراسووا ، دمیتری شوچنکو (2020)
      • مدل استراتژی سلسله مراتبی عمیق برای سرمایه گذاری کمی محور چند منبع - Chunming Tang ، Wenyan Zhu ، Xiang Yu (2019)
      • یافتن سهام کارآمد در BSE100: اجرای رویکرد بوفه مقدمه - شرین وارگسه ، Sandeep Thakur ، Medha Dhingra (2020)
      • یادگیری عمیق در قیمت گذاری دارایی - Luyang Chen ، Markus Pelger ، Jason Zhu (2020)

      تجزیه و تحلیل متا و بررسی های سیستماتیک

      • کاربرد یادگیری ماشین در تجارت سهام: بررسی - Kok Sheng Tan ، Rajasvaran Logeswaran (2018)
      • ارزیابی عملکرد الگوریتم های یادگیری ماشین در پیش بینی بازار مالی: یک بررسی جامع - لوکاس ریل ، سباستین سیدنز (2019)
      • یادگیری تقویت در بازارهای مالی - تری لینگز منگ ، ماتلووب خوشی (2019)
      • پیش بینی سری زمانی مالی با یادگیری عمیق: بررسی ادبیات سیستماتیک: 2005-2019 - Omer Berat Sezer ، Mehmet Ugur Gudelek ، Ahmet Murat Ozbayoglu (2019)
      • یک بررسی منظم از تجزیه و تحلیل اساسی و فنی پیش بینی بازار سهام - Isaac Kofi NTI ، Adebayo Adekoya ، Benjamin Asubam Weyori (2019)

      شبکه های عصبی Convolutional (CNN)

      • یک مدل تجارت سهام مبتنی بر یادگیری عمیق با تشخیص روند 2-D CNN - Ugur Gudelek ، S. Arda Boluk ، Murat Ozbayoglu ، Murat Ozbayoglu (2017)
      • تجارت مالی الگوریتمی با شبکه های عصبی عمیق: سری زمانی به رویکرد تبدیل تصویر - Omer Berat Sezar ، Murat Ozbayoglu (2018)
      • Deeplob: شبکه های عصبی عمیق برای کتاب های سفارش محدود - Zihao Zhang ، Stefan Zohren ، Stephen Roberts (2019)

      حافظه کوتاه مدت طولانی (LSTMS)

      • استفاده از یادگیری عمیق به تجارت الگوریتمی ، استنفورد CS229 - Guanting Chen ، Yatong Chen ، Takahiro Fushimi (2017)
      • پیش بینی قیمت سهام با استفاده از مدلهای یادگیری عمیق-Jialin Liu ، Fei Chao ، Yu-Chen Lin ، Chih-Min Lin (2019)
      • یادگیری عمیق برای تجارت بازار سهام: یک استراتژی تجاری برتر؟- D. Fister ، J. C. Mun ، V. Jagrič ، T. Jagrič ، (2019)
      • ارزیابی عملکرد شبکه های عصبی مکرر برای تصمیم گیری در مورد سرمایه گذاری کوتاه مدت در بورس - Alexandre P. Da Silva ، Silas S. L. Pereira ، Mário W. L. Moreira ، Joel J. P. C. Rodrigues ، Ricardo A. L. Rabêlo ، Kashif Saleem (2020)
      • تحقیق در مورد مدل پیش بینی معاملات دارایی های مالی بر اساس شبکه عصبی LSTM - Xue Yan ، Wang Weihan & Miao Chang (2020)
      • پیش بینی روند سهام برای معاملات نوسان با استفاده از مدل شبکه عصبی حافظه کوتاه مدت - Varun Totakura ، V. Devoeskhar ، Madhu (2020)
      • یک چارچوب یادگیری عمیق رمان: پیش بینی و تجزیه و تحلیل سری زمانی مالی با استفاده از CEEMD و LSTM - Yong'an Zhang ، Binbin Yan ، Memon AASMA (2020)
      • پیش بینی های سهام عمیق - آکاش دوزی ، الکساندر ایسا ، پونیت ساچدوا ، سینا رافاتی ، سامنات راکشیت (2020)

      شبکه های مخالف تولید کننده (GANS)

