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।
1,066 दस्तावेज़
यह नोटबुक NASDAQ-100 इंट्राडे रणनीति में आवंटन-चरण के शीर्ष कॉन्फ़िगरेशन पर पोज़िशन-स्तरीय स्टॉप-लॉस, ट्रेलिंग स्टॉप और समय-आधारित निकास का मूल्यांकन करती है। निर्णय हर पंद्रह मिनट पर होते हैं, जबकि बैकटेस्ट इंजन हर मिनट पोज़िशन पर नज़र रखता है, इसलिए ओवरले…
यह नोटबुक यूरोपीय कॉल और पुट के लिए Black-Scholes मूल्य निर्धारण विकसित करती है, पुट-कॉल समानता जाँचती है और Brent रूट-फ़ाइंडिंग से निहित अस्थिरता निकालती है। यह Delta, Gamma, Vega, Theta और Rho भी परिभाषित करती है तथा ग्राफ़ से दिखाती है कि मनीनेस और…
यह नोटबुक S&P 500 इक्विटी और ऑप्शन अध्ययन में सीक्वेंस पूर्वानुमान के लिए पैच्ड ट्रांसफ़ॉर्मर का वर्णन करती है। यह समय-विंडो को लगातार खंडों में बाँटती है और हर खंड को एक टोकन के रूप में दर्शाती है, जिससे छोटे सीक्वेंस पर काम करते हुए अटेंशन विंडो के…
यह नोटबुक बदलते US इक्विटी पैनल के लिए इंस्ट्रूमेंटेड प्रमुख घटक विश्लेषण (IPCA) समझाती है। पारंपरिक PCA हर शेयर को एक फ़िट की हुई लोडिंग देता है, जो प्रशिक्षण नमूने से अनुपस्थित शेयरों को स्वाभाविक रूप से शामिल नहीं कर सकती और कंपनी की विशेषताएँ बदलने पर भी…
यह नोटबुक व्यापक साझा उतार-चढ़ाव को कम कारकों से दर्शाने के लिए US शेयर रिटर्न के पैनल पर प्रमुख घटक विश्लेषण लागू करती है। हर कारक साझा बदलाव की एक दिशा है, और प्रत्येक शेयर की लोडिंग उस दिशा के प्रति उसका एक्सपोज़र बताती है। कारकों और लोडिंग से…
यह नोटबुक कई मिनट-स्तरीय हॉराइज़न पर आगे के रिटर्न का पूर्वानुमान लगाने के लिए NASDAQ-100 माइक्रोस्ट्रक्चर फ़ीचर पर एक लॉन्ग शॉर्ट-टर्म मेमोरी नेटवर्क फ़िट करती है। समतल किए गए रैखिक मॉडल से अलग, एक LSTM प्रत्येक अवलोकन को क्रम से संसाधित करता है और सीखता है…
यह नोटबुक मोमेंटम पोर्टफ़ोलियो के लिए StopLoss, TakeProfit और TrailingStop नियमों को इस तरह ट्यून करने का उदाहरण देती है कि अंशांकन और मूल्यांकन कालक्रम के अनुसार अलग रहें। यह अंशांकन डेटा से अलग-अलग नियम-सीमाओं और उनके संयुक्त संयोजनों का परीक्षण करती है,…
यह दस्तावेज़ बताता है कि वेवलेट डिकम्पोज़िशन और रोलिंग स्पेक्ट्रल अनुमान अलग-अलग समय-पैमाने पर वित्तीय रिटर्न का वर्णन कैसे करते हैं। वेवलेट रिटर्न को क्रमशः धीमी अवधियों वाले घटकों में बाँटते हैं, जिससे पता चलता है कि कौन-से पैमाने सबसे अधिक बदलाव के लिए…
यह कॉन्फ़िगरेशन नोट उन सेटिंग्स में अंतर करता है जो बैकटेस्ट की पहचान में दिखाई देती हैं और उन सेटिंग्स में जो वास्तव में सिम्युलेटेड ट्रेडिंग लागत को प्रभावित करती हैं। वर्णित केस स्टडी में सभी पंजीकृत रन वेक्टराइज़्ड, रिटर्न-टू-एक्सपायरी पथ का उपयोग करते…
यह US इक्विटी केस स्टडी भविष्य के रिटर्न का पूर्वानुमान लगाने और यह दावा करने में अंतर करती है कि मोमेंटम उन रिटर्न का कारण है। इसमें नवीनतम महीने को छोड़कर पिछले वर्ष के किसी शेयर के रिटर्न को उपचार, आगे के रिटर्न को परिणाम, और हाल की अस्थिरता, अतरलता रैंक…
यह नोटबुक NASDAQ ITCH-से प्राप्त ट्रेड रिकॉर्ड का उपयोग करके इंट्राडे ट्रेडिंग गतिविधि की जाँच करती है। यह अलग-अलग ट्रेडों को समय-आधारित बार में पुनर्नमूना करती है और गतिविधि के तीन स्तरों में से प्रत्येक से चुने गए एक टिकर के लिए शेयर वॉल्यूम, ट्रेडों की…
यह अध्याय रीइन्फ़ोर्समेंट लर्निंग को अनुक्रमिक नियंत्रण का औज़ार बताता है और इसे पर्यवेक्षित पूर्वानुमान से अलग करता है। यह उन कार्यों पर केंद्रित है जहाँ कार्रवाइयाँ बाद के परिणामों को प्रभावित करती हैं और पुरस्कार अपेक्षाकृत स्पष्ट होते हैं: ट्रेड…
