مقالات · هوشمندی عملیاتی، AI و کوانت
مقالات حسین نریمانی
نوشته‌های عمیق درباره طراحی سیستم‌های کوانت، AI عملیاتی، معماری SaaS، طراحی ایجنت‌های هوش مصنوعی اختصاصی و سیستم‌های اجرایی بنیان‌گذاران.
مدل یادگیری عمیق برای پیش‌بینی داده‌های OHLCV سهام: چارچوب طراحی سیستمی
مسئله واقعی: چرا مدل‌های یادگیری عمیق روی OHLCV اغلب شکست می‌خورنداکثر تیم‌هایی که سراغ پیش‌بینی قیمت سهام با یادگیری عمیق می‌روند، از یک سؤال اشتباه شروع می‌کنند: «کدام مدل دقت بالاتری دارد؟» این سؤال غلط است.سؤال درست این است: «این سیستم چه تصمیمی را در...
مطالعه کامل →
معادله هزینه واقعی سیستم‌های کمی: چرا مدل‌بندی جزء‌به‌جزء تصمیم‌ساز است
مشکل واقعی: هزینه سیستم‌های کمی همیشه بیشتر از چیزی است که روی کاغذ می‌بینیداکثر تیم‌ها وقتی هزینه یک سیستم کمی (Quant System) را حساب می‌کنند،...
مطالعه کامل →
لوک‌اهد بایاس در بک‌تستینگ: چطور داده‌های آینده بی‌سروصدا وارد تست می‌شوند
اگر بک‌تست استراتژی‌ات نتایج درخشانی نشان می‌دهد، احتمال زیادی وجود دارد که مشکل داری. نه به این خاطر که استراتژی بد است — بلکه به این خاطر که...
مطالعه کامل →
تفاوت Quant Research و Quant Trading چیست؟ از تولید سیگنال تا اجرای سرمایه در سیستم‌های معاملاتی
بیشتر افراد تصور می‌کنند Quant Research و Quant Trading دو نام متفاوت برای یک شغل هستند. در واقع این دو نقش، دو لایه کاملاً متفاوت از یک سیستم...
مطالعه کامل →
چطور دیتای OHLCV خراب یک استراتژی معاملاتی را نابود می‌کند؟ راهنمای تشخیص، اعتبارسنجی و مهندسی کیفیت داده
بیشتر معامله‌گران تصور می‌کنند مشکل اصلی در طراحی استراتژی، انتخاب اندیکاتور، مدل یادگیری ماشین یا منطق ورود و خروج است. در عمل، یکی از مخرب‌ترین...
مطالعه کامل →