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

1,066 दस्तावेज़

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 नोटबुक स्थिर NASDAQ-100 माइक्रोस्ट्रक्चर बैकटेस्ट में स्टॉप-लॉस, ट्रेलिंग-स्टॉप और समय-आधारित निकास ओवरले की तुलना करती है। रणनीति हर पंद्रह मिनट में निर्णय लेती है, जबकि जोखिम नियम हर मिनट कीमतों पर नज़र रखते हैं; इससे ओवरले संकेतों के बीच भी पोज़िशन से…

जोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करनाइक्विटी
Machine Learning for Trading

यह नोटबुक अध्ययन करती है कि क्या ऑर्डर-बुक गतिविधि NVDA के निकट-अवधि के प्रतिफल का पूर्वानुमान करती है। यह बाज़ार-दर-ऑर्डर जोड़, रद्दीकरण और निष्पादन से दूरी-भारित बुक दबाव माप बनाती है, फिर मध्य मूल्य के पास तरलता में बदलाव दिखाने के लिए चिह्नित गतिविधि को…

इक्विटीबाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनसांख्यिकी
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 दैनिक ट्रेडिंग निर्णयों के लिए धीमे बदलने वाले संदर्भ फ़ीचर बताती है: लेखांकन अनुपात, व्यापक आर्थिक स्थितियाँ और कैलेंडर एन्कोडिंग। इसमें कमाई प्रतिफल, लाभप्रदता, उपार्जन, लीवरेज और नकदी प्रवाह प्रतिफल जैसे मूल्य तथा गुणवत्ता माप शामिल हैं, और…

इक्विटीफ़ैक्टर निवेशसांख्यिकीतकनीकी संकेतक
Machine Learning for Trading

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…

ऑप्शंसअमेरिकी बाज़ारसांख्यिकीमशीन लर्निंग
Machine Learning for Trading

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,…

इक्विटीमशीन लर्निंगसांख्यिकीमोमेंटम
Machine Learning for Trading

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…

इक्विटीमशीन लर्निंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक सत्यापन पूर्वानुमानों को केवल-लॉन्ग इक्विटी पोर्टफोलियो के रूप में परखती है। इसमें समान भार वाला टॉप-K चयन और हर लेबल की आवृत्ति से तय निर्णय समय-सारणी इस्तेमाल होती है। यह सीड किए गए यादृच्छिक-संकेत रन से क्लोज़-टू-नेक्स्ट-ओपन घटनाक्रम जाँचती है,…

इक्विटीऑप्शंसबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

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…

फ़ैक्टर निवेशपोर्टफोलियो निर्माणसांख्यिकी
Machine Learning for Trading

यह साझा यूटिलिटी मॉड्यूल मात्रात्मक शोध के लिए सामान्य ग्रेडिएंट-बूस्टिंग पाइपलाइन प्रदान करता है। यह क्षमता प्रीसेट तय करता है और मानक पैरामीटर नामों को LightGBM, XGBoost, CatBoost तथा scikit-learn histogram boosting की संबंधित सेटिंग में बदलता है। यह CPU…

मशीन लर्निंगबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक कीवर्ड-आधारित ESG सुर्खी पाइपलाइन की जाँच करती है और उसके संरचित वर्गीकारक आउटपुट की तुलना उन आवश्यकताओं से करती है जिन्हें पुनर्प्राप्ति-वर्धित जनरेशन सहायक को पूरा करना होगा। पहली कीवर्ड सूची सुर्खियाँ चुनती है और दूसरी उन्हें पर्यावरण, सामाजिक…

बाज़ार भावनामशीन लर्निंगफ़ैक्टर निवेश
Machine Learning for Trading

यह नोटबुक FinBERT की तीन-वर्गीय वित्तीय भावना संभावनाओं को टोकन स्तर पर समझाने के लिए SHAP का उपयोग करती है। यह मॉडल चेकपॉइंट तय करती है, आउटपुट लेबल स्पष्ट रूप से संरेखित करती है, फिर कुछ निर्मित सुर्खियों में देखती है कि कौन-से टोकन अनुमानित वर्ग की…

मशीन लर्निंगबाज़ार भावना
Machine Learning for Trading

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…

मशीन लर्निंगसांख्यिकी
Machine Learning for Trading

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,…

मशीन लर्निंगसांख्यिकीबहु-एसेट
Machine Learning for Trading

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…

सांख्यिकीफ़ैक्टर निवेशबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

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…

इक्विटीऑप्शंसमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

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…

मशीन लर्निंगइक्विटीसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक साझा ETF मोमेंटम रणनीति इंटरफ़ेस को Alpaca से जोड़ना दिखाती है; डिफ़ॉल्ट रूप से सिम्युलेटेड ऑफ़लाइन पथ उपलब्ध है। यह बताती है कि रणनीति, ऑर्डर लॉग और शैडो-मोड रैपर स्थिर रहते हुए ब्रोकर और बाज़ार-डेटा अडैप्टर कैसे बदले जा सकते हैं। लाइव पेपर…

इक्विटीमोमेंटमऑर्डर निष्पादनजोखिम प्रबंधन
Machine Learning for Trading

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…

बैकटेस्टिंगजोखिम प्रबंधनऑर्डर निष्पादनसांख्यिकी
Machine Learning for Trading

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…

सांख्यिकीअमेरिकी बाज़ारबहु-एसेट
Machine Learning for Trading

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…

मशीन लर्निंगसांख्यिकीइक्विटीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक बताती है कि वर्णित S&P 500 शॉर्ट-स्ट्रैडल इंजन के लिए सामान्य लक्ष्य-भार जोखिम ओवरले अनुपयुक्त क्यों है। इंजन साप्ताहिक समूहों को पूँजी के निश्चित हिस्से देता है और हर समूह के भीतर भारों को सामान्यीकृत करके उनका योग एक करता है। इसलिए उन भारों को…

ऑप्शंसजोखिम प्रबंधनबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ ऐसे फ़ीचर बनाता है जिनसे अध्ययन किया जा सके कि क्रिप्टो परपेचुअल फ़्यूचर्स में भीड़भाड़ वाली पोज़िशनिंग सापेक्ष रिटर्न का पूर्वानुमान करती है या नहीं। यह फ़ंडिंग भुगतान की दिशा, प्रीमियम सूचकांक की भूमिका और इस बात की व्याख्या करता है कि कच्चे…

क्रिप्टोपरपेचुअल फ़्यूचर्सबाज़ार की सूक्ष्म संरचना