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…
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
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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।…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…