यह नोटबुक इक्विटी के NASDAQ ITCH ट्रेड के एक दिन से कई सैंपलिंग योजनाएँ बनाती है: कैलेंडर-समय, टिक, वॉल्यूम, डॉलर, इम्बैलेंस और रन बार। यह सामान्यता और ऑटोकॉरिलेशन सहित उनके सांख्यिकीय गुणों की तुलना करती है और दिखाती है कि फ़ीड में आक्रामक पक्ष का लेबल न…
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
1,066 दस्तावेज़
यह डेटा-अन्वेषण USDT-मार्जिन वाले क्रिप्टो परपेचुअल कॉन्ट्रैक्ट के आठ-घंटे के प्रीमियम सूचकांक अवलोकनों की जाँच करता है और समझाता है कि प्रीमियम का फ़ंडिंग भुगतान से क्या संबंध है। सूचकांक, मूल्य सूचकांक के सापेक्ष निष्पादन योग्य प्रभावी बोली और माँग कीमतों…
यह नोटबुक दो रैखिक इक्विटी मॉडल कॉन्फ़िगरेशन की वैलिडेशन पूर्वानुमान त्रुटियों पर दो क्रमिक मॉनिटर दिखाती है: दो-विंडो औसत-शिफ़्ट डिटेक्टर और ख़राब दिनों की आवृत्ति का मॉनिटर। हर डिटेक्टर को शुरुआती अवधि पर कैलिब्रेट करके बाद के सत्रों पर लागू किया जाता है।…
यह नोटबुक समाचार पाठ से निकले चार संकेतों का मूल्यांकन करती है: भारित आश्चर्य, औसत भावना, भावना मोमेंटम और लेख कवरेज। यह पहले के फ़ीचर-निर्माण चरण में तैयार फ़ॉरवर्ड रिटर्न का उपयोग करती है, फिर हर संकेत और रिटर्न अवधि के लिए दैनिक क्रॉस-सेक्शनल Spearman…
यह अध्याय रणनीति शोध और परिनियोजन के हर चरण में लेनदेन लागत को बाधा मानता है—फ़ैक्टर मूल्यांकन और बैकटेस्टिंग से लेकर पोर्टफ़ोलियो निर्माण, जोखिम निगरानी और उत्पादन मॉनिटरिंग तक। यह स्पष्ट शुल्क, अप्रत्यक्ष स्प्रेड और प्रभाव तथा क्षमता सीमाओं में अंतर करता…
यह नोटबुक ETF के फ़ॉरवर्ड रिटर्न पर हालिया अवधि छोड़कर मोमेंटम के प्रभाव का अनुमान लगाने के लिए डबल मशीन लर्निंग (DML) लागू करती है; यह रिटर्न का पूर्वानुमान करने से अलग कारणात्मक प्रश्न है। यह घोषित कन्फ़ाउंडर का उपयोग करके परिणाम और मोमेंटम ट्रीटमेंट का…
यह नोटबुक Optuna के TPE सैंपलर से ETF रिटर्न का पूर्वानुमान करने के लिए LightGBM ट्यून करना दिखाती है। यह ट्री संरचना, सैंपलिंग और नियमितीकरण सेटिंग्स खोजती है; बूस्टिंग राउंड चुनने के लिए अर्ली स्टॉपिंग और प्रूनिंग हेतु क्रॉस-सेक्शनल सूचना गुणांक (IC) बताने…
यह अध्याय ट्रेडिंग में पूर्वानुमान मॉडल के उपयोग की शोध प्रक्रिया बताता है, जहाँ निष्पक्ष गुणांक अनुमानों से अधिक स्थिर आउट-ऑफ़-सैंपल पूर्वानुमान मायने रख सकते हैं। इसमें Ridge, LASSO और Elastic Net जैसी नियमितीकृत प्रतिगमन विधियाँ तथा दिशा के पूर्वानुमान के…
यह नोटबुक संस्थागत 13F होल्डिंग्स को संस्था-से-स्टॉक द्विभागीय ग्राफ़ में बदलती है और शोध के लिए फ़ीचर बनाती है, जिनमें स्टॉक के साझा स्वामित्व की समानता, स्वामित्व का विस्तार और संकेंद्रण तथा रिपोर्ट की गई होल्डिंग्स में बदलाव शामिल हैं। यह दोहराए गए…
यह नोटबुक बताती है कि किसी ट्रेडिंग रणनीति को पहले से गणना किए गए संकेतों या वेट के रूप में व्यक्त करने के बजाय बदलती अवस्था के साथ बार-दर-बार सिमुलेट करना कब अधिक स्पष्ट होता है। यह ऐरे-आधारित बैकटेस्ट की तुलना करती है, जो पैरामीटर स्वीप के लिए तेज़ और…
यह नोटबुक LightGBM मॉडल को ETF के फ़ॉरवर्ड-रिटर्न पूर्वानुमान कार्य के लिए ट्यून करने हेतु विस्तृत ग्रिड सर्च की तुलना Optuna के TPE बायज़ियन सैंपलर से करती है। पहले दोनों विधियों को एक छोटे श्रेणीगत ग्रिड पर समान ट्रायल बजट दिया जाता है, जहाँ विस्तृत सर्च…
यह नोटबुक NVDA के मार्केट-बाय-ऑर्डर ट्रेड डेटा के कई सत्रों का उपयोग करके समय, टिक, वॉल्यूम, डॉलर और इम्बैलेंस बार का कैलिब्रेशन करने का अध्ययन करती है। यह ट्रेडों को नियमित ट्रेडिंग घंटों तक सीमित करती है, फ़ीड के आक्रामक पक्ष के लेबल का उपयोग करती है और…