यह ETF फ़ीचर नोटबुक बताती है कि फ़िट किए गए सांख्यिकीय मॉडल अपने अनुमानित पैरामीटरों के ज़रिए भविष्य की जानकारी लीक कर सकते हैं, भले ही उनके फ़ॉर्मूले पिछली टिप्पणियों का उपयोग करते हों। इसका उपाय वॉक-फ़ॉरवर्ड रीफ़िट शेड्यूल है: शुरुआत में बर्न-इन अवधि रखें,…
यह नोटबुक स्थिर वैलिडेशन उम्मीदवार सेट से चुने गए FX पेयर्स कॉन्फ़िगरेशन को फिर बनाती है, फिर उसके वैलिडेशन और होल्डआउट साक्ष्य का आकलन करती है। चयन में पात्र वैलिडेशन Sharpe का उच्चतम मान लिया जाता है और बराबरी पर बैकटेस्ट पहचान का नियतात्मक टाई-ब्रेकर लागू…
यह नोटबुक US इक्विटी पैनल के लिए ग्रेडिएंट बूस्टिंग का अध्ययन करती है और तीन फ़ॉरवर्ड-रिटर्न क्षितिज पर ट्री क्षमता, उद्देश्य फ़ंक्शन तथा प्रशिक्षण चेकपॉइंट बदलती है। यह बताती है कि उथले ट्री फ़ीचर परस्पर क्रियाएँ सीख सकते हैं, जबकि क्षमता बढ़ाने से शोर पर…
यह नोटबुक ETF फ़ॉरवर्ड रिटर्न का पूर्वानुमान लगाने वाले LightGBM मॉडल के लिए SHAP व्याख्याएँ दिखाती है। TreeSHAP अलग-अलग पूर्वानुमानों के फ़ीचर योगदान और समेकित महत्व सारांश देता है। Beeswarm और निर्भरता प्लॉट दिखाते हैं कि फ़ीचर मान योगदान से कैसे जुड़े…
यह नोटबुक बताती है कि वैलिडेशन परिणामों से कॉन्फ़िगरेशन चुने जाने के बाद क्रिप्टो परपेचुअल फ़ंडिंग रणनीति के लिए होल्डआउट पूर्वानुमान कैसे बनाए जाएँ। यह पात्र वैलिडेशन बैकटेस्ट में सबसे ऊँचा Sharpe प्राप्त करती है, मॉडल परिवार, लेबल, चेकपॉइंट और रणनीति…
यह मॉड्यूल क्रिप्टो परपेचुअल फ़्यूचर्स में बड़ा विक्रय ऑर्डर निष्पादित करने के लिए पॉइंट-इन-टाइम सिमुलेशन वातावरण परिभाषित करता है। इसके अवलोकनों में शेष इन्वेंटरी और समय के साथ बाज़ार अस्थिरता, प्रीमियम इंडेक्स, सापेक्ष वॉल्यूम, दिन का घंटा और फ़ंडिंग तक का…
यह अध्याय बाज़ार डेटा को ट्रेडिंग नियमों, लिक्विडिटी और प्रतिभागियों के व्यवहार का परिणाम बताता है। यह टॉप-ऑफ़-बुक कोट से लेकर ऑर्डर-स्तरीय फ़ीड तक डेटा का सर्वेक्षण करता है, फिर एक्सचेंज संदेशों को पार्स करने और उन्हें किसी वेन्यू की स्थानीय लिमिट ऑर्डर बुक…
यह साझा यूटिलिटी मॉड्यूल टाइम-सीरीज़ डबल मशीन लर्निंग (DML) के साथ ट्रेडिंग डेटा के कारणात्मक विश्लेषण में सहायता करता है। इसमें बताए गए टूल में एम्बार्गो के साथ वॉक-फ़ॉरवर्ड आकलन, नुइसेंस मॉडल और खंडन-जाँच शामिल हैं। ब्लॉक परम्यूटेशन प्लेसीबो परीक्षणों में…
यह नोटबुक TSMixer समझाती है, एक टाइम-सीरीज़ न्यूरल नेटवर्क जो दो कार्रवाइयों को बारी-बारी से करता है: हर फ़ीचर के लिए लुकबैक दिनों पर साझा रैखिक मैप, और हर दिन स्वतंत्र रूप से लागू किया गया साझा फ़ीचर MLP। रेज़िडुअल कनेक्शन और प्री-नॉर्मलाइज़ेशन स्टैक को…
यह केस स्टडी 500 शेयरों में वैरिएंस रिस्क प्रीमियम की तुलना के लिए 30-दिवसीय एट-द-मनी स्ट्रैडल और अंतर्निहित कीमत डेटा से फ़ीचर बनाती है। यह कई अवधियों में निहित अस्थिरता की तुलना वास्तविक अस्थिरता से करती है, ऑप्शन बाज़ार लागत और जोखिम संकेतक जोड़ती है, और…
यह केस स्टडी बताती है कि वैलिडेशन डेटा पर मॉडल और रणनीति के विकल्प तय होने के बाद होल्डआउट अवधि के लिए पूर्वानुमान कैसे बनाए जाएँ। यह पहले चुने गए कॉन्फ़िगरेशन को प्राप्त करती है, उसकी प्रशिक्षण विशिष्टता फिर से बनाती है और होल्डआउट शुरू होने से पहले उपलब्ध…
यह नोटबुक एक LSTM आवंटक बनाती है, जो हाल के ETF रिटर्न और अस्थिरता फ़ीचर को सीधे लॉन्ग-ओनली पोर्टफ़ोलियो वेट में बदलता है। Softmax आउटपुट वेट को गैर-ऋणात्मक और पूरी तरह निवेशित रखता है, जबकि अवकलनीय Sharpe-अनुपात उद्देश्य नेटवर्क को अलग रिटर्न-पूर्वानुमान…