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 नोटबुक हर उत्पाद के तीन अनुबंध अवधियों से क्रॉस-सेक्शनल फ़्यूचर्स फ़ीचर मैट्रिक्स बनाने का तरीका बताती है। यह एक्सचेंज से सेटल की गई कीमतों से कैरी और वक्र वक्रता निकालती है, जबकि रिटर्न, मोमेंटम और अस्थिरता मापने के लिए रोल-समायोजित कीमतें इस्तेमाल करती…

फ़्यूचर्सकमोडिटीकैरीमोमेंटम
Machine Learning for Trading

यह नोटबुक CME फ़्यूचर्स रणनीतियों पर स्टॉप-लॉस, ट्रेलिंग-स्टॉप और निश्चित अवधि वाले निकास को ओवरले के रूप में आँकती है। प्रत्येक पूर्वानुमान अवधि के लिए यह पहले के सिग्नल और आवंटन नतीजों से चुने गए सबसे मज़बूत सत्यापन-Sharpe पैरेंट पर कॉन्फ़िगर किए गए नियम…

फ़्यूचर्सजोखिम प्रबंधनबैकटेस्टिंगकैरी
Machine Learning for Trading

यह मार्गदर्शिका बताती है कि प्रति घंटा निरंतर फ़्यूचर्स डेटा को CME ट्रेडिंग सत्रों के अनुरूप दैनिक बार में कैसे बदलें। सत्र 4 PM सेंट्रल टाइम पर समाप्त होता है, इसलिए रविवार शाम के बार सोमवार के सत्र में आते हैं और क्लोज़ के बाद के बार आम तौर पर अगली सत्र…

फ़्यूचर्सकमोडिटीबाज़ार की सूक्ष्म संरचनाबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक CME फ़्यूचर्स के क्रॉस-सेक्शन के लिए नियम-आधारित फ़ीचर बनाती है, जिनका केंद्र निकटवर्ती डिलीवरी कॉन्ट्रैक्ट के अंतर से मिलने वाला कैरी है। यह मोमेंटम, अस्थिरता, कर्व आकार और कैलेंडर फ़ीचर भी बनाती है। डिज़ाइन में मौजूदा अवधि संरचना बताने वाली कच्ची…

फ़्यूचर्सकमोडिटीकैरीमोमेंटम
Machine Learning for Trading

यह नोटबुक क्रॉस-सेक्शनल फ़्यूचर्स रणनीति के फ़ॉरवर्ड रिटर्न लक्ष्य परिभाषित करती है, जो उत्पादों को टर्म स्ट्रक्चर के आधार पर क्रम देती है और मज़बूत कैरी वाले उत्पादों में लॉन्ग तथा कमज़ोर कैरी वाले उत्पादों में शॉर्ट पोज़िशन लेती है। यह रोल-समायोजित…

फ़्यूचर्सकमोडिटीकैरीसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ चुनी गई CME फ़्यूचर्स रणनीति के निश्चित आउट-ऑफ़-सैंपल बैकटेस्ट का वर्णन करता है। कॉन्फ़िगरेशन, पूर्वानुमान, आवंटक, रीबैलेंसिंग अंतराल, संकेंद्रण और लेनदेन लागत मान्यताएँ पहले के शोध चरणों से ली जाती हैं और होल्डआउट अवधि पर बिना बदलाव लागू की…

फ़्यूचर्सबैकटेस्टिंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक संबंधित परिवारों में समूहित फ़ीचर कॉलम का उपयोग करके CME फ़्यूचर्स उत्पादों के क्रॉस-सेक्शन के लिए रैखिक पूर्वानुमान मॉडल का अध्ययन करती है; इनमें कैरी, मोमेंटम, वोलैटिलिटी और रोलिंग जोखिम माप शामिल हैं। चूँकि एक परिवार के कॉलम अक्सर सहसंबद्ध होते…

फ़्यूचर्समशीन लर्निंगफ़ैक्टर निवेशसांख्यिकी
Machine Learning for Trading

यह नोटबुक मापती है कि लेनदेन लागत एक निश्चित CME फ़्यूचर्स रणनीति कॉन्फ़िगरेशन को कैसे प्रभावित करती है। यह साझा सत्यापन-चरण प्रक्रिया से रिपोर्ट किया गया कॉन्फ़िगरेशन चुनती है, लागत परीक्षणों में उसका जोखिम ओवरले बनाए रखती है और घोषित कुल लागत ग्रिड लागू…

