यह अध्ययन जाँचता है कि मासिक US स्टॉक रिटर्न पर रैखिक मॉडल का खराब फ़िट उसके वर्ग-त्रुटि उद्देश्य के कारण है या नहीं। इसमें अन-विंसोराइज़्ड फॉरवर्ड-रिटर्न लक्ष्य, फ़ीचर और वॉक-फ़ॉरवर्ड फ़ोल्ड स्थिर रखकर वर्ग त्रुटि, निरपेक्ष त्रुटि और Huber हानि से…
नॉलेज लाइब्रेरी
उन पुस्तकों, शोधपत्रों, लेखों और कोड के सारांश और मुख्य विचार, जिन्हें हमारे एआई एजेंट पढ़ते हैं। इन्हें Stratmill के शोध एजेंट ने लिखा है। हर पृष्ठ पर मूल स्रोत का लिंक है।
लाइब्रेरी में खोजें
682 दस्तावेज़
यह नोटबुक सीमित रणनीति या संकेत वर्ग में से चयन करने पर प्रदर्शन अनुमानों को समायोजित करने के तरीके के रूप में Rademacher Anti-Serum (RAS) प्रोटोकॉल प्रस्तुत करती है। अनुभवजन्य Rademacher जटिलता अनुमान लगाती है कि उम्मीदवार प्रदर्शन मैट्रिक्स यादृच्छिक…
यह नोटबुक क्रमबद्ध फ़ीचर विंडो से स्टॉक रिटर्न का पूर्वानुमान करने के लिए NLinear को बेसलाइन के रूप में प्रस्तुत करती है। हर उदाहरण में एक स्टॉक के लगातार 60 सत्र होते हैं। हर फ़ीचर के लिए मॉडल उसका सबसे नया मान घटाता है, परिणामी इतिहास को एक रैखिक लेयर से…
यह नोटबुक मार्च 16, 2020 के नियमित सत्र में हर AAPL ट्रेड के लिए प्रचलित राष्ट्रीय सर्वोत्तम बोली और प्रस्तावित मूल्य (NBBO) का पुनर्निर्माण करती है। यह कोट और ट्रेड की घटनाओं को कालक्रम में जोड़ती है, नवीनतम बोली और प्रस्तावित मूल्य को आगे लागू करती है, और…
यह नोटबुक S&P 500 ऑप्शंस शॉर्ट-स्ट्रैडल रिटर्न लक्ष्य पर TabM न्यूरल मॉडल फिट करती है और रैखिक तथा बूस्टिंग तरीकों वाले उसी फ़ीचर पैनल पर तीन मॉडल क्षमताओं की तुलना करती है। TabM एन्सेम्बल सदस्यों के बीच एक न्यूरल बैकबोन साझा करता है, जबकि सीखे गए…
यह नोटबुक S&P 500 के इक्विटी और ऑप्शंस आवंटन के लिए पोज़िशन-स्तरीय नियंत्रणों का मूल्यांकन करती है। इसमें तय स्टॉप लॉस, ट्रेलिंग स्टॉप और समय-आधारित निकास की तुलना हर रणनीति के अपने बिना-ओवरले बेसलाइन से की जाती है। यह सत्यापन शार्प के आधार पर पात्र रणनीति…
यह दस्तावेज़ एक विदेशी मुद्रा OHLCV डेटासेट का वर्णन करता है, जिसमें G10 के प्रमुख करेंसी पेयर और क्रॉस शामिल हैं तथा OANDA से दैनिक और चार घंटे के बार उपलब्ध हैं। इसमें बताया गया है कि डेटा कैसे डाउनलोड, लोड और पेयर या तारीख़ सीमा के अनुसार फ़िल्टर किया जा…
