यह विश्लेषण फ़र्म की विशेषताओं पर आधारित मासिक US इक्विटी रणनीति की पंजीकृत बैकटेस्ट pipeline पढ़ता है। इसमें Sharpe की अनिश्चितता, probability और deflated Sharpe माप, paired रणनीति तुलना, holdout में क्षय और micro-cap की कम तरलता दर्शाने के लिए बनाया गया…
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 विदेशी मुद्रा के मूल्य इतिहास से fitted-model फ़ीचर बनाती है, जो सीधे पुराने मूल्यों से निकाले गए indicator के पूरक हैं। इसमें तीन तरीके बताए गए हैं: state-space filter, जो धीरे-धीरे बदलते मूल्य स्तर और संबंधित मात्राओं का अनुमान लगाता है; दो-state…
यह नोटबुक बताती है कि S&P 500 कंपनियों के तिमाही MD&A खुलासों को ट्रेडिंग फ़ीचर में बदलने का कार्यप्रवाह कैसे बनाया जाए। इसमें फाइलिंग की स्वीकृति तिथियों को समय-बिंदु आधार बनाया जाता है; एक ही तारीख पर किसी कंपनी की कई फाइलिंग हों तो नवीनतम अवधि वाली…
यह अध्याय टाइम सीरीज़ के लिए डीप लर्निंग का व्यावहारिक प्रश्न से सर्वेक्षण करता है: अवलोकनों का क्रम वह जानकारी कब देता है जो क्रॉस-सेक्शनल पूर्वानुमान से छूट जाती है, और कौन-से मॉडल डिज़ाइन उसका उपयोग कर सकते हैं? इसमें recurrent नेटवर्क और उनकी क्रमिक…
यह केवल-पठन विश्लेषण कई मॉडल परिवारों के सत्यापन पूर्वानुमानों को साथ रखता है, ताकि जाँचा जा सके कि वे पूर्ण हैं या नहीं, वे शेयरों की रैंकिंग कितनी अच्छी करते हैं, क्या रैंकिंग कौशल अलग-अलग फोल्ड में बना रहता है, और क्या ऊपर से समान दिखने वाले मॉडल अलग…
यह नोटबुक TabM लागू करती है, एक सारणीबद्ध न्यूरल आर्किटेक्चर जो एन्सेंबल सदस्यों में दो-परत वाला विशेषता नेटवर्क साझा करता है। हर सदस्य साझा प्रतिनिधित्व को अपने सीखे हुए वेक्टर से स्केल करता है और अपनी आउटपुट परत उपयोग करता है; सदस्य पूर्वानुमानों का औसत…
यह नोटबुक जोखिम-प्रीमियम PCA समझाती है, जो प्रशिक्षण अवधि के औसत रिटर्न का भारित बाहरी गुणनफल जोड़कर रिटर्न सहप्रसरण मैट्रिक्स बदलती है। इसके प्रमुख आइगेनवेक्टर स्थिर फ़ैक्टर पोर्टफ़ोलियो परिभाषित करते हैं; भार बढ़ाने से फ़ैक्टर औसत रिटर्न समझाने वाली दिशाओं…
यह नोटबुक ETF रिटर्न के Ridge रिग्रेशन पूर्वानुमानों को समझाने के लिए SHAP का उपयोग करती है। रैखिक मॉडल में विशेषता एट्रिब्यूशन का फिट किए गए गुणांकों और पृष्ठभूमि विशेषता मूल्यों से विचलन के साथ बंद-रूप संबंध होता है, जिससे विश्लेषण व्याख्याकार को सटीक…
यह नोटबुक वित्तीय कीमतों से विशेषताएँ निकालने के तरीके के रूप में कालमन फ़िल्टरिंग समझाती है। स्थानीय रैखिक रुझान अवस्था अंतर्निहित मूल्य स्तर और उसकी ढलान, दोनों को ट्रैक करती है, जबकि अवलोकन मॉडल शोरयुक्त समापन कीमतों का हिसाब रखता है। हर अद्यतन फ़िल्टर…
यह नोटबुक इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट एनालिसिस (IPCA) प्रस्तुत करती है, जो फ़र्म विशेषताओं से रिटर्न का पूर्वानुमान करने का एक लेटेंट-फ़ैक्टर तरीका है। हर विशेषता को सीधे रिटर्न वज़न देने के बजाय, IPCA हर फ़र्म के फ़ैक्टर एक्सपोज़र को उसकी विशेषताओं का…
यह उपयोगिता रणनीति रिटर्न को Fama–French तीन-फ़ैक्टर या पाँच-फ़ैक्टर मॉडल से, वैकल्पिक रूप से मोमेंटम शामिल करके, समझाने की विधि बताती है। यह दैनिक फ़ैक्टर डेटा को रणनीति रिटर्न से संरेखित करती है, रिटर्न आवृत्ति पहचानती है और जब रणनीति दैनिक से कम बार देखी…
यह विश्लेषण वॉक-फ़ॉरवर्ड सत्यापन परिणामों से परिसंपत्तियों के पार ETF पैनल पर पंजीकृत मॉडल परिवारों की तुलना करता है। मॉडल 21-ट्रेडिंग-दिवसीय रिटर्न का पूर्वानुमान करते हैं और उनका आकलन क्रॉस-सेक्शनल सूचना गुणांक से होता है, जो मापता है कि हर तारीख पर…
