🚀 15 مقاله کمی که دنیای مالی مدرن را شکل دادند!
اگر در Quant، Trading، Risk یا ML-driven Investing فعالیت دارید، این مقالات ستون فکری شما هستند 👇
1️⃣ Black–Scholes (1973)
💡 معرفی قیمتگذاری بدون ریسک و پوشش پویا
📈 پایه ریاضی بازارهای مشتقه جهانی
2️⃣ CAPM – Sharpe (1964)
⚖️ ارتباط بین بازده مورد انتظار و ریسک سیستماتیک (بتا)
📊 مدل پایهای همه نظریههای قیمتگذاری دارایی
3️⃣ Fama–French 3-Factor (1993)
📌 اندازه و ارزش بیش از بتای بازار بازدهها را توضیح میدهند
💰 آنومالیها را به فاکتورهای سرمایهگذاری سیستماتیک تبدیل کرد
4️⃣ Fama–French 5-Factor (2015)
📊 افزودن سودآوری و رفتار سرمایهگذاری به مدلها
💡 حرکت به سمت اصول اقتصادی واقعی در قیمتگذاری داراییها
5️⃣ Almgren–Chriss (2000)
⚡️ کمیسازی تأثیر بازار و ریسک اجرا
🤖 هنوز پایه الگوریتمهای معاملات سازمانی
6️⃣ Heston Model (1993)
🌪 مدلسازی نوسان به عنوان فرایند تصادفی
📈 توضیح لبخند و کجی نوسان که بلک–شولز نمیتوانست
7️⃣ Volatility Is Rough (2018)
🌊 نوسان بسیار ناهموارتر از حرکت براونی
💹 تغییر نحوه قیمتگذاری آپشنهای کوتاهمدت
8️⃣ Rough Heston Model (2019)
🔗 ترکیب نوسان ناهموار با قیمتگذاری قابلحل
📊 واقعیت تجربی را به میزهای مشتقه آورد
9️⃣ Coherent Measures of Risk (1999)
🛡 تعریف معیارهای معتبر ریسک
📉 CVaR بهتر از Value-at-Risk
🔟 Markowitz Portfolio Theory (1952)
📌 رسمی کردن تنوع و مرز کارا
📈 آغاز بهینهسازی مدرن پورتفوی
1️⃣1️⃣ Universal Portfolios (1991)
🤖 استراتژیهای تطبیقی که تخصیص بهینه را آنلاین یاد میگیرند
💼 پیشنمونه مدیریت پورتفوی الگوریتمی
1️⃣2️⃣ Advances in Financial ML (2018)
⚠️ چرا ML ساده در بازارها شکست میخورد
💻 معرفی ابزارهای قوی میزهای معاملاتی واقعی
1️⃣3️⃣ Reinforcement Learning for Trading (2001)
🎯 معامله به عنوان فرایند تصمیمگیری ترتیبی
🤖 الهامبخش طراحی استراتژیها و اجرای RL مدرن
1️⃣4️⃣ Transfer Learning in Finance (2016)
🔄 مدلهای ML میتوانند بین داراییها و بازارها تعمیم یابند
📊 کلیدی برای محیطهای مالی با داده محدود
1️⃣5️⃣ ML in Asset Pricing (2020)
🚀 ML از مدلهای فاکتور خطی پیشی میگیرد
💡 نقطه عطف پژوهش در قیمتگذاری داراییها
@RiskPy
@RiskPyLib
12December 25, 2025 335 1 22
