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।
682 दस्तावेज़
यह नोटबुक जाँचती है कि क्या SHAP फ़ीचर एट्रिब्यूशन मॉडल छँटाई, जोखिम निर्णयों या रिपोर्टिंग के लिए पर्याप्त स्थिर हैं। ETF पूर्वानुमान कार्य का उपयोग करके यह पहले ऐसे परीक्षण नमूने खोजती है जिनके पूर्वानुमान करीब हैं, लेकिन SHAP प्रोफ़ाइल अलग हैं। फिर यह…
यह नोटबुक 20 मुद्रा युग्मों के उम्मीदवार फ़ीचरों का एक-एक करके आगे के रिटर्न के विरुद्ध मूल्यांकन करती है। विश्लेषण को वॉक-फ़ॉरवर्ड सत्यापन अवधियों तक सीमित रखा जाता है, हर सत्र पर उसका फोल्ड अंकित होता है और होल्डआउट से पहले एक बफ़र अंतर छोड़ा जाता है, ताकि…
यह नोटबुक समझाती है कि कई एजेंटों के प्रायिकता पूर्वानुमानों को कैसे जोड़ा जाए और परिणामी प्रायिकताओं का अंशांकन कैसे किया जाए। इसमें Neyman extremization प्रस्तुत है, जो पैनल के आकार और मानी गई युग्म-वार सहसंबद्धता के अनुसार औसत पूर्वानुमान को आधार दर से…
यह डेटा यूटिलिटी Chen, Pelger और Zhu एसेट-प्राइसिंग डेटासेट पर काम में सहायता करती है, जिसमें स्टॉक रिटर्न, फ़र्म विशेषताएँ, मैक्रोइकॉनॉमिक श्रृंखलाएँ और विभाजन-पूर्व विशेषता टेन्सर शामिल हैं। इसकी रूपांतरण विधि प्रकाशित प्रशिक्षण, सत्यापन और परीक्षण…
यह नोटबुक जाँचती है कि वित्तीय विशेषताएँ 10-सत्रीय डेल्टा-हेज्ड विकल्प रिटर्न लेबल को समझाने में मदद करती हैं या नहीं। इसमें एक निहित-अस्थिरता विशेषता, निहित-अस्थिरता पर निर्भर और स्वतंत्र विशेषताओं के समूहों तथा पूरे विशेषता-समुच्चय का उपयोग करने वाले Ridge…
यह मॉड्यूल कई मॉडल परिवारों के लिए वॉक-फ़ॉरवर्ड प्रशिक्षण और सत्यापन फ़ोल्ड तैयार करने का साझा तरीका बताता है। यह बाद के मॉडल-विशिष्ट रूपांतरणों से महँगे, मॉडल-स्वतंत्र काम को अलग करता है—जैसे समय विंडो काटना, फ़ोल्ड-विशिष्ट मॉडल-आधारित फीचर लागू करना,…
यह नोटबुक स्थायी फ़्यूचर्स फ़ंडिंग शोध के लिए कई मॉडल परिवारों के सत्यापन पूर्वानुमानों की तुलना करती है। यह बताती है कि सूचना गुणांक पूर्वानुमानों और बाद के रिटर्न के बीच रैंक-संबंध मापता है, AUC ऊपर या नीचे के लेबल की रैंकिंग मापता है, और लॉग लॉस…
यह कार्यान्वयन बताता है कि डीप-लर्निंग अध्ययनों में उपयोग किए जाने वाले पैनल डेटा के लिए बैच किए गए अनुक्रम विंडो कैसे बनाएँ। विंडो पैनल के अपेक्षित कैलेंडर का पालन करती हैं; वे हर परिसंपत्ति के अवलोकनों को लगातार पंक्तियों में नहीं समेटतीं। अनुपलब्ध सत्र…
यह नोटबुक बाज़ार और कंपनी डेटा साफ़ करने के व्यावहारिक तरीके प्रस्तुत करती है, जिनमें डुप्लिकेट सँभालना, अंतराल चिह्न, डोमेन फ़िल्टर, रिवर्सल-आधारित स्पाइक पहचान, आउट्लायर क्लिपिंग, श्रेणीबद्ध एन्कोडिंग और अलग-अलग आवृत्तियों वाले डेटासेट संरेखित करना शामिल…
यह नोटबुक जाँचती है कि समान पूर्वानुमान होने पर या अलग यादृच्छिक सीड और संरचना से मॉडल फिर फिट करने पर SHAP एट्रिब्यूशन स्थिर रहते हैं या नहीं। ETF फ़ॉरवर्ड रिटर्न का उपयोग करके यह ऐसे नमूना-युग्म खोजती है जिनके पूर्वानुमान करीब हों, लेकिन SHAP प्रोफ़ाइल अलग…
यह नोटबुक Polymarket के क्रिप्टो में निपटाए जाने वाले इवेंट कॉन्ट्रैक्ट की तुलना Kalshi के विनियमित कॉन्ट्रैक्ट से करती है। इसका ध्यान इस बात पर है कि पहुँच के नियम और लिस्टिंग नीतियाँ हर प्लेटफ़ॉर्म पर दर्शाए गए भाव और प्रश्नों को कैसे आकार देती हैं। यह…
यह नोटबुक ट्रेड-स्तर का ऐसा डायग्नोस्टिक कार्यप्रवाह दिखाती है जो वास्तव में हुए नुकसान को मॉडल की SHAP व्याख्याओं से जोड़ता है। यह विलंबित मूल्य और अस्थिरता फीचर तथा मैक्रो इनपुट से अगले सत्र के SPY रिटर्न का पूर्वानुमान लगाने के लिए LightGBM मॉडल…
