3 300
订阅者
+124 小时
+37 天
+930 天
数据加载中...
吸引订阅者
七月 '26
七月 '26
+26
在0个频道中
六月 '26
+42
在0个频道中
Get PRO
五月 '26
+24
在0个频道中
Get PRO
四月 '26
+12
在0个频道中
Get PRO
三月 '26
+3
在0个频道中
Get PRO
二月 '26
+9
在0个频道中
Get PRO
一月 '26
+10
在0个频道中
Get PRO
十二月 '25
+18
在1个频道中
Get PRO
十一月 '25
+22
在1个频道中
Get PRO
十月 '25
+109
在1个频道中
Get PRO
九月 '25
+53
在0个频道中
Get PRO
八月 '25
+33
在0个频道中
Get PRO
七月 '25
+137
在0个频道中
Get PRO
六月 '25
+140
在9个频道中
Get PRO
五月 '25
+131
在1个频道中
Get PRO
四月 '25
+75
在1个频道中
Get PRO
三月 '25
+61
在0个频道中
Get PRO
二月 '25
+23
在0个频道中
Get PRO
一月 '25
+72
在0个频道中
Get PRO
十二月 '24
+125
在0个频道中
Get PRO
十一月 '24
+77
在0个频道中
Get PRO
十月 '24
+359
在4个频道中
Get PRO
九月 '24
+54
在0个频道中
Get PRO
八月 '24
+158
在2个频道中
Get PRO
七月 '24
+37
在1个频道中
Get PRO
六月 '24
+21
在0个频道中
Get PRO
五月 '24
+45
在0个频道中
Get PRO
四月 '24
+107
在3个频道中
Get PRO
三月 '24
+46
在1个频道中
Get PRO
二月 '24
+196
在1个频道中
Get PRO
一月 '24
+71
在0个频道中
Get PRO
十二月 '23
+81
在0个频道中
Get PRO
十一月 '23
+51
在1个频道中
Get PRO
十月 '23
+52
在1个频道中
Get PRO
九月 '23
+22
在0个频道中
Get PRO
八月 '23
+43
在0个频道中
Get PRO
七月 '23
+46
在0个频道中
Get PRO
六月 '23
+38
在0个频道中
Get PRO
五月 '23
+40
在0个频道中
Get PRO
四月 '23
+50
在0个频道中
Get PRO
三月 '23
+33
在0个频道中
Get PRO
二月 '23
+52
在0个频道中
Get PRO
一月 '23
+47
在0个频道中
Get PRO
十二月 '22
+45
在0个频道中
Get PRO
十一月 '22
+24
在0个频道中
Get PRO
十月 '22
+30
在0个频道中
Get PRO
九月 '22
+43
在0个频道中
Get PRO
八月 '22
+54
在0个频道中
Get PRO
七月 '22
+50
在0个频道中
Get PRO
六月 '22
+203
在0个频道中
Get PRO
五月 '22
+110
在0个频道中
Get PRO
四月 '22
+135
在0个频道中
Get PRO
三月 '22
+87
在0个频道中
Get PRO
二月 '22
+126
在0个频道中
Get PRO
一月 '22
+299
在0个频道中
Get PRO
十二月 '21
+47
在0个频道中
Get PRO
十一月 '21
+22
在0个频道中
Get PRO
十月 '21
+41
在0个频道中
Get PRO
九月 '21
+16
在0个频道中
Get PRO
八月 '21
+29
在0个频道中
Get PRO
七月 '21
+51
在0个频道中
Get PRO
六月 '21
+73
在0个频道中
Get PRO
五月 '21
+65
在0个频道中
Get PRO
四月 '21
+110
在0个频道中
Get PRO
三月 '21
+362
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 27 七月 | +1 | |||
| 26 七月 | +1 | |||
| 25 七月 | 0 | |||
| 24 七月 | +2 | |||
| 23 七月 | +1 | |||
| 22 七月 | +2 | |||
| 21 七月 | 0 | |||
| 20 七月 | +1 | |||
| 19 七月 | 0 | |||
| 18 七月 | +1 | |||
| 17 七月 | 0 | |||
| 16 七月 | +1 | |||
| 15 七月 | +1 | |||
