सामग्री पर जाएं

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

699 दस्तावेज़

Machine Learning for Trading

यह विश्लेषण जाँचता है कि अनेक ट्रेडिंग केस स्टडी में चुने गए संकेत आगे इस्तेमाल के लिए पर्याप्त भरोसेमंद दिखते हैं या नहीं। यह सत्यापन सूचना गुणांकों (IC) की तुलना होल्डआउट साक्ष्य से करता है, स्थिरता और पुनरुत्पादकता देखता है, और पूर्वानुमान गुणवत्ता की…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक मापती है कि चुकाए गए कोट किए गए स्प्रेड के अलग-अलग अनुमानित अंशों के तहत S&P 500 ऑप्शन ट्रेडिंग रणनीति का सत्यापन प्रदर्शन कैसे बदलता है। यह हर मॉडल परिवार के लिए एक आधारभूत रणनीति चुनती है, फिर स्प्रेड-लागत की मान्यताओं और पूरे एट-द-मनी स्ट्रैडल…

ऑप्शंसऑर्डर निष्पादनबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह दस्तावेज़ स्वचालित ट्रेडिंग रोक के लिए पुनःउपयोग योग्य स्टेट मशीन प्रस्तुत करता है, जिसमें बंद, खुली और आधी-खुली अवस्थाएँ हैं। यह चार जोखिमों पर समान संक्रमण तर्क लागू करता है: खाते का ड्रॉडाउन, दैनिक हानि, लगातार घाटे वाले सत्र और सिस्टम विलंबता। रिकवरी…

जोखिम प्रबंधनऑर्डर निष्पादनबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक सत्यापन डेटा पर चुने गए कॉन्फ़िगरेशन से पहले कभी न छुई गई ETF होल्डआउट अवधि के पूर्वानुमान बनाती है। यह प्रशिक्षण विनिर्देश को फिर से बनाकर अवधि शुरू होने से एक लेबल क्षितिज पहले समाप्त करती है, मॉडल को फिर से फ़िट करती है, चुने गए चेकपॉइंट को…

बैकटेस्टिंगजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ बताता है कि मॉडल प्रशिक्षण और बैकटेस्ट को दोबारा उपयोग करना है या फिर से चलाना है, यह तय करने के लिए रजिस्ट्री की जाँच कैसे करें। रन की पहचान उनके विनिर्देशों से बने हैश से होती है; रन तभी दोबारा उपयोग किया जा सकता है जब अपेक्षित आर्टिफ़ैक्ट…

बैकटेस्टिंगमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक बताती है कि सामान्य लक्ष्य-भार जोखिम ओवरले वर्णित S&P 500 शॉर्ट-स्ट्रैडल ट्रेडिंग रणनीति को नियंत्रित क्यों नहीं कर सकता। ऑप्शंस इंजन साप्ताहिक समूहों को पूँजी के निश्चित अंश आवंटित करता है और हर समूह के भीतर भारों को सामान्यीकृत करता है; भारों को…

ऑप्शंसजोखिम प्रबंधनबैकटेस्टिंगडेरिवेटिव का मूल्य निर्धारण
Machine Learning for Trading

यह नोटबुक CME फ़्यूचर्स रिटर्न के क्रॉस-सेक्शनल पूर्वानुमान के लिए ग्रेडिएंट बूस्टिंग का अध्ययन करती है। यह लीफ़-गणना प्रोफ़ाइल से ट्री क्षमता बदलती है और वर्गित-त्रुटि, निरपेक्ष-त्रुटि तथा ह्यूबर उद्देश्यों की तुलना करती है, जो चरम अवशिष्टों के फ़िटिंग पर…

फ़्यूचर्सकमोडिटीमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक क्रिप्टो परपेचुअल फ़ंडिंग प्रीमियम के पूर्वानुमान के लिए अनुक्रम मॉडल तुलना में टेम्पोरल कन्वोल्यूशनल नेटवर्क (TCN) जोड़ती है। कारणात्मक पैडिंग सुनिश्चित करती है कि हर स्थिति केवल मौजूदा और पिछली टिप्पणियाँ उपयोग करे, जबकि डाइलेटेड कन्वोल्यूशन…

