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 ऐसी रणनीति के लिए संभावित फ़ीचर छाँटती है जो एट-द-मनी स्ट्रैडल बेचकर समाप्ति तक रखती है। हर ट्रेडिंग दिन यह उपलब्ध नामों की किसी फ़ीचर के आधार पर क्रॉस-सेक्शनल रैंकिंग की तुलना उनके अंतिम स्ट्रैडल परिणामों की रैंकिंग से करती है, फिर सत्यापन अवधियों…
यह दस्तावेज़ बताता है कि अवलोकन तारीख़ और बाद के ट्रेडिंग सत्र की समायोजित क्लोज़िंग कीमतों से ETF के दैनिक आगे-के-प्रतिफल लेबल कैसे बनाए जाएँ। यह मुख्य मासिक-अवधि लेबल और छोटा साप्ताहिक विकल्प बनाता है; पात्रता फ़िल्टर लागू करने से पहले हर टिकर के पूरे,…
यह नोटबुक ETF के आगे के प्रतिफल का पूर्वानुमान करने के लिए स्प्लिट-कॉन्फ़ॉर्मल पूर्वानुमान, कॉन्फ़ॉर्मलाइज़्ड क्वांटाइल प्रतिगमन और अनुकूली कॉन्फ़ॉर्मल अनुमान की तुलना करती है। वॉक-फ़ॉरवर्ड फ़ोल्ड में यह एक उपसमूह पर प्रशिक्षण देती है, दूसरे पर अंतराल…
यह दस्तावेज़ बताता है कि तारीख़ वाले इकाई रिकॉर्ड को लैटेंट-फ़ैक्टर केस अध्ययन के लिए ऐरे में कैसे बदला जाए। एक विधि पात्रता डेटासेट से सीखी गई कवरेज सीमा पूरी करने वाली इकाइयों को रखती है, जिससे इकाइयों का सुसंगत अक्ष बनता है और अनुपलब्ध अवलोकन NaN बने रहते…
यह नोटबुक ADIA Lab की कारण-खोज चुनौती को किसी ज्ञात सिम्युलेटर परिवार के भीतर पैटर्न सीखने के बेंचमार्क के रूप में देखती है। इसके कार्य में ज्ञात निर्देशित चक्रीय ग्राफ़ों के साथ कई सिंथेटिक डेटासेट दिए जाते हैं, फिर मॉडलों का मूल्यांकन इस आधार पर होता है कि…
यह नोटबुक पूरे डेटासेट लोड करने के बजाय Parquet स्कीमा पढ़कर नौ बाज़ार केस-अध्ययनों में मॉडल-आधारित फ़ीचर कॉलम की सूची बनाती है। यह पहचान फ़ील्ड हटाती है, बाज़ार के अनुसार कॉलम गिनती है और नामों में मौजूद टोकन से फ़ीचर परिवार तय करती है; इनमें अस्थिरता मॉडल,…
यह नोटबुक बताती है कि कई फ़ैक्टरों या रणनीतियों में खोज करने से चुने गए विजेता का दिखने वाला प्रदर्शन कैसे बढ़ जाता है, भले ही हर अनुमान सही ढंग से निकाला गया हो। शोर फ़ैक्टरों का सिम्युलेटेड समूह दिखाता है कि सबसे बड़ा सूचना गुणांक संयोग से प्रभावशाली दिख…
यह केस अध्ययन S&P 500 इक्विटी और ऑप्शन फ़ीचर पैनल पर अनुक्रम मॉडल की तुलना करता है। इसमें LSTM को रखा गया है, जो लुकबैक विंडो में गेटेड अवस्था बनाए रखता है; इसकी तुलना N-Linear आधाररेखा से होती है, जो नवीनतम स्तर हटाकर रैखिक मैपिंग फ़िट करती है। यह आधाररेखा…
यह नोटबुक TimeGAN की पाँच-भाग वाली संरचना समझाती है: एम्बेडर और रिकवरी नेटवर्क कच्चे अवलोकनों और अव्यक्त स्थान के बीच मैप करते हैं, सुपरवाइज़र समयगत संक्रमण सीखता है, और जनरेटर तथा डिस्क्रिमिनेटर प्रतिकूल तरीके से प्रशिक्षित होते हैं। यह चरणबद्ध प्रशिक्षण…
यह नोटबुक केस-अध्ययन बैकटेस्ट से लिए गए रणनीति लागत परीक्षणों में सकल और शुद्ध शार्प की तुलना करती है। लागू किए गए हर रणनीति कॉन्फ़िगरेशन के लिए यह दर्ज कलाकृतियों से प्रति-लेग लागत की मान्यता और रीबैलेंसिंग आवृत्ति पढ़ती है, अनुमानित लागत पर शार्प का…
यह रिकॉर्ड इस शोध रन का दस्तावेज़ है कि निर्दिष्ट समाधान नियम के तहत 2026 के अंत तक संयुक्त राज्य में मंदी आएगी या नहीं; नियम लगातार तिमाही GDP संकुचन या NBER की मंदी-तिथि पर आधारित है। तीन एजेंटों ने वृद्धि पूर्वानुमान, मंदी संकेतक, मौद्रिक नीति की…
यह नोटबुक रोलिंग ETF रिटर्न विंडो को कॉन्वोल्यूशनल न्यूरल नेटवर्क के लिए दो-चैनल छवियों में बदलती है। ग्रामियन एंगुलर समेशन फ़ील्ड हर विंडो के भीतर मानों को पुनः स्केल करता है, उन्हें कोणों में मैप करता है, और समय की स्थितियों के युग्मों के बीच त्रिकोणमितीय…