| 14 七月 | +1 | |||
| 13 七月 | 0 | |||
| 12 七月 | +2 | |||
| 11 七月 | +1 | |||
| 10 七月 | +2 | |||
| 09 七月 | 0 | |||
| 08 七月 | 0 | |||
| 07 七月 | 0 | |||
| 06 七月 | 0 | |||
| 05 七月 | +1 | |||
| 04 七月 | +3 | |||
| 03 七月 | +3 | |||
| 02 七月 | +2 | |||
| 01 七月 | 0 |
频道帖子
سال ۲۰۲۶، تقریبا نصف کتابهای الکترونیک چاپ شده در امازون، با ai تولید شدن!؟
خدا قوت 😏
@machinelearningnet2
| 2 |  پروپوزالهایی که این چند ماه دریافت کردم، نمیدونم چرا کوانت دولوپرها به عنوان کوانت ریسرچر اپلای میکنن! 🤔📉
توی دنیای کوانت فایننس، این دو نقش همیشه کنار هم میان ولی ماهیت کارشون کاملاً متفاوته. اول یه تعریف بیسیک از این دوتا بگم: 🧐
🔬 کوانت ریسرچر (Quant Researcher)
کارش پیدا کردن «آلفا»ست — یعنی همون سیگنالی که میشه ازش پول درآورد. 💰
وظایفش معمولاً اینهاست:
• تحلیل دادههای مالی و کشف الگوها و ناکارآمدیهای بازار 📊
• طراحی و تست فرضیههای معاملاتی (hypothesis testing) 🧪
• ساخت و بکتست استراتژیها و مدلهای پیشبینی 📈
• کار با مدلهای آماری، یادگیری ماشین و بهینهسازی پورتفولیو 🤖
• ارزیابی ریسک و سنجش پایداری سیگنالها ⚖️
سوال اصلیش اینه: «چی کار میکنه؟» ❓
🛠️ کوانت دولوپر (Quant Developer)
کارش تبدیل ایدهی ریسرچر به یک سیستم واقعی، پایدار و سریعه. ⚡
وظایفش معمولاً اینهاست:
• پیادهسازی استراتژیها در محیط پروداکشن 🏗️
• ساخت زیرساخت معاملاتی: data pipeline، execution engine، سیستم مانیتورینگ 🔄
• بهینهسازی سرعت و کارایی (بهخصوص در فرکانس بالا) 🚀
• اتصال به صرافیها/بروکرها و APIها 🔌
• تضمین پایداری، تست و کیفیت کد ✅
سوال اصلیش اینه: «چطور درست و سریع کار کنه؟» ⏱️
ریسرچر بدون دولوپر، ایدهاش روی کاغذ میمونه 📄. دولوپر بدون ریسرچر، سیستمی میسازه که چیزی برای اجرا نداره 🏚️.
کدوم سختتره؟! سختی ریسرچ خیلی خیلی بالاست! 📉📈 با مهارتهایی که AI داره بهتون میده، عملاً میتونی خیلی کارهای کوانت دولوپر رو هم انجام بدی 🤖، اما اصولاً دولوپرها از فضای کوانت ریسرچ دور هستن و اون یکی هم که فکر میکنه کار راحتی هست، اصولاً توی توهم هست 🌫️. در واقع تولید آلفا اونقدر نوآوری نیاز داره که حد نداره 🌌، اما سیستم منطقی ترید برای یه تیم متوسط یه کار خیلی روتین هست (نمیگم استک Jane Street بالا بیاد) 🏦.
اما در کل موفقترین تیمهای کوانت جاییان که این دو نقش بهصورت بینقص با هم کار میکنن 🤝.