क्रिप्टोपरपेचुअल फ़्यूचर्समशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह केस अध्ययन व्यापक US शेयर समूह में दैनिक क्रॉस-सेक्शनल संकेतों का मूल्यांकन करता है और समय-बिंदु डेटा तथा बनाए गए फ़ीचर से लेकर मॉडल तुलना, पोर्टफ़ोलियो निर्माण, लागत और होल्डआउट आकलन तक लंबी शोध प्रक्रिया प्रस्तुत करता है। इसमें वॉक-फ़ॉरवर्ड सत्यापन, आगे…

इक्विटीमशीन लर्निंगमोमेंटमऔसत की ओर वापसी
Machine Learning for Trading

यह नोटबुक अलग-अलग केस स्टडी में LightGBM मॉडलों की तुलना व्यवस्थित करती है और जहाँ उपलब्ध हों वहाँ रैखिक मॉडल तथा TabM को संदर्भ परिवार के रूप में उपयोग करती है। यह ट्री आकार, रिग्रेशन लॉस, चेकपॉइंट और वर्गीकरण उद्देश्यों के विभिन्न कॉन्फ़िगरेशन का मूल्यांकन…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक सारणीबद्ध फ़ीचर से ETF आगे के रिटर्न का पूर्वानुमान लगाने के लिए LightGBM की तुलना MLP, TabM और, उपलब्ध होने पर, TabPFN से करती है। मॉडलों का मूल्यांकन साझा कालक्रमिक वॉक-फ़ॉरवर्ड फ़ोल्डों पर किया जाता है; रैंक सूचना गुणांक और प्रशिक्षण समय मुख्य…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक ईटीएफ में 21-दिवसीय आगे के रिटर्न का पूर्वानुमान लगाने के लिए साधारण न्यूनतम वर्गों की तुलना Ridge, LASSO और Elastic Net से करती है। मॉडल समान घोषित वॉक-फ़ॉरवर्ड फ़ोल्डों का उपयोग करते हैं और शुद्धिकरण अंतराल लेबल क्षितिज के अनुरूप है। हर फ़ोल्ड…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ ADIA Lab की कारणात्मक खोज चुनौती को ज्ञात सिंथेटिक डेटा-निर्माण परिवार के भीतर पर्यवेक्षित अनुमान के रूप में देखता है। इस कार्य में कई लेबल वाले डेटासेट और ग्राफ़ युग्मों की मदद से उपचार और परिणाम के आसपास चरों को आठ भूमिकाओं में बाँटा जाता है।…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह मॉड्यूल पंजीकृत पूर्वानुमान सेट से औसत पूर्वानुमान समूह बनाता है और पुनरुत्पादकता तथा चयन पूर्वाग्रह से बचने पर विशेष ध्यान देता है। यह हाथ से लिखी सदस्य सूची रखने के बजाय रजिस्ट्री से योग्य मॉडल कॉन्फ़िगरेशन निर्धारित करता है, अधूरे या सेवानिवृत्त…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक साधारण Python ऑर्केस्ट्रेशन, CrewAI और LangGraph के ज़रिए चार-चरणीय पूर्वानुमान कार्यप्रवाह प्रस्तुत करती है। यह तुलना करती है कि स्थिति कहाँ रखी जाती है, विफलताओं का निरीक्षण या उनसे उबरना कैसे होता है, हर तरीके में कौन-सी निर्भरताएँ जुड़ती हैं और…

मशीन लर्निंगसांख्यिकीऑर्डर निष्पादनबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक साझा मुद्राओं के बीच कोटेशन होने के कारण आपस में जुड़े रिटर्न वाले मुद्रा-जोड़े के समूह के लिए रैखिक मॉडल नियमितीकरण की जाँच करती है। यह फ़ीचर सहरेखीयता—जिसे रिज, लैसो और इलास्टिक नेट संबोधित कर सकते हैं—और रैंक की जा रही परिसंपत्तियों के बीच…

