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

83 दस्तावेज़

Machine Learning for Trading

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…

फ़्यूचर्समशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक वास्तविक रणनीतियों के ऑडिट के सुरक्षित रखे गए नतीजों की जाँच करती है, जिसमें LEAN इंजन की तुलना मेल खाते ML4T बैकटेस्ट प्रोफ़ाइलों से की गई है। यह स्थिर इनपुट से समर्थित परिसंपत्ति-वर्ग के कार्यभार की पहचान करती है और भरे गए ऑर्डर, मूल्यांकन,…

बैकटेस्टिंगऑर्डर निष्पादनइक्विटीफ़्यूचर्स
Machine Learning for Trading

नोटबुक दैनिक इक्विटी और घंटेवार क्रिप्टो पर्पेचुअल फ़्यूचर्स के लिए डेटा प्राप्ति, सत्यापन, स्रोत लेबलिंग और भंडारण समेत शुरू से अंत तक की पाइपलाइन बनाती है। इक्विटी उदाहरण में ऐतिहासिक WikiPrices डेटा को अपेक्षाकृत नई Yahoo फ़ीड के साथ जोड़ती है। चूँकि…

इक्विटीक्रिप्टोफ़्यूचर्सबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

यह डेटासेट गाइड इक्विटी सूचकांक, दरों, ऊर्जा, धातुओं, मुद्राओं, कृषि और पशुधन में फैले सतत CME फ़्यूचर्स कॉन्ट्रैक्टों के संग्रह का वर्णन करती है। यह घंटेवार स्रोत डेटा और उससे निकाली गई दैनिक आवृत्ति, कई कॉन्ट्रैक्ट अवधि, उत्पाद कॉन्फ़िगरेशन और लोडर के…

फ़्यूचर्सबहु-एसेटकमोडिटीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक अभियांत्रिक विशेषताओं—जैसे कैरी, मोमेंटम या अस्थिरता—के बजाय CME वायदा प्रतिफल पैनल से प्रमुख घटक फ़ैक्टर बनाती है। PCA ऐसी दिशाएँ खोजता है जो उत्पादों के बीच बदलाव समझाती हैं; पहला घटक साझा बाज़ार चाल जैसा दिख सकता है, जबकि बाद के घटक संभावित रूप…

फ़्यूचर्सफ़ैक्टर निवेशमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ फ़्यूचर्स प्रतिफल के लिए दो लैटेंट-फ़ैक्टर तरीके प्रस्तुत करता है। प्रिंसिपल कंपोनेंट विश्लेषण उन असंबद्ध दिशाओं को खोजता है जो प्रतिफल में सर्वाधिक भिन्नता समझाती हैं, जबकि न्यूरल स्टोकेस्टिक डिस्काउंट फ़ैक्टर अपेक्षित प्रतिफल के क्रॉस-सेक्शन…

फ़्यूचर्समशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक चुने गए CME फ़्यूचर्स मॉडल कॉन्फ़िगरेशन के लिए होल्डआउट पूर्वानुमान बनाने की विधि बताती है। कॉन्फ़िगरेशन सत्यापन परिणामों से चुना जाता है, फिर होल्डआउट अवधि शुरू होने से पहले समाप्त होने वाले डेटा पर दोबारा फ़िट किया जाता है। लेबल बफ़र प्रशिक्षण…

फ़्यूचर्सबैकटेस्टिंगमशीन लर्निंगजोखिम प्रबंधन
Machine Learning for Trading

यह मार्गदर्शिका साप्ताहिक फ़्यूचर्स पोज़िशनिंग डेटा के स्रोत के रूप में सार्वजनिक CFTC Commitment of Traders रिपोर्ट का परिचय देती है। यह Traders in Financial Futures रिपोर्ट—जो डीलर, एसेट मैनेजर और लीवरेज्ड मनी जैसे प्रतिभागियों को वर्गीकृत करती है—को…

फ़्यूचर्सकमोडिटीबाज़ार भावनाबैकटेस्टिंग
Machine Learning for Trading

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…

फ़्यूचर्सबैकटेस्टिंगजोखिम प्रबंधनपोर्टफोलियो निर्माण
Machine Learning for Trading

दस्तावेज़ बताता है कि सत्यापन डेटा पर मॉडल कॉन्फ़िगरेशन चुनने के बाद CME फ़्यूचर्स अध्ययन होल्डआउट अवधि के लिए पूर्वानुमान कैसे बनाता है। चुना गया कॉन्फ़िगरेशन और चेकपॉइंट सत्यापन परिणामों से वापस प्राप्त किए जाते हैं, फिर मॉडल को केवल होल्डआउट खुलने से पहले…

फ़्यूचर्सबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह दस्तावेज़ बताता है कि चुने हुए फ़्यूचर्स उत्पादों के लिए साप्ताहिक CFTC Commitment of Traders डेटा कैसे प्राप्त करें और हर उत्पाद का इतिहास Parquet फ़ाइल में कैसे सहेजें। COT रिपोर्ट मंगलवार की पोज़िशनिंग दर्ज करती हैं और शुक्रवार को जारी होती हैं; ट्रेडर…

फ़्यूचर्सकमोडिटीबाज़ार भावना