जोखिम-प्रीमियम PCA प्रशिक्षण औसत-रिटर्न सदिश का भारित बाहरी गुणनफल जोड़कर सहप्रसरण मैट्रिक्स को बदलता है। इसके अग्रणी आइगेनवेक्टर स्थिर फ़ैक्टर पोर्टफ़ोलियो परिभाषित करते हैं: भार शून्य होने पर साधारण PCA मिलता है, जबकि धनात्मक भार फ़ैक्टरों को औसत रिटर्न से…
यह नोटबुक सत्यापन डेटा पर कॉन्फ़िगरेशन चुनने के बाद, अप्रयुक्त होल्डआउट अवधि के लिए पूर्वानुमान बनाने की विधि बताती है। यह चुने गए कॉन्फ़िगरेशन का निर्धारण करती है, होल्डआउट के लिए उसका प्रशिक्षण विनिर्देश फिर बनाती है, और उपलब्ध समयरेखा तथा चुने गए लेबल की…
यह नोटबुक नौ फ़ैक्टर और परिसंपत्ति-वर्ग रिटर्न श्रृंखलाओं के संयुक्त व्यवहार के आधार पर महीनों को समूहित करने के लिए गॉसियन मिक्सचर मॉडल का उपयोग करती है। यह मासिक अवलोकनों को मानकीकृत करती है, अनुपलब्ध मान वाले महीनों को हटाती है, और संभावित क्लस्टर…
यह नोटबुक ऐसा पूर्वानुमान एजेंट बनाती है जो ReAct लूप में तर्क और कार्रवाइयों के बीच अदल-बदल करता है। इसकी कार्रवाई का दायरा जानबूझकर छोटा है: एजेंट प्रमाण खोज सकता है या संभाव्यता पूर्वानुमान प्रस्तुत कर सकता है। दो विधियों वाला साझा इंटरफ़ेस लूप को अलग-अलग…
यह नोटबुक Tail-GAN समझाती है, जो जोखिम पर मूल्य (VaR) और अपेक्षित कमी (ES) को लक्ष्य करते हुए वित्तीय रिटर्न परिदृश्य बनाने की एक जनरेटिव प्रतिकूल विधि है। यह विभेद्य सॉर्टिंग का उपयोग करती है, ताकि ग्रेडिएंट क्वांटाइल अनुमानों से होकर आगे बढ़ सकें, और जोखिम…
यह फ़ीचर इंजीनियरिंग नोटबुक बताती है कि फ़ंडामेंटल, मैक्रोइकॉनॉमिक डेटा और कैलेंडर संदर्भ के ज़रिए धीमी जानकारी तेज़ ट्रेडिंग संकेतों को कैसे संदर्भ दे सकती है। इसमें बुक-टू-मार्केट और अर्निंग्स यील्ड जैसे वैल्यू अनुपात, रिटर्न ऑन इक्विटी और एक्रुअल्स जैसे…
यह Python मॉड्यूल दैनिक आउट-ऑफ़-सैंपल रिटर्न से रणनीति बैकटेस्ट की अनिश्चितता मापने के तरीके बताता है। यह रिटर्न-सीरीज़ आँकड़ों के लिए स्थिर ब्लॉक बूटस्ट्रैप अंतराल, ऑटोकॉरिलेशन और गैर-सामान्यता के अनुसार समायोजित शार्प मानक त्रुटि, तथा औसत रिटर्न के लिए…
यह नोटबुक कई केस स्टडी में पाँच लेटेंट-फ़ैक्टर एस्टिमेटर के पंजीकृत सत्यापन परिणामों का संश्लेषण करती है। पहले यह हर पैनल के लिए परिणाम वाले एस्टिमेटर का मानचित्र बनाती है, फिर औसत दैनिक स्पीयरमैन रैंक सूचना गुणांक (IC) के आधार पर अग्रणी एस्टिमेटर की पहचान…
यह नोटबुक वास्तविक ETF डेटा और कीमत से निकले मोमेंटम उदाहरण का उपयोग करके एकल-कारक मूल्यांकन दिखाती है। यह फ़ॉरवर्ड रिटर्न के विरुद्ध क्रॉस-सेक्शनल Spearman सूचना गुणांक मापती है, क्षितिजों की तुलना करती है और दैनिक क्रॉस-सेक्शनल IC का औसत निकालने तथा एक…
यह केस स्टडी NASDAQ-100 माइक्रोस्ट्रक्चर रणनीति के लिए उम्मीदवार वित्तीय और मॉडल-आधारित फ़ीचर को फ़ॉरवर्ड रिटर्न के विरुद्ध छाँटती है। यह समय के साथ क्रॉस-सेक्शनल रैंक सूचना गुणांक की गणना करती है, निर्भरता और बहु-परीक्षण के अनुसार निष्कर्ष समायोजित करती है,…
यह अध्याय खुले वित्तीय शोध में भाषा मॉडल को अधिक उपयोगी बनाने के तरीके के रूप में रिट्रीवल-ऑगमेंटेड जनरेशन प्रस्तुत करता है, जहाँ बिना समर्थन के दावे और मनगढ़ंत बातें महँगी पड़ सकती हैं। यह दस्तावेज़ ग्रहण और संरचना के अनुसार दस्तावेज़ों को खंडों में बाँटने…
यह नोटबुक सिग्नल नियमों, आवंटन और जोखिम ओवरले के पंजीकृत सत्यापन बैकटेस्ट में से CME फ़्यूचर्स केस स्टडी चुनती है। यह दोनों रिटर्न क्षितिजों में उम्मीदवारों की तुलना करती है और सबसे ऊँचे सत्यापन शार्प वाला कॉन्फ़िगरेशन चुनती है। लागत संवेदनशीलता चुने गए…