خوب حالا فکر کن یه دولوپر بهت پروپوزال جنریت آلفا میفرسته، چی میشه؟ 🤨 یه چیز کلی بدون عمق، پر از فضای شنیدهها! 🚫
خوب چیکار باید کرد؟ بعدا در موردش صحبت میکنیم ...
@machinelearningnet2 | 2 068 |
| 3 |  +1اصولا هر سال من چند تا پروژه کوانت با دانشجوهای ارشد دانشگاه لانچ میکنم و امسال دوباره پروژه ما جایزه بهترین و تکنیکالترین پروژه بیزینس اسکول و دانشکده ریاضی رو باهم گرفت، ☺️🎓
پروژه در واقع درباره رژیم دیتکشن روی کریپتو با مدلهای سیگنچر بود و ریاضیات و مباحث کدینگ سنگینی داشت، 📉🧮🖥️
این دانشجوی منم قبلا دکترا از چین داشت و اومده بود دوباره مستر کوانت فاینانس بگیره و الانم توی یه هج فاند توی چین کار پیدا کرده. 🇨🇳📚💼
برگردم به همون پست قبلی، اینجا هم دوباره یه مساله واقعی داشتیم که راه حلش قسمتی از پروداکت واقعی میشه، انالیز رفتار استراتژی در رژیمهای مختلف و فرموله کردن اپدیت استراتژی برای تغییر رژیمهای آینده ، 📊🔄
الان داریم یه پلتفرم برای دیتاهای میکرولول کریپتو بالا میاریم، 🚀📱 این پلتفرم باعث میشه دیتاهای خوبی از مارکت بتونیم انالیز کنیم،
اگه علاقمند به این شکل ریسرچهای کوانت هستین (بهینهسازی استرتژی، دولوپ استراتژی، پرتفولیو سلکشن، میکرواستراکچر) و قبلا چند تا مساله mathematical finance رو حل کردین، در تماس باشیم 📩
@Sasanbarak | 1 973 |
| 4 |  بعضی اتفاقات، وقتی که کلا درگیر یه مساله ی دیگه هستی، تورو سورپرایز میکنه! ✨
مقاله ما با عنوان
«Dual resource constrained flexible job shop scheduling with sequence-dependent setup time»
از سوی انتشارات Wiley بهعنوان یکی از پربازدیدترین مقالات سال ۲۰۲۵ در مجله Expert Systems شناخته شده است. 📈🏆
علتش اش هم ساده بود، این یه پروژه خیلی کاربردی و عملی بود که حتی برای یه شرکت تولیدی داشتیم پیاده سازی میکردیم، 🏭🛠
🔔 نکتهای کوتاه درباره اهمیت این مسئله:
بیشتر پژوهشهای حوزه زمانبندی انعطافپذیر، ماشینآلات را بهعنوان تنها گلوگاه در نظر میگیرند و بهطور ضمنی فرض میکنند که اپراتورها همیشه در دسترس هستند. اما کارخانههای واقعی اینطور نیستن؛ نیروی انسانی یک محدودیت مهم است و عواملی مانند مهارتها، زمانهای بیکاری و هزینههای اپراتورها بر آنچه واقعاً در محیط تولید امکانپذیر است تأثیر میگذارند. 🤖👷♂️
توی این مقاله، ما به این مشکل تمرکز کردیم و عوامل مختلف انسانی را وارد مسئله زمانبندی میکنیم؛ و اینجوری سیستمهای تولیدی را طراحی کردیم که هم واقعاً کارآمد باشه و هم در عمل قابلیت اجرا داشته باشه. ✅🚀
📄 https://onlinelibrary.wiley.com/doi/10.1111/exsy.13669
پ.ن. یه پروژه هم یکسال با یکی از نویسندگان این مقاله داشتیم، اونم اگه پروداکت کنیم درباره اش صحبت میکنم😏
@machinelearningnet2 | 1 533 |
| 5 |  سلام دوستان 👋،
تقریباً ۷ ماه شده که الگوریتم ترید ما توی بازار کریپتو لایو هست 🚀. الان تعدادی فاند در لندن و دوبی روش سرمایهگذاری کردن 💰 و برای اونا ترید میزنیم.