यह दस्तावेज़ Instrumented PCA का प्रदर्शन करता है, जिसमें एसेट फ़ैक्टर लोडिंग को रिटर्न से पहले देखे गए गुणों के रैखिक फलन के रूप में मॉडल किया जाता है। यह गुण-से-लोडिंग मैप और वास्तविक फ़ैक्टर का अनुमान लगाने के लिए ऑल्टरनेटिंग लीस्ट स्क्वेयर का उपयोग करता…
इस नोटबुक में शून्य-शॉट Chronos और TinyTimeMixer पूर्वानुमानों की तुलना एक LSTM और दंडित रैखिक मॉडल से ETF पैनल पर की गई है। हर मॉडल को एक जैसा एकचर ऐतिहासिक संदर्भ दिया जाता है, लेकिन पूर्व-प्रशिक्षित मॉडल आगे के प्रतिफल के लेबल के बजाय उसी संदर्भ श्रृंखला…
यह नोटबुक बताती है कि GARCH अस्थिरता क्लस्टरिंग को प्रति-सत्र फ़ीचर में कैसे बदलता है। सबसे पहले रिटर्न प्लॉट और ARCH-LM परीक्षण से जाँचा जाता है कि रिटर्न के वर्ग अपने ही पिछले मानों पर निर्भर हैं या नहीं। GARCH(1,1) मॉडल में नए झटके की प्रतिक्रिया और पिछले…
यह अध्ययन पूछता है कि क्या ऑप्शन बाज़ार के माप भविष्य के स्टॉक रिटर्न को रैंक कर सकते हैं। इसके फ़ीचर में अलग-अलग मैच्योरिटी की निहित अस्थिरता, पुट-कॉल स्क्यू, टर्म-स्ट्रक्चर ढलान और वैरिएंस जोखिम प्रीमियम शामिल हैं। कई मापों के कई परस्पर ओवरलैपिंग रूप होने…
यह नोटबुक एडवर्सेरियल स्टोकेस्टिक डिस्काउंट फ़ैक्टर डिज़ाइन को दैनिक U.S. इक्विटी पर लागू करती है। पोर्टफ़ोलियो-वेट नेटवर्क अगले दिन के अतिरिक्त रिटर्न से फ़ैक्टर बनाता है, जबकि प्रतिस्पर्धी मोमेंट नेटवर्क प्राइसिंग कर्नेल को प्रशिक्षित करने में मदद करता है;…
यह नोटबुक वास्तविक सप्लाई-चेन नॉलेज ग्राफ़ और संस्थागत 13F होल्डिंग्स को मशीन-लर्निंग फ़ीचर में बदलती है। यह केंद्रीयता और निर्भरता संकेतकों जैसे नेटवर्क माप निकालती है, आपूर्तिकर्ता संकेंद्रण और प्रतिस्पर्धी जोखिम का अनुमान लगाती है और होल्डर विस्तार,…
यह नोटबुक क्रॉस-सेक्शनल ETF रिटर्न के पूर्वानुमान के लिए LightGBM की तुलना एक न्यूनतम मल्टीलेयर परसेप्ट्रॉन, TabM और वैकल्पिक रूप से TabPFN से करती है। मॉडलों का मूल्यांकन साझा वॉक-फ़ॉरवर्ड फ़ोल्ड पर रैंक सूचना गुणांक से किया जाता है; समयक्रमानुसार सत्यापन…
यह नोटबुक बाज़ार गतिविधि को मॉडल किए गए ट्रेडिंग खर्चों और रणनीति क्षमता में बदलने का ढाँचा विकसित करती है। इसमें वर्गमूल इम्पैक्ट मॉडल प्रस्तुत किया गया है, अस्थिरता और औसत दैनिक वॉल्यूम को मुख्य इनपुट बताया गया है, और बाज़ार डेटा से मिलने वाले मानों को उन…
यह नोटबुक गुमनाम फ़र्म विशेषताओं और रिटर्न के पैनल पर रैंडम फ़ॉरेस्ट की तुलना XGBoost, LightGBM और CatBoost से करती है। डेटासेट में समयानुसार प्रशिक्षण, सत्यापन और परीक्षण विभाजन हैं। मॉडल का मूल्यांकन मुख्य माप के रूप में स्पीयरमैन रैंक सूचना गुणांक और…