      • شبکه های مخالف تولیدی برای استراتژی های تجارت مالی تنظیم دقیق و ترکیب - Adriano Koshiyama (2019)
      • پیش بینی بازار سهام بر اساس شبکه مخالف تولیدی - کانگ ژانگ ، گووقیانگ ژونگ ، جونیو دونگ ، شنگکه وانگ ، یونگ وانگ (2019)
      • شبکه مخالف تولیدی برای پیش بینی قیمت بازار سهام - ریکاردو آلبرتو کاریلو رومرو (2019)
      • شبکه مخالف تولیدی برای تبعیض ساعتی در بازار - لوکا گریلی ، Domenico Santoro (2020)
      • تجارت الگوریتمی با استفاده از شبکه های عصبی عمیق بر روی داده های فرکانس بالا - آندرس آرالو ، جیمی نینو ، هرناندز آلمانی ، خاویر ساندوال ، دیگو لئون ، اربی آراگون (2017)
      • پیش بینی بازار سهام در مورد داده های با فرکانس بالا با استفاده از شبکه های مخالف تولید کننده - Xingyu Zhou ، Zhisong Pan ، Guyu Hu ، Siqi Tang ، Cheng Zhao (2018)
      • شبکه های عصبی عمیق در تجارت با فرکانس بالا - Prakhar Ganesh ، Puneet Rakheja (2018)
      • استفاده از یادگیری ماشین در تجارت فرکانس بالا سهام - OBI Bertrand OBI (2019)
      • برنامه ریزی مالی چند سناریو از طریق یادگیری تقویت عمیق AI - Gordon Irlam (2020)
      • G-Leaer and Girl: مدیریت ثروت مبتنی بر هدف با یادگیری تقویت - متیو دیکسون ، ایگور هالپرین (2020)
      • مدیریت نمونه کارها مبتنی بر یادگیری تقویت شده با ایالات پیش بینی جنبش دارایی تقویت شده-Yunan Ye ، Hengzhi PEI ، Boxin Wang ، Pin-Yu Chen ، Yada Zhu ، Jun Xiao ، Bo LI (2020)
      • یادگیری تقویت در بازارهای مالی - نظرسنجی - توماس جی فیشر (2018)
      • Alphastock: یک استراتژی سرمایه گذاری با فروشندگان و فروشندگان خرید و فروش با استفاده از شبکه های توجه قابل تفسیر عمیق-Jingyuan Wang ، Yang Zhang ، Ke Tang ، Junjie Wu ، Zhang Xiong
      • گرفتن بازارهای مالی برای استفاده از یادگیری عمیق تقویت - Souradeep Chakraborty (2019)
      • یادگیری تقویت برای تجارت FX - Yuqin Dai ، Chris Wang ، Iris Wang ، Yilun Xu (2019)
      • کاربرد یادگیری تقویت عمیق به تجارت الگوریتمی - Thibaut Théate ، Damien Est (2020)
      • تجارت دارایی تک: یک رویکرد یادگیری تقویت کننده مکرر - مارکو نیکولیک (2020)
      • با استفاده از یادگیری تقویت کننده عمیق ، بازار سهام چین را شکست دهید - باند هوانگ ، شیاوهوا ژو ، آهنگ چینگیانگ (2020)
      • یک سیستم تجارت مالی تطبیقی با استفاده از یادگیری تقویت عمیق با ویژگی های تجزیه شمعدان - Ding Fengqian ، Luo Chao (2020)
      • کاربرد شبکه Q عمیق در مدیریت نمونه کارها - Ziming Gao ، Yuan Gao ، Yi Hu ، Zhengyong Jiang ، Jionglong SU (2020)
      • Deep Leaing Leaing Pairs Trading با یک شبکه Q Deep Deep - Andrew Brim (2020)
      • یک مدل یادگیری تقویت بر اساس تصحیح پاداش برای انتخاب کمی سهام - Haibo Chen ، Chenyu Zhang ، Yunke LI (2020)
      • AAMDRL: مدیریت دارایی افزوده با یادگیری تقویت عمیق - اریک بنهامو ، دیوید سالتیل ، ساندرین اونگری ، ابیشک مختوپادای ، جمال آتیف (2020)
      • پیش بینی قیمت سهام و پیش بینی با استفاده از LSTM انباشته شده - یادگیری عمیق - Krish Naik (2020)
      • مقایسه مدل ARIMA و مدل LSTM RNN در پیش بینی سری زمانی - Vaibhav Kumar (2020)