विदेशी मुद्रासांख्यिकीमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह अध्याय फ़िट की गई सांख्यिकीय प्रक्रियाओं को ट्रेडिंग मॉडल के फ़ीचर में बदलने के तरीके देखता है। इसमें निदान और स्थिरता, संरचनात्मक बदलाव, भिन्नात्मक विभेदीकरण, कालमन फ़िल्टरिंग, स्पेक्ट्रल और पथ-हस्ताक्षर विधियाँ, ARIMA और GARCH वोलैटिलिटी, HAR और…

सांख्यिकीअस्थिरतामशीन लर्निंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक ऐसी रणनीति के लिए आगे के शेयर-रिटर्न लेबल बनाती है जो सूचीबद्ध ऑप्शन डेटा से इक्विटी को रैंक करके शेयर रखती है। यह कॉर्पोरेट कार्रवाइयों का हिसाब रखने वाली समायोजित मूल्य श्रृंखला बनाती है और कंपनियों की पहचान स्थायी प्रतिभूति आईडी से करती है। फिर…

इक्विटीऑप्शंससांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक 20 मुद्रा पेयर में उम्मीदवार संकेतों की एक-एक फ़ीचर वाली छँटाई बताती है। यह केवल वॉक-फ़ॉरवर्ड वैलिडेशन विंडो का उपयोग करके हर फ़ीचर की दैनिक क्रॉस-सेक्शनल रैंक सहमति को अगले सत्र के रिटर्न से मापती है। मूल्यांकन पैनल को होल्डआउट से इतना पहले काटा…

विदेशी मुद्रासांख्यिकीमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक LightGBM रिटर्न-पूर्वानुमान मॉडल को ट्यून करने के लिए संपूर्ण ग्रिड खोज की तुलना Optuna के TPE सैम्पलर से करती है। पहले दोनों तरीकों को समान असतत पैरामीटर ग्रिड पर परीक्षणों का समान बजट दिया जाता है: गणना में हर संयोजन आता है, जबकि सैम्पलिंग में…

मशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक सूचना गुणांक, क्वांटाइल रिटर्न, ऊपर से नीचे तक के स्प्रेड और वर्गीकरण निदान से क्रॉस-सेक्शनल मोमेंटम फ़ैक्टर का मूल्यांकन करती है। यह स्पीयरमैन IC को संकेत और बाद के रिटर्न के बीच तारीख-दर-तारीख रैंक सहसंबंध के रूप में प्रस्तुत करती है और इसे सभी…

मोमेंटमफ़ैक्टर निवेशसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह केस स्टडी जाँचती है कि सूचीबद्ध ऑप्शंस की जानकारी एस एंड पी 500 स्टॉक चुनने में मदद कर सकती है या नहीं। यह 2017 से 2021 तक के 633 स्टॉक्स के दैनिक इक्विटी मूल्य को ऑप्शन-निहित वोलैटिलिटी स्तर, स्क्यू, टर्म स्ट्रक्चर और वेरिएंस रिस्क प्रीमियम मापों के साथ…

इक्विटीऑप्शंसबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह मॉड्यूल पाठक-केंद्रित CME फ़्यूचर्स अनुसंधान कार्यप्रवाह तय करता है, जिसमें मॉडल अनुरोध, पूर्वानुमान और बैकटेस्ट निष्पादन, उम्मीदवार समूह और अंतिम चयन शामिल हैं। यह साझा सेटअप घोषणा से कॉन्फ़िगर किया गया लेबल स्वीप पढ़ता है, उसका क्रम बनाए रखता है और…

फ़्यूचर्समशीन लर्निंगबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक देखे गए मूल्य पथों के आधार पर ट्रिपल-बैरियर लेबल की चौड़ाई तय करने के लिए अधिकतम अनुकूल एक्सकर्शन (MFE) और अधिकतम प्रतिकूल एक्सकर्शन (MAE) का उपयोग करती है। बार के क्लोज़ पर खोली गई पोज़िशन के लिए यह अगले बार से शुरू होने वाली आगे की होल्डिंग अवधि…

इक्विटीफ़्यूचर्सक्रिप्टोअस्थिरता