این یک مدل برای مدیریت پولهای بزرگ هست و سیستم ما مارکتنیوترال است ⚖️. یعنی درگیر این نیست که بازار روند بالا گرفته یا پایین، بیتکوین میریزه یا میره بالا 📉📈. تا زمانی که ولاتیلیتی در بازار وجود داره، بر اساس inefficiency موجود در بازار ریترنِش رو تولید میکنه 📊.
وقتی یه مدل سیستماتیک میسازی که کاملاً الگوریتمیک ترید میکنه، بغیر از خوب بودن مدل و استراتژی، نحوه execution خیلی مهم میشه ⚙️. در واقع میتونه یه مدل خوب سر execution بد خراب بشه 🛠️.
این مدل بعد از نزدیک ۱ سال کار با یکی از بهترین کوانت ریسرچرهای که البته خیلی شانسی باهاش آشنا شدم 👨🔬، به ثمر رسیده. در ورژن اولیه، سیستم اردرگذاری سادهای داشت. بعد از فاز اول لایو، مجبور شدیم ۲-۳ ماه برای مدل execution سیستم وقت بذاریم و برا اون هم ریسرچ زیادی انجام بدیم 🔬.
ترکیب یه مدل بر پایه ریاضیات مالی و stochastic پروسس برای سیگنال جنریشن و یه مدل execution میکرولول (بر اساس LOB) 📉 کمک کرده که نتایج توجیهپذیر و برای سرمایهگذار institutional کمریسکتر باشه 🏦.
شما باید بفهمید حتی اگه مدل کار نکرد چرا کار نمیکنه 🤔 و کی سیستم شما میتونه سود خوبی بسازه 💸.
این مسیر ما با توسعه مدل دومی که اواخر فاز پروداکشن هست ادامه داره، اما میخوام با سرمایهگذاریهای ایرانی که توی این حوزه فعال هستن هم صحبت کنم که متوجه بشم چه خروجی از مارکت کریپتو انتظار دارن 🤝. اگه کسی رو سراغ دارین بهش مارو معرفی کنید 🗣️.
ما هم ظرفیت همکاری در بازارهای سهام و هم مدیریت سرمایه داریم 💼.
فاند منیجرهای و سرمایه گذارهای ایرانی که خارج از ایران هم فعال هستن، در صورت علاقه من میتونم سیستم و خروجی هارو تشریح کنم ☘
This is a call for partnership and fund management based on a system that I belive to its potential and shows fantastic outputs 💥
با تشکر ☘
دکتر ساسان براک
@sassnbarak | 3 395 |
| 6 | سلام دوستان.
این مدت از مدلهای زبانی (LLMها) 🤖 در طراحی و ارزیابی استراتژیهای معاملاتی و کوانت استفاده کردم که ایرادات جالبی داشتن:
استفاده از Train/Test به جای Walk-Forward 📉
بسیاری از مدلها از تقسیمبندی static دادهها استفاده میکنند، در حالی که برای معاملات مالی باید از Walk-Forward Validation استفاده شود تا از بیشبرازش و Data Snooping جلوگیری شود. تقریبا اکثر دانشجوهای من اول همین اشتباه رو انجام دادن! 😊
ضعف در Feature Engineering 🔧
مدلها معمولاً فقط ویژگیهای ساده مثل مومنتوم و نسبتها را میسازند و در شرایط خاص بازار هیچ خلاقیت خاصی ندارند. مساله های کوانت ، درست کردن فیچر مفید خیلی برای حل مساله حیاتی هست، و واقعا domain knowledge خوبی میخواد،
گاهی هم ممکنه دادههای غیرعادی ولی معتبر را به اشتباه خطا تشخیص دهند. 🤔
ثابت نگه داشتن Hyperparameterها ⚙️
اگر مدل برای یک مسئله (مثلاً بازده ساعتی) تنظیم شده باشد، ممکن است همان تنظیمات را برای مسئلهای دیگر (مثلاً بازده روزانه) نیز استفاده کند، در حالی که باید کل فرآیند تنظیم مجدداً انجام شود. بخاطر حجم کدها این اتفاقات گم میشه!