      • LSTM برای پیش بینی میانگین صنعتی داو جونز: مدل پیش بینی سری زمانی - Sarit Maitra (2020)
      • حملات مخالف به سیاست های تجاری الگوریتمی عمیق - یاسر فاغان ، ناسیسیروس پیازا ، وهید بهزادان ، علی فتی (2020)
      • توصیه می کند امتیازات معاملاتی cryptocurrency با رویکرد یادگیری تقویت شده عمیق - اوتابک ستاروف ، آزامجون مومینوف ، چول وون لی ، هیون کیو کانگ ، ریمداک اوه ، هیونگ آون ، هیونگ جون او ، هاونگ سوک جئون (2020)
      • آیا یادگیری عمیق می تواند سرمایه گذاران خرده فروشی ریسک را پیش بینی کند؟یک مطالعه موردی در پیش بینی رفتار ریسک مالی - Yaodong Yang ، Alisa Kolesnikova ، Stefan Lessmann ، Tiejun MA ، Min g-Chien Sung ، Johnnie E. V. جانسون (2019)
      • نظارت بر رفتار سرمایه گذار بر اساس یادگیری عمیق - آهنگ وانگ ، شیاگووانگ وانگ ، فانگلین منگ ، رونگجون یانگ ، یونجون ژائو (2020)
      • بهبود تجزیه و تحلیل تصمیم گیری با یادگیری عمیق: مورد افشای مالی - استفان فوئریگل ، رالف فرر (2015)
      • داده های بزرگ: یادگیری عمیق برای تجزیه و تحلیل احساسات مالی - Sahar Sohangir ، Dingding Wang ، Anna Pomeranets ، Taghi M. Khoshgoftaar (2018)
      • استفاده از یادگیری ماشین برای پیش بینی قیمت سهام - Vivek Palaniappan (2018)
      • پیش بینی سهام با استفاده از توییتر - خان سعد بن حسن (2019)
      • احساسات و دانش مبتنی بر دانش با یادگیری تقویت عمیق - Abhishek Nan ، Anandh Perumal ، Osmar R. Zaiane (2020)
      • Yvictor/TradingGym - محیط تجارت و پشتی برای آموزش آژانس یادگیری تقویت کننده یا پایه قانون ساده ALGO
      • Rachnog/تجارت عمیق - پیش بینی سری زمانی آزمایشی
      • JobVisser03/Advisor-Trading-Advisor-مشاور تجاری عمیق از MLP ، CNN و RNN+LSTM با کروس ، زیپلین ، داش و طرح ریزی استفاده می کند
      • Rosdyana/CNN-Finscial-Data-تجارت عمیق با استفاده از یک شبکه عصبی حلقوی
      • IAMSTONE/TRADER-CNN-KOSPI200FUTURE
      • ha2ennomer/تجارت عمیق-LSTM RNN مبتنی بر Keras
      • Gujiuxiang/deep_trader. pytorch - این پروژه از یادگیری تقویت شده در بورس سهام استفاده می کند و نماینده سعی در یادگیری تجارت دارد. مبتنی بر Pytorch.
      • Zhengyaojiang/Pgportfolio - PGPortfolio: Portfolio Gradient Policy ، کد منبع "یک چارچوب یادگیری تقویت عمیق برای مشکل مدیریت نمونه کارها مالی"
      • یوریاک/rlquant - استفاده از یادگیری تقویت در تجارت کمی (شیب سیاست ، مستقیم RL)
      • ucaiado/qleaing_trading - تجارت با استفاده از Q-Leaing
      • Laikasinjason/Deep-Q-Leaing-Trading-System-on-HK-سهام-بازار-اجرای Deep Q Leaing در بورس اوراق بهادار هنگ کنگ
      • Golsun/Deep-RL-Trading-پایگاه کد برای مقاله "یادگیری تقویت عمیق برای سری زمانی: بازی بازی های تجاری ایده آل" توسط Xiang Gao
      • Huseinzol05/مدلهای پیش بینی سهام-یادگیری ماشین و مدل های یادگیری عمیق برای پیش بینی سهام ، شامل ربات های تجاری و شبیه سازی ها
      • jiewwantan/startrader - یک عامل را برای تجارت مانند یک انسان با استفاده از یک الگوریتم یادگیری تقویت عمیق آموزش می دهد: الگوریتم یادگیری شیب سیاست قطعی عمیق (DDPG)
      • notadamking/rltrader - یک محیط تجارت cryptocurrency با استفاده از یادگیری تقویت کننده عمیق و سالن بدنسازی Openai

