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।
1,066 दस्तावेज़
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 मापती है कि चुनी गई US फ़र्म-विशेषता रणनीति का सत्यापन प्रदर्शन, अनुमानित कमीशन और स्लिपेज बदलने पर कैसे बदलता है। यह घोषित लागत ग्रिड में उसी कॉन्फ़िगरेशन को फिर चलाती है और प्रत्येक कुल शुल्क को कमीशन तथा स्लिपेज के बीच बराबर बाँटती है। रणनीति…
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 कॉन्फ़िगरेशन समय-बिंदु-विशिष्ट NASDAQ-100 यूनिवर्स में ऑर्डर-फ़्लो संकेतों के इंट्राडे अध्ययन का वर्णन करता है। यह हर मूल्यांकन अवधि से पहले उपलब्ध लिक्विडिटी जानकारी का उपयोग करके लागत-छँटा उपसमूह तय करता है, कई पूर्वानुमान अवधियों के लिए निर्णय…
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 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…
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 नोटबुक बताती है कि सत्यापन फ़ोल्ड पर मॉडल और रणनीति के चुनाव के बाद चुने गए NASDAQ-100 माइक्रोस्ट्रक्चर कॉन्फ़िगरेशन के लिए होल्डआउट पूर्वानुमान कैसे बनाएँ। यह चुने गए प्रशिक्षण विनिर्देश को फिर बनाती है, केस स्टडी की घोषित विंडो से होल्डआउट फ़ोल्ड…
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…
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 बताती है कि वॉल्यूम भागीदारी सीमा प्रत्येक बाज़ार अंतराल में मूल ऑर्डर की भर सकने वाली मात्रा को कैसे सीमित करती है। ब्रोकर देखे गए ट्रेड वॉल्यूम से अनुमत हिस्सा निकालता है और बिना भरी शेष मात्रा अगले अंतराल में ले जाता है। कम भागीदारी सीमा बाज़ार…
यह दस्तावेज़ मोमेंटम और क्रॉस-एसेट शोध के उम्मीदवार समूह के रूप में दैनिक ETF डेटासेट का वर्णन करता है। इसमें नौ श्रेणियाँ हैं, जिनमें US और अंतरराष्ट्रीय इक्विटी, निश्चित आय, कमोडिटी, विशेष फ़ंड और मुद्राएँ शामिल हैं। डेटा Yahoo Finance से आता है, और साथ का…
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…
यह नोटबुक ऐसे फ़ीचर विकसित करती है जिनके लिए कई एसेट सीरीज़ चाहिए। यह कॉइंटीग्रेशन के लिए Engle-Granger और Johansen परीक्षणों की तुलना करती है, समझाती है कि साथ-साथ चलना अपने आप में स्थिर स्प्रेड का अर्थ क्यों नहीं है, और पूरे नमूने के रिग्रेशन तथा आगे अपडेट…
यह नोटबुक बताती है कि मिनट बार और NBBO कोट का उपयोग करके NASDAQ-100 शेयरों के लिए फ़ॉरवर्ड इंट्राडे रिटर्न लेबल कैसे बनाएँ। यह संकेत के बाद अगले बार से तय भविष्य के अंतिम बिंदु तक रिटर्न परिभाषित करती है, बिड-आस्क उछाल घटाने के लिए कोट मध्यबिंदुओं का उपयोग…
यह केस स्टडी एट-द-मनी शॉर्ट स्ट्रैडल के समाप्ति तक रिटर्न का पूर्वानुमान करने वाले ग्रेडिएंट बूस्टिंग मॉडल की तुलना करती है। इसमें ट्री क्षमता और फ़िटिंग के तीन उद्देश्य बदले जाते हैं: वर्ग त्रुटि, निरपेक्ष त्रुटि और Huber लॉस। वॉक-फ़ॉरवर्ड सत्यापन दो…
दस्तावेज़ रोज़ाना बाज़ार डेटा को अद्यतन रखने का संचालन कार्यप्रवाह प्रस्तुत करता है: शुरुआती इतिहास लोड करें, थोड़े ओवरलैप वाला डेल्टा प्राप्त करें, छूटी तारीखें जाँचें और नवीनता तथा सत्यापन समस्याओं की निगरानी करें। ओवरलैप से हालिया बार में डेटा प्रदाता के…
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…