نادیده گرفتن هزینههای واقعی معامله 💸
مدلها اغلب سود را بدون در نظر گرفتن کارمزد، اسلیپیج، نقدشوندگی، ظرفیت بازار و تأخیر اجرا محاسبه میکنند.
در نتیجه عملکرد بکتست ممکن است بسیار بهتر از عملکرد واقعی باشد. 📊
این مدلهای AI 🤖 در تحقیقات کوانت خیلی میتونن مفید باشند، اما اگر دقیقاً متوجه نشین مساله چیه، ممکن است اشتباهات مهمی در اعتبارسنجی، مهندسی فیچرها، تنظیم مدل و شبیهسازی معاملات انجام بدین. ⚠️
@machinelearningnet2 | 2 069 |
| 7 |  ترامپ با خودش زیرساخت برده چین!
اون ساختمان مایکروسافت زیرساخت نیست.
اون مغز متفکر، اون صاحب ایده، اون آدمیه که پشت اون سازمانه؛ اون زیرساخته.
قدرت آمریکا توی سیمان و شیشه و آسمانخراش نیست.
قدرتش آدمهاییان که رئیسجمهورش برای نگه داشتنشون میجنگه، بهشون بها میده.
زیرساخت واقعی، اون جوان ایرانیه که با اذان صبح اعدام میشه .
اون نخبهایه که چمدون به دست از کشور فرار میکنه.
اون جوونیه که با اون همه استعداد، آخرش باید توی خیابون دستفروشی کنه.
کشوری که مغزهاشو میکشه، نخبههاشو فراری میده و استعدادهاشو تحقیر میکنه، حتی اگر پر از نفت، برج و موشک باشه، باز هم فقیره.
جامعهای که انسان ارزشمندش را نابود کند، هنوز در منطق عصر حجر و تفکر ارتجاعی گیر کرده
@machinelearningnet2 | 2 299 |
| 8 | در راستای همون پست های استراتژی، مدتی هست روی چند تا مساله کوانت واقعی ( و البته سخت☺️) برای حل با RL تمرکز کردیم.
اگه علاقمند به این شکل ریسرچ های کوانت هستین و قبلا پروژه های RL عملیاتی داشتین دوست دارم باهم تبادل نظر کنیم .
@Sasanbarak | 1 328 |
| 9 | سال پیش با یکی از دانشجوهای دانشگاه تهران روی یه استراتژی MFT روی بازار کریپتو کار میکردیم. مساله متالرنیگ و بهینه سازی استرتژی مارکت نیوترال بود،
این دانشجوم از Cass business school توی لندن افر فول فاند دکترا گرفت و البته قبول نکرد و جای دیگه ای الان دکترا میخونه.
امسال هم با دانشجوی دیگه ای روی استراتژی شبیه اون و البته با دیدگاه مالی تر کار میکردم، خوشبختانه امسال هم این دانشجوم موفق شد همون پوزیشن فول فاند بیزینس اسکول cass رو گرفت و البته اکسپت کرد ☺️
جالبه جفت این دانشجوها اسمشون روی همون مقاله هست و مقاله در یک ژورنال خوب تحت داوری هست ☺️،
اصولا ریسرچ خوب انجام بدی ، اونی که باید میبینه ☘ | 1 694 |
| 10 | Trading AI Agents
A short review of the TradingAgents open-source project - an AI agent that simulates the functionality of a hedge fund.
https://www.youtube.com/watch?v=9FoEsXNGLwI | 1 620 |
