सामग्री पर जाएं

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

95 दस्तावेज़

Machine Learning for Trading

यह केस अध्ययन ETF मोमेंटम पर कारणात्मक अनुमान लागू करता है और पूछता है कि आगे के रिटर्न पर इसका प्रभाव बाज़ार की अस्थिरता के साथ बदलता है या नहीं। इसमें निरंतर मोमेंटम ट्रीटमेंट, 21-दिवसीय आगे के रिटर्न का परिणाम, अस्थिरता और यील्ड-कर्व नियंत्रण तथा औसत और…

इक्विटीअमेरिकी बाज़ारमोमेंटममशीन लर्निंग
Machine Learning for Trading

यह दस्तावेज़ विभिन्न परिसंपत्ति वर्गों में गति की परिकल्पना को 100-ETF ब्रह्मांड का उपयोग करते हुए मासिक खोजपरक परीक्षण में बदलता है। यह समायोजित माह-अंत कीमतें बनाता है, 12-से--1-माह की गति मापता है, फिर पात्र ईटीएफ़ को समान भार वाले पाँच समूहों में…

बहु-एसेटमोमेंटमट्रेंड फ़ॉलो करनासांख्यिकी
Machine Learning for Trading

यह नोटबुक बताती है कि जब दैनिक IC अवलोकन निर्भर हों, तो सामान्य t-परीक्षण सूचना गुणांक (IC) की मजबूती को क्यों बढ़ा-चढ़ाकर दिखा सकते हैं। यह ETF डेटा पर संवेग संकेत बनाती है, IC स्वतःसहसंबंध जाँचती है और विश्वास अंतरालों के लिए ब्लॉक बूटस्ट्रैप के साथ…

सांख्यिकीबैकटेस्टिंगमोमेंटम
Machine Learning for Trading

यह नोटबुक जाँचती है कि रीबैलेंसिंग की आवृत्ति ETF के शीर्ष-रैंक मोमेंटम पोर्टफ़ोलियो के टर्नओवर, सकल प्रदर्शन और लागत-समायोजित परिणामों को कैसे प्रभावित करती है। यह दैनिक, साप्ताहिक, पाक्षिक और मासिक कार्यक्रमों में ऐतिहासिक लक्ष्य-भार बदलाव से टर्नओवर का…

इक्विटीमोमेंटमऑर्डर निष्पादनबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक दो अवधियों में ETF रिटर्न के पूर्वानुमान के लिए LightGBM मॉडल की तुलना ridge आधाररेखा से करती है। यह समझाती है कि पेड़ व्यवस्था-निर्भर परस्पर प्रभाव खोज सकते हैं—जैसे बाज़ार तनाव में मोमेंटम का अलग व्यवहार—जबकि लालची विभाजन अत्यधिक सहसंबद्ध फ़ीचर…

इक्विटीमशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह डेमो Alpaca के USD स्पॉट बाज़ार से जुड़ा हमेशा चालू क्रिप्टो ट्रेडिंग लूप प्रस्तुत करता है। यह परपेचुअल फ़्यूचर्स केस-स्टडी यूनिवर्स को प्लेटफ़ॉर्म पर समर्थित स्पॉट पेयर से मैप करता है और स्पष्ट करता है कि वहाँ केवल कुछ एसेट ट्रेड किए जा सकते हैं। उदाहरण…

क्रिप्टोस्पॉट बाज़ारपरपेचुअल फ़्यूचर्समोमेंटम
Machine Learning for Trading

यह दस्तावेज़ साझा रणनीति इंटरफ़ेस के ज़रिए पाँच-दिवसीय ETF मोमेंटम रणनीति को Alpaca से जोड़ना दिखाता है। रणनीति SPY, QQQ और IWM में मोमेंटम ट्रैक करती है और सीमा पार होने पर सिग्नल बनाती है। ब्रोकर-विशिष्ट एडैप्टर डेटा और ऑर्डर संभालते हैं, जबकि रणनीति और…

इक्विटीमोमेंटमऑर्डर निष्पादनजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक ETF फ़ीचर मूल्यांकन को एकल रिटर्न क्षितिज से बढ़ाकर दस फ़ीचर और तीन क्षितिज की जाँच तक ले जाती है तथा बहु-परीक्षण के लिए सुधार करती है। इसके बाद यह दीर्घ लुकबैक 12-1 मोमेंटम और अल्पकालिक रिवर्सल पर तंत्र-आधारित निदान लागू करती है: समय-स्थानांतरण और…

बहु-एसेटमोमेंटमऔसत की ओर वापसीसांख्यिकी
Machine Learning for Trading

यह नोटबुक दोहरी मशीन लर्निंग (DML) का उपयोग करके सतत ETF मोमेंटम माप के बाद के रिटर्न पर समायोजित प्रभाव का अनुमान लगाती है। इसमें हाल की और दीर्घकालिक अस्थिरता, बाज़ार व्यवस्था और यील्ड कर्व की ढलान को नियंत्रित किया जाता है। यह असमायोजित प्रतिगमन की तुलना…

मशीन लर्निंगसांख्यिकीइक्विटीमोमेंटम
Machine Learning for Trading

यह नोटबुक पिछली गति की विशेषताओं से 21-दिवसीय ETF रिटर्न का पूर्वानुमान लगाने के लिए Transformer के दो डिज़ाइनों की तुलना करती है। PatchTST लगातार दिनों को पैच में समूहित करता है और प्रत्येक टोकन में स्थानीय आकार के छोटे क्रम रखता है। इसके बजाय iTransformer…