यह नोटबुक निष्पादन रिकॉर्ड से सीखने के लिए व्यवहार क्लोनिंग की तुलना इनवर्स रीइन्फ़ोर्समेंट लर्निंग (IRL) से करती है। इसके प्रदर्शन TWAP समय-सारिणी से लिए गए हैं, जिसका जोखिम-तटस्थ उद्देश्य ज्ञात है: प्रभाव सीमित रखने के लिए ट्रेड समान रूप से बाँटना और साथ…
नोटबुक बड़े लिक्विडेशन का समय तय करने के लिए Almgren–Chriss ढाँचा प्रस्तुत करती है। यह आगमन मूल्य के मुकाबले निष्पादन की कमी मापती है और दो परस्पर प्रतिस्पर्धी लागतों का मॉडल बनाती है: बाज़ार प्रभाव, जो ट्रेडिंग की तीव्रता बढ़ने पर बढ़ता है, और समय जोखिम, जो…
यह कोड आउट-ऑफ़-सैंपल पूर्वानुमान तालिकाओं से मानकीकृत प्रदर्शन मेट्रिक्स निकालता है—हर फ़ोल्ड के लिए अलग और समग्र सारांश के रूप में भी। यह प्रतिगमन और वर्गीकरण को सपोर्ट करता है, जिनमें सूचना गुणांक, त्रुटि माप, विभेदन मेट्रिक्स और इकाई गणना शामिल हैं।…
यह रिकॉर्ड इस बारे में LangGraph के एक पूर्वानुमान रन को दर्ज करता है कि क्या फ़ेडरल रिज़र्व 2026 में अपनी लक्ष्य दर बढ़ाएगा। तीन एजेंटों ने संभावनाएँ बताईं, जिसके बाद बहस हुई और पर्यवेक्षक ने अपडेट दिया। दर्ज आउटपुट में कुल संभावना, बहस का मध्यबिंदु और…
यह नोटबुक डबल मशीन लर्निंग से जाँचती है कि देखे गए कन्फ़ाउंडर के समायोजन के बाद निहित और वास्तविक अस्थिरता के स्प्रेड तथा आगे के इक्विटी रिटर्न का संबंध कायम रहता है या नहीं। यह उसी क्रॉस-फ़िट अवलोकन पर समायोजित अनुमान की तुलना साधारण नैव OLS से करती है और…
यह नोटबुक ऐसा शोध एजेंट तैयार करती है जो साक्ष्य खोजता है और द्विआधारी प्रश्न के लिए संरचित संभाव्यता देता है। यह कार्रवाई पार्स करने और सत्यापित करने, बारी की सीमा तथा तर्क और सहायक रन विवरण दर्ज करने वाले सहेजे गए पूर्वानुमान आर्टिफ़ैक्ट का वर्णन करती है।…
यह नोटबुक बताती है कि PCA बिना फ़ीचर वाला अव्यक्त-कारक आधार मॉडल है, जिसका उपयोग ETF रिटर्न का पूर्वानुमान लगाने के लिए होता है। यह हर लेबल के प्रशिक्षण-विंडो रिटर्न मैट्रिक्स का अपघटन करती है और पूर्वानुमान बनाने के लिए हर फ़ंड की लोडिंग तथा अनुमानित कारक…
यह मॉड्यूल बहु-एजेंट पूर्वानुमान पाइपलाइन के दो घटक बताता है। एक बहस एजेंट तेजी और मंदी के तर्कों के बीच बारी-बारी से चलता है; हर पक्ष को दूसरे के दावों का उत्तर देना और समर्थनकारी साक्ष्य के साथ संभाव्यता अनुमान देना होता है। यह हर दौर दर्ज करता है और…
यह नोटबुक दिखाती है कि पहले से कारणात्मक ग्राफ़ निर्दिष्ट किए बिना PCMCI का उपयोग करके ETF और अस्थिरता रिटर्न के बीच विलंबित संबंध कैसे खोजें। यह पैनल-आधारित सशर्त-स्वतंत्रता परीक्षण की तुलना जोड़ीवार ग्रेंजर परीक्षणों से करती है, जो लक्ष्य के अपने इतिहास को…
यह नोटबुक बताती है कि PatchTST क्रमिक बाज़ार फ़ीचर के निश्चित-लंबाई वाले पैच का उपयोग करके NASDAQ-100 लेबल का पूर्वानुमान कैसे लगाता है। अटेंशन पिछली एक घंटे की अवधि के पैचों के बीच संबंध जोड़ता है और हर मिनट पर अटेंशन की तुलना में सीक्वेंस की लंबाई घटाता…
यह दस्तावेज़ CME फ्यूचर्स प्रयोग बताता है, जिसमें रैखिक और ग्रेडिएंट-बूस्टिंग मॉडलों द्वारा उपयोग की गई उन्हीं निर्मित फ़ीचर पंक्तियों और वॉक-फ़ॉरवर्ड फ़ोल्ड पर पैरामीटर-कुशल न्यूरल एन्सेंबल TabM का उपयोग किया गया है। TabM कई नेटवर्कों का औसत लेने से मिलने…
दस्तावेज़ इंट्राडे फ़ीचर से NASDAQ-100 शेयर रिटर्न का पूर्वानुमान लगाने वाला न्यूनतम सीक्वेंस मॉडल NLinear प्रस्तुत करता है। यह एक निश्चित पिछली विंडो का उपयोग करता है, नवीनतम अवलोकन घटाता है ताकि मॉडल स्तरों के बजाय बदलावों पर काम करे, और परिणामी फ़ीचर को…