यह अध्याय रणनीति शोध को निष्पादित किए जा सकने वाले निर्णय-प्रक्रिया के डिज़ाइन और मूल्यांकन के रूप में प्रस्तुत करता है—शुरुआती आर्थिक विचार से लेकर पोज़िशन आकार, सीमाओं, लागत और लाइव जैसी जाँच तक। यह मॉडल बनाने से पहले रणनीति परिवारों तथा संभावित…
यह नोटबुक US इक्विटी पैनल के फ़ॉरवर्ड रिटर्न लेबल परिभाषित करती है और समझाती है कि उनका निर्माण आगे के हर मॉडल तथा बैकटेस्ट को क्यों प्रभावित करता है। यह ट्रेडिंग सत्रों में समायोजित-मूल्य रिटर्न विंडो तय करती है, जाँचती है कि हर स्टॉक में आवश्यक भविष्य का…
यह नोटबुक अंतर्निहित रिटर्न से S&P 500 ऑप्शंस शोध के लिए मॉडल-आधारित फ़ीचर बनाती है। यह GJR-GARCH फ़िट करती है, जो नकारात्मक रिटर्न झटकों को अतिरिक्त भार देता है, और एक स्टोकेस्टिक-वोलैटिलिटी मॉडल, जिसका अव्यक्त विचरण MCMC से अनुमानित और पार्टिकल फ़िल्टर से…
यह नोटबुक रैखिक और बूस्टेड मॉडलों जैसी सपाट फ़ीचर तालिका से ETF की रैंकिंग के लिए TabM न्यूरल नेटवर्क प्रशिक्षित करती है। हर एन्सेम्बल सदस्य दो-परत वाला साझा बैकबोन उपयोग करता है, लेकिन उसका अपना स्केलिंग वेक्टर और आउटपुट परत होती है; इससे हर सदस्य के लिए…
यह नोटबुक बताती है कि CAPM और Fama–French फ़ैक्टर रिग्रेशन से ETF रिटर्न तथा जोखिम को कैसे विभाजित करें। यह विषम-विचरण और ऑटोकॉरिलेशन के प्रति मज़बूत मानक त्रुटियों के साथ पूरे नमूने के एक्सपोज़र का अनुमान लगाती है, रोलिंग विंडो से बदलते बीटा का पता रखती है…
यह नोटबुक संस्थागत होल्डिंग्स के लिए skip-gram Word2Vec को अनुकूलित करती है: हर 13F पोर्टफ़ोलियो को वाक्य, हर स्टॉक पहचानकर्ता को टोकन और पोज़िशन आकार की रैंक को टोकन क्रम मानती है। पास की पोज़िशन संदर्भ बनाती हैं, इसलिए संस्थानों द्वारा समान पोर्टफ़ोलियो…
यह नोटबुक अनियमित अंतरालों पर सैंपल की गई वित्तीय सीरीज़ के लिए GT-GAN से प्रेरित जनरेटिव मॉडल प्रस्तुत करती है, जैसे टिक, वॉल्यूम या डॉलर बार। इसके एनकोडर, जनरेटर, डिस्क्रिमिनेटर और डिकोडर सतत-समय Neural ODE डायनेमिक्स उपयोग करते हैं, जिससे अव्यक्त अवस्थाएँ…
यह नोटबुक कई फ़ॉरवर्ड अवधियों के रिटर्न का पूर्वानुमान लगाने के लिए एक-मिनट NASDAQ-100 डेटा पर PatchTST फ़िट करने का वर्णन करती है। मॉडल लगातार अवलोकनों को पैच में समूहित करता है और उन पर अटेंशन लागू करता है, जिससे तुलना की जाने वाली वस्तुओं की संख्या घटती…
यह नोटबुक मॉडल फ़िट करने या पूर्वानुमान बनाने से पहले जाँचती है कि ऐतिहासिक ETF डेटा मासिक रैंकिंग रणनीति का समर्थन कर सकता है या नहीं। यह पिछले वर्ष की तरलता से ट्रेड योग्य यूनिवर्स जाँचती है, रीबैलेंस तारीखों पर योग्य फ़ंड गिनती है, प्रति-शेयर कमीशन और…
यह नोटबुक मॉडल, चेकपॉइंट, रीबैलेंस तारीखें और चुने गए स्टॉक स्थिर रखते हुए US इक्विटी पोज़िशनों में पूँजी आवंटित करने के तरीकों की तुलना करती है। यह पूर्वानुमान की मज़बूती, पूर्वानुमान-अंतराल की चौड़ाई, व्यक्तिगत स्टॉक अस्थिरता और सहप्रसरण-सचेत पोर्टफ़ोलियो…
यह नोटबुक वैकल्पिक डेटा स्रोतों के रूप में Polymarket के क्रिप्टो में सेटल होने वाले घटना अनुबंधों की तुलना विनियमित Kalshi मंच से करती है। यह बताती है कि पहुँच के नियम, सेटलमेंट एसेट, पोज़िशन सीमाएँ और लिस्टिंग नीतियाँ कीमतों को प्रभावित करने वाले…
यह नोटबुक वित्तीय टाइम सीरीज़ बनाने के लिए बिना शर्त सिग्नेचर-आधारित Wasserstein GAN समझाती है। यह रिटर्न को संवर्धित पथों में बदलती है, संक्षिप्त पथ सिग्नेचर निकालती है और अपेक्षित सिग्नेचर से मेल कराने के लिए ब्राउनियन नॉइज़ से संचालित LSTM जनरेटर…