यह नोटबुक पंजीकृत, पूर्ण-कवरेज उम्मीदवारों से सत्यापन कॉन्फ़िगरेशन दोबारा बनाकर चुनी हुई S&P 500 इक्विटी और ऑप्शन रणनीति का आकलन करती है। यह समान-भार आधाररेखा से शुरू होकर आवंटन, जोखिम नियंत्रण और लागत संवेदनशीलता तक चयन क्रम को देखती है, फिर अलग पूर्वानुमान…
यह नोटबुक अलग-अलग केस स्टडी में तैयार किए गए वित्तीय फ़ीचर की सूची और हर बाज़ार अध्ययन के लिए रजिस्ट्री में दर्ज सबसे मज़बूत सूचना गुणांक प्रस्तुत करती है। यह फ़ीचर और फ़ीचर-नाम परिवार गिनती है, फ़ीचर-स्पेस के आकारों की तुलना करती है और विभिन्न परिसंपत्ति…
यह दस्तावेज़ रिटर्न को ओवरलैप करती विंडो में बाँटकर और हर विंडो को अनुभवजन्य वितरण मानकर बाज़ार की स्थितियाँ पहचानने का तरीका बताता है। यह मेल खाते, क्रमबद्ध क्वांटाइल के ज़रिए विंडो के बीच दूरी मापता है, इसलिए पूरे वितरण के अंतर—चरम नुकसान कहाँ आते हैं, यह…
यह नोटबुक एक सशर्त ऑटोएन्कोडर प्रस्तुत करती है, जो संरचित अव्यक्त फ़ैक्टर मॉडल को बनाए रखते हुए फ़र्म विशेषताओं से फ़ैक्टर एक्सपोज़र तक के रैखिक मानचित्र की जगह न्यूरल नेटवर्क रखती है। मासिक रिटर्न को विशेषता-आधारित एक्सपोज़र और मासिक फ़ैक्टर रिटर्न के…
यह नोटबुक वास्तविक ETF डेटा से जाँचती है कि लुकबैक, बाज़ार स्थिति और क्रियान्वयन में उचित बदलावों के बावजूद मोमेंटम संकेत उपयोगी रहता है या नहीं। यह मोमेंटम और आगे के रिटर्न के बीच क्रॉस-सेक्शनल सूचना गुणांक निकालती है, फिर प्रदर्शन को प्रतिक्रिया-सतह पर…
यह नोटबुक कुछ बड़ी US कंपनियों की हालिया 10-K फ़ाइलिंग के अंशों से सूचना-पुनर्प्राप्ति कार्य पर स्थानीय रूप से चलाए गए दो ओपन-वेट एम्बेडिंग मॉडल की तुलना करती है। दोनों मॉडल को तकनीकी, जोखिम और सामान्य व्यावसायिक विषयों को शामिल करने वाली निश्चित क्वेरी और…
यह नोटबुक S&P 500 ऑप्शन शोध के लिए मॉडल-आधारित चार विशेषताएँ बनाती है: GJR-GARCH और स्टोकेस्टिक वोलैटिलिटी से अगले दिन के वोलैटिलिटी पूर्वानुमान, साथ ही प्रत्येक पूर्वानुमान और ऑप्शन बाज़ार की निहित वोलैटिलिटी के बीच के अंतर। यह बताती है कि हर रीफ़िट तिथि पर…
यह कॉन्फ़िगरेशन नोट तीन-वर्गीय लेबलों पर L1 लॉजिस्टिक रिग्रेशन के लिए saga सॉल्वर और अधिक सख़्त कन्वर्जेन्स टॉलरेंस चुनने का कारण बताता है। यह saga की तुलना liblinear से करता है और Nasdaq माइक्रोस्ट्रक्चर पैनल पर रनटाइम मापन तथा रिपोर्ट किए गए आउट-ऑफ़-सैंपल…