यह नोटबुक बाज़ार-व्यापी गतिविधि का वर्णन करने और पुनः उपयोग योग्य ट्रेड डेटा बनाने के लिए NASDAQ TotalView-ITCH संदेशों का विश्लेषण करती है। यह संदेशों को प्रकार के अनुसार गिनती है, फिर स्टॉक-लोकेशन पहचानकर्ताओं को टिकर से और ऑर्डर संदर्भों को उनके मूल ऐड…
यह नोटबुक व्यापक US शेयर-बाज़ार समूह की रैंकिंग के लिए कीमत-आधारित विशेषताएँ बनाती है। इसमें मोमेंटम, अस्थिरता, मूविंग एवरेज और तकनीकी संकेतक समूहों का वर्णन है, फिर एक-सत्र आगे के रिटर्न लेबल के विरुद्ध उनका मूल्यांकन किया जाता है। इसका मुख्य डिज़ाइन नियम…
यह अध्ययन दस ट्रेडिंग दिनों के NVDA मार्केट-बाय-ऑर्डर डेटा से जाँचता है कि दैनिक ट्रेडिंग गतिविधि बार सैंपलिंग को कैसे प्रभावित करती है। यह नियमित US बाज़ार समय के ट्रेड छाँटता है, वेन्यू लेबल से आक्रामक पक्ष वर्गीकृत करता है और ट्रेड संख्या, शेयर वॉल्यूम…
यह विश्लेषण परपेचुअल फ़्यूचर्स फ़ंडिंग के लिए कई मॉडल परिवारों के सत्यापन पूर्वानुमानों की तुलना करता है। यह समझाता है कि सूचना गुणांक बाद के रिटर्न की रैंकिंग मापता है, AUC ऊपर और नीचे के परिणामों का क्रम मापता है, और लॉग लॉस प्रायिकता गुणवत्ता आँकते हुए…
यह केस स्टडी DeFi Llama के कुल लॉक्ड मूल्य डेटा को Ether ट्रेडिंग शोध पाइपलाइन के संभावित इनपुट के रूप में परखती है। यह संकेत की मज़बूती, डेटा गुणवत्ता, कानूनी उपयुक्तता और व्यावसायिक मूल्य को अलग रखती है; कानूनी मुद्दे और पुराने ऐतिहासिक संस्करणों को फिर से…
यह नोटबुक प्रकाशित फ़ैक्टर रिटर्न का संभावित पोर्टफ़ोलियो घटकों के रूप में मूल्यांकन करती है। यह तीन प्रश्न अलग करती है: क्या किसी फ़ैक्टर का औसत रिटर्न कठोर सांख्यिकीय कसौटी पार करता है, क्या फ़ैक्टर ऐसे कारणों से एक-दूसरे का विविधीकरण करते हैं जो टिक सकते…
यह नोटबुक केस स्टडी बैकटेस्ट में जोखिम ओवरले की तुलना करती है, जिनमें स्टॉप, ट्रेलिंग स्टॉप, हानि-सीमा, ड्रॉडाउन-ब्रेकर और अस्थिरता-लक्ष्य नियम शामिल हैं। यह हर अध्ययन के ओवरले परिणाम लोड करती है, जहाँ उपलब्ध हो वहाँ आवंटन-चरण के बैकटेस्ट से आधाररेखा चुनती…
यह केस स्टडी कई इंट्राडे अवधियों में रिटर्न और दिशा का पूर्वानुमान करने के लिए NASDAQ-100 माइक्रोस्ट्रक्चर विशेषताओं पर ग्रेडिएंट-बूस्टेड ट्री लागू करती है। यह ट्री की तुलना रैखिक मॉडल से करती है: ट्री सशर्त संबंध खोज सकते हैं, जैसे स्प्रेड के अनुसार…
यह नोटबुक चार चरणों वाली पूर्वानुमान प्रणाली बनाती है: शोध एजेंटों का समूह, प्रायिकता समेकन, प्रतिकूल बहस और ऐसा पर्यवेक्षक जो असहमतियाँ पहचानता है, स्पष्ट करने वाले साक्ष्य खोजता है और अंतिम प्रायिकता देता है। पर्यवेक्षक का प्रभाव उसके बताए गए आत्मविश्वास…
यह नोटबुक संस्थागत 13F होल्डिंग के संग्रह पर नियतात्मक संबंधपरक खोज और एम्बेडिंग खोज की तुलना करती है। यह तय कटऑफ़ से पहले हर संस्था की नवीनतम रिपोर्ट की गई पोज़िशन रखकर समय-बिंदु स्नैपशॉट बनाती है, फिर बड़े धारकों, साझा स्वामित्व और संस्थाओं की सबसे बड़ी…
यह नोटबुक विभेदक गोपनीयता के साथ इंजीनियर की गई ETF विशेषताओं पर जनरेटिव एडवर्सेरियल नेटवर्क को प्रशिक्षित करना दिखाती है। यह गोपनीयता पैरामीटर एप्सिलॉन और डेल्टा बताती है, समझाती है कि DP-SGD समेकन से पहले हर रिकॉर्ड के ग्रेडिएंट को क्लिप करके मापानुकूल शोर…
यह नोटबुक ETF विशेषताओं और आगे के रिटर्न पर क्लासिकल ऑर्डिनरी लीस्ट स्क्वेयर अनुमान लागू करती है। यह गुणांक अनुमान, मानक त्रुटियाँ, t आँकड़े, p मान और विषम-विचरणता, अवशिष्ट ऑटोकॉरिलेशन, गैर-सामान्यता तथा बहुसहसंबंध के परीक्षण देखती है। सैंपल एक असंतुलित…