इक्विटीमशीन लर्निंगमोमेंटमबैकटेस्टिंग
Machine Learning for Trading

यह फ़ीचर-इंजीनियरिंग मॉड्यूल व्यवस्थित मैक्रो पोर्टफोलियो मॉडल के लिए दैनिक मूल्य डेटा तैयार करता है। यह अनुमानित अस्थिरता से समायोजित विभिन्न अवधि के रिटर्न, कई बहु-पैमाना MACD संकेत और लॉग कीमतों के रोलिंग ज़ेड-स्कोर बनाता है। रिटर्न अवधि के लिए तय सूची या…

बहु-एसेटमोमेंटमट्रेंड फ़ॉलो करनाअस्थिरता
Machine Learning for Trading

यह ट्यूटोरियल परिसंपत्ति के मूल्य और वॉल्यूम इतिहास से बनी विशेषताओं का सर्वेक्षण करता है, जिनमें अलग-अलग अवधि के रिटर्न, ट्रेंड और रिवर्सल माप, कई अस्थिरता अनुमानक, अस्थिरता व्यवस्थाएँ, तरलता, टेल जोखिम और क्रॉस-सेक्शनल सामान्यीकरण शामिल हैं। यह गति संकेतों…

तकनीकी संकेतकमोमेंटमअस्थिरतामशीन लर्निंग
Machine Learning for Trading

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…

इक्विटीमशीन लर्निंगमोमेंटमऔसत की ओर वापसी
Machine Learning for Trading

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…

मोमेंटमफ़ैक्टर निवेशसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक जाँचती है कि क्या व्यापक ETF सह-गति को नियंत्रित करने के बाद चार प्रबंधित-पोर्टफोलियो रणनीतियाँ SPY प्रतिफल समझाती हैं। रणनीतियाँ पिछली गति, अस्थिरता या हाल के प्रतिफल का उपयोग करके ETFs को रैंक करती हैं। लंबे इतिहास वाले ETFs के संतुलित समूह से दस…

फ़ैक्टर निवेशमशीन लर्निंगसांख्यिकीमोमेंटम
Machine Learning for Trading

यह नोटबुक जाँचती है कि क्रमिक अवलोकनों के निर्भर होने पर सिग्नल का सूचना गुणांक (IC) शोर से अलग पहचाना जा सकता है या नहीं। यह मोमेंटम सिग्नल और ETF डेटा के उदाहरण से समझाती है कि ओवरलैप होते अग्रिम रिटर्न, टिकाऊ सिग्नल रैंक और बाज़ार की स्थितियाँ दैनिक IC…

सांख्यिकीमशीन लर्निंगमोमेंटमबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक TWS या Gateway के ज़रिए Interactive Brokers से रणनीति जोड़ने की परिचालन प्रक्रिया बताती है। यह जाँचती है कि सत्र पेपर खाता है, खाते के मान और पोज़िशन पढ़ती है, और लाइव फ़ीड शुरू होने से पहले रणनीति की स्थिति आरंभ करने के लिए ऐतिहासिक बार माँगती है।…

ऑर्डर निष्पादनजोखिम प्रबंधनमोमेंटमइक्विटी
Machine Learning for Trading

यह नोटबुक कई asset class के long-short momentum उदाहरण से फ़्यूचर्स बैकटेस्टिंग की कार्यविधि समझाती है। यह बताती है कि कॉन्ट्रैक्ट विनिर्देश multiplier के ज़रिए मूल्य उतार-चढ़ाव को डॉलर लाभ और हानि में कैसे बदलते हैं, और notional exposure कॉन्ट्रैक्ट आकार…

फ़्यूचर्समोमेंटमबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक जाँचती है कि ETF momentum बैकटेस्ट मानी गई ट्रेडिंग फीस के प्रति कितना संवेदनशील है। यह रणनीति के भार और ट्रेडिंग शेड्यूल स्थिर रखती है, प्रति-leg लागत की अलग-अलग दरों पर simulator फिर चलाती है, और वृद्धि, Sharpe ratio तथा ड्रॉडाउन की तुलना करती…

इक्विटीमोमेंटमबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

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…

बहु-एसेटइक्विटीमोमेंटमसांख्यिकी
Machine Learning for Trading

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…

इक्विटीअमेरिकी बाज़ारतकनीकी संकेतकमोमेंटम
Machine Learning for Trading

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…

फ़ैक्टर निवेशसांख्यिकीपोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक कालानुक्रमिक होल्डआउट बनाए रखते हुए मोमेंटम पोर्टफोलियो के लिए स्टॉप-लॉस, टेक-प्रॉफ़िट और ट्रेलिंग-स्टॉप नियमों को ट्यून करने का तरीका दिखाती है। यह एक-आयामी पैरामीटर खोज, संयुक्त नियम ग्रिड और बंद ट्रेडों के अधिकतम प्रतिकूल तथा अनुकूल उतार-चढ़ाव…

जोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करनामोमेंटम
Machine Learning for Trading

यह नोटबुक एक मासिक ETF मोमेंटम और यील्ड-कर्व व्यवस्था रणनीति को दो तरीकों से लागू करती है: वेक्टराइज़्ड रिटर्न गणित और क्रमिक खाता सिमुलेशन। दोनों समान लक्ष्य वेट, परिसंपत्ति, तारीख़ और कुल ट्रेडिंग लागत उपयोग करते हैं, जिससे तुलना निष्पादन के चुनावों पर…

इक्विटीमोमेंटमबैकटेस्टिंगऑर्डर निष्पादन