عن المشروع

يستضيف هذا المستودع الأكواد المرافقة لكتاب Machine Learning for Trading، الطبعة الثالثة، لستيفان يانسن. وهو منظم حول سير عمل واحد متكامل: تحديد فكرة بحثية وتطويرها تكرارياً إلى استراتيجية يمكن تشغيلها وصيانتها في سوق حي. تغطي المادة 27 فصلاً وتسع دراسات حالة، وتنتقل من البيانات الخام عبر الميزات والنماذج والاختبارات الخلفية وتكاليف المعاملات والمخاطر إلى النشر والمراقبة. ما تضيفه الطبعة الثالثة، كما هو موضح في README: - مجموعة أدوات نمذجة أوسع، تشمل التعزيز التدريجي (XGBoost وLightGBM وCatBoost)، ومعماريات السلاسل الزمنية العميقة (PatchTST وiTransformer وTSMixer وTCN وMamba)، ونماذج جدولية أو عوامل كامنة مثل TabPFN وTabM والمشفرات التلقائية الشرطية/الخاضعة للإشراف. - فصول مخصصة لتكاليف المعاملات وإدارة المخاطر، إلى جانب بناء المحافظ وتوليف الاستراتيجيات. - مسار إنتاجي يغطي أنظمة التداول الحي (Interactive Brokers وAlpaca وQuantConnect)، ومواضيع MLOps والحوكمة مثل اكتشاف الانحراف والنشر الآمن وقواطع الدوائر ومخازن الميزات وتتبع التجارب. - مواد الذكاء الاصطناعي التوليدي: التوليد المعزز بالاسترجاع المستند إلى إيداعات SEC، والرسوم البيانية المعرفية وGraph RAG، وأنظمة البحث متعددة الوكلاء. - التعلم الآلي السببي (Double ML، والسلاسل الزمنية البنيوية البايزية، واكتشاف السببية)، والتعلم المعزز للتنفيذ وصناعة السوق والتحوط، ومولدات البيانات المالية الاصطناعية (TimeGAN وTail-GAN وSig-CWGAN والطرق القائمة على الانتشار). يشدد README على الصرامة المنهجية: حدود أدلة صريحة بين الاستكشاف والتأكيد، والتحقق المتقاطع بالسير الأمامي، وأدوات للتحكم في الاختبارات المتعددة والفرط في التوفيق مثل نسبة شارب المخففة، ومصل Rademacher المضاد، واختبار واقعية White، والتنبؤ المطابق. تستخدم طبقة البيانات Polars، ويوصف الفصول بأنها تُشحن في بيئات Docker قابلة لإعادة الإنتاج، مع PyTorch وLightGBM وOptuna وPlotly في حزمة النمذجة والتصور. تسري تسع دراسات حالة عبر الكتاب، وكل منها يمر عبر المسار نفسه: صناديق المؤشرات المتداولة (يومي، زخم عبر الأصول وارتداد للمتوسط)، والعقود الدائمة للعملات المشفرة (كل 8 ساعات، مراجحة معدل التمويل)، وNASDAQ-100 (دقيق داخل اليوم كل 15 دقيقة)، وأسهم S&P 500 مع الخيارات (يومي)، وخصائص الشركات الأمريكية (شهري)، وأزواج العملات الأجنبية (يومي، حمل وزخم)، وعقود CME الآجلة (يومي، هيكل المصطلحات وعائد التدوير)، وخيارات S&P 500 (يومي)، ولوحة واسعة من الأسهم الأمريكية (يومي، تعرضات عوامل). بُنيت الدفاتر على ست مكتبات بايثون مرافقة، واحدة لكل مرحلة من سير العمل: ml4t-data لحيازة بيانات السوق من مزودين متعددين، وml4t-engineer للميزات والتسميات والأشرطة البديلة وإعداد مجموعات بيانات آمنة من التسرب، وml4t-models للعوامل الكامنة المالية الأصلية وتعلم المحافظ، وml4t-diagnostic للتحقق من الميزات وتشخيص الاستراتيجيات ونسبة شارب المخففة، وml4t-backtest للاختبار الخلفي المدفوع بالأحداث، وml4t-live للتداول الإنتاجي مع تكاملات الوسطاء. يذكر README أن كل واحدة منها موثقة وقابلة للاستخدام بمفردها. يُشار إلى موقع مرافق لـ112 تمهيداً مجانياً، و61 مهارة وكيل لوكلاء البرمجة، والمكتبات الست. يسرد README أيضاً دورات مدفوعة وورش عمل وجلسات حية مجانية، إضافة إلى دليل تثبيت يغطي Linux وWindows WSL2 وmacOS وDocker وإعدادات GPU. تقدم تعليمات البدء السريع إما بيئة Docker Compose أو بيئة uv محلية؛ ويُلاحظ أن المسار المحلي يترجم عدة تبعيات ويتطلب مترجم C/C++ وحوالي 16 غيغابايت من القرص. توصي إرشادات المنصات باستخدام Docker على Intel macOS والبيئة المحلية على Apple Silicon، مع ذكر الأسباب لكل منهما. هذا كود تعليمي وبحثي موجه للتمويل الكمي والتعلم الآلي، وليس منتجاً تجارياً معبأً؛ ويوجه README القراء صراحة إلى مستند يصف ما هو المستودع وما ليس كذلك، بما في ذلك ما يتطلب حوسبة حقيقية أو بيانات مرخصة.