      شبکه های مخالف تولید کننده (GANS)

      • Borisbanushev/StockPredictionai - نوت بوک برای پیش بینی حرکت قیمت سهام با استفاده از ژنراتور LSTM و CNN تبعیض آمیز
      • Ka h-ve/Marketgan - اجرای یک شبکه مخالف مولد در بورس سهام
      • SAMRE12/تجارت عمیق-عامل اصلی یادگیری مبتنی بر یادگیری تقویت شده برای بیت کوین با استفاده از شبکه DeepSense برای تقریب عملکرد Q.
      • تشنه/تجارت-بیتکوین با-یادگیری-یادگیری-تجارت بیت کوین با یادگیری تقویت
      • LEFNIRE/TFORCE_BTC_TRADER-یک ربات تجارت بیت کوین مبتنی بر TensorForce (Algo-Trader). از یادگیری تقویت عمیق برای خرید خودکار/فروش/نگه داشتن BTC بر اساس سابقه قیمت استفاده می کند.
      • Kaggle/مجموعه داده های عظیم بورس - قیمت های روزانه و حجم همه سهام ایالات متحده و ETF
      • Alpha Vantage - API های رایگان در قالب های JSON و CSV ، داده های سهام در زمان واقعی و تاریخی ، فیدهای FX و Cryptocurrency ، 50+ شاخص فنی
      • مبهم
      • تولید جریانهای سفارش بورس سهام واقع بینانه - نویسندگان ناشناس (2018)
      • Hedging Deep: یادگیری شبیه سازی بازارهای گزینه سهام - مگنوس ویس ، لیانجون بای ، بن وود ، هانس بوئلر (2019)
      • شبکه های عصبی Bigdatafinance - Anastasios Tefas ، استادیار دانشگاه ارسطو تسالونیکی (2016)
      • تجارت با استفاده از یادگیری عمیق: انگیزه ، چالش ها ، راه حل ها - یام Peleg ، کنفرانس فناوری GPU (2017)
      • Fintech ، AI ، یادگیری ماشین در امور مالی - Sanjiv Das (2018)
      • یادگیری باقیمانده عمیق برای بهینه سازی نمونه کارها: با ماژول های توجه و سوئیچینگ - جف وانگ ، دکتری ، NYU
      • اطلاعات مصنوعی برای تجارت (ND880) Nanodegree در Udacity (+repo کد GitHub)
      • شبکه های عصبی در دوره تجارت توسط دکتر ارنست پی چان در Quantra
      • یادگیری ماشین و یادگیری تقویت در تخصص مالی توسط NYU در Coursera
      • هوش مصنوعی در امور مالی و تجارت الگوریتمی در Meetup (شهر نیویورک)
      • شبکه های عصبی برای تجارت الگوریتمی. پیش بینی سری زمانی ساده - الکس راچنوگ (2016)
      • پیش بینی قیمت cryptocurrency با یادگیری عمیق - دیوید شهان (2017)
      • مقدمه ای برای یادگیری تجارت با یادگیری تقویت - دنی بریتز (2018)
      • وبینار: نحوه پیش بینی قیمت سهام با استفاده از شبکه های عصبی عمیق - Erez Katz ، Lucena Research (2018)
      • ایجاد رباتهای تجاری بیت کوین که از دست نمی دهند - آدام کینگ (2019)
      • چرا یادگیری تقویت عمیق می تواند به بهبود بهره وری تجارت کمک کند - ویکتور تاچف (2019)
      • بهینه سازی رباتهای تجاری یادگیری عمیق با استفاده از تکنیک های پیشرفته-Adam King (2019)
      • با استفاده از آخرین پیشرفت در یادگیری عمیق برای پیش بینی حرکات قیمت سهام - بوریس بانشف (2019)
      • RNN و LSTM - شبکه های عصبی با حافظه - Nagesh Singh Chauhan (2020)
      • مقدمه ای برای تجارت عمیق یادگیری در صندوق های پرچین - Neven Pičuljan

      در باره

      لیست منابع عالی برای تجارت الگوریتمی مبتنی بر یادگیری ماشین