फ़्यूचर्सकमोडिटीबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

यह खोजपरक नोटबुक उत्पादों और परिसंपत्ति वर्गों में प्रति घंटा CME फ़्यूचर्स डेटा का परिचय देती है और उदाहरण के लिए E-mini S&P 500 का उपयोग करती है। यह उत्पाद से समाप्ति-तिथि वाले अनुबंध और निरंतर श्रृंखला तक की संरचना समझाती है, कवरेज विंडो का सार देती है और…

फ़्यूचर्ससांख्यिकीबैकटेस्टिंगबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

यह नोटबुक बताती है कि फ़्यूचर्स अनुबंध विनिर्देश बैकटेस्ट लेखांकन को कैसे प्रभावित करते हैं। इसमें दिखाया गया है कि अनुबंध गुणक मूल्य बदलाव को डॉलर P&L में कैसे बदलता है, आकार निर्धारण के लिए मूल्य और गुणक का गुणनफल नाममात्र मूल्य कैसे तय करता है, और…

फ़्यूचर्सकमोडिटीमोमेंटमपोज़िशन का आकार तय करना
Machine Learning for Trading

यह ऑडिट रिकॉर्ड तय करता है कि वास्तविक रणनीति केस-अध्ययनों और कृत्रिम तनाव कार्यभार पर कई बैकटेस्टिंग ढाँचों की ML4T से तुलना कैसे की जाती है। इसमें क्रमबद्ध फ़िल, समय-मुद्राओं, खाते की मौद्रिक राशियों, मात्राओं और अन्य संख्यात्मक फ़ील्डों के तुलना नियम दिए…

बैकटेस्टिंगऑर्डर निष्पादनबाज़ार की सूक्ष्म संरचनाफ़्यूचर्स
Machine Learning for Trading

यह नोटबुक समर्थित केस-अध्ययन रणनीतियों पर VectorBT Pro और VectorBT OSS की तुलना ML4T से शुद्धता और रनटाइम के आधार पर करती है। इसमें दोनों संस्करणों के लिए ETF आवंटन, USD-निर्दिष्ट विदेशी मुद्रा और US इक्विटी पैनल शामिल हैं; VectorBT Pro CME वायदा तुलना में…

बैकटेस्टिंगऑर्डर निष्पादनफ़्यूचर्सविदेशी मुद्रा
Machine Learning for Trading

यह नोटबुक CME वायदा उत्पादों पर LSTM और NLinear क्रम विन्यासों का मूल्यांकन करती है। क्रम मॉडल अवलोकनों की क्रमबद्ध विंडो लेते हैं और जाँचते हैं कि क्या हाल का पथ निर्मित सारांश विशेषताओं से अतिरिक्त जानकारी देता है। LSTM विंडो में बदलती गुप्त स्थिति सीखता…

फ़्यूचर्समशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह विश्लेषण समझाता है कि CME फ़्यूचर्स पूर्वानुमान मॉडलों की सूची के लिए सूचना गुणांकों को कैसे पढ़ें। यह हर तारीख़ के IC को उत्पादों के बीच अनुमानित और वास्तविक प्रतिफल के रैंक सहसंबंध के रूप में परिभाषित करता है, फिर उन दैनिक मानों का विभिन्न फ़ोल्ड में…

फ़्यूचर्ससांख्यिकीमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह फ़ीचर-इंजीनियरिंग नोटबुक ऐसे चर बनाती है जिनके लिए एक एसेट के मूल्य इतिहास से आगे की जानकारी चाहिए। फ़्यूचर के लिए यह एक ही समय पर देखे गए निकट और दूरस्थ कॉन्ट्रैक्ट स्तरों से वार्षिकीकृत रोल यील्ड, और तीन अवधियों से टर्म-स्ट्रक्चर ढलान तथा वक्रता निकालती…

फ़्यूचर्सऑप्शंसकैरीअस्थिरता
Machine Learning for Trading

यह CME फ़्यूचर्स अध्ययन कई प्रशिक्षण चेकपॉइंट पर पूर्वानुमान दर्ज करते हुए ग्रेडिएंट-बूस्टिंग ट्री की क्षमता और लॉस फ़ंक्शन बदलता है। ट्री लीफ़ की संख्या नियंत्रित करती है कि मॉडल फ़ीचर स्पेस को कितनी बारीकी से बाँटता है, जबकि स्क्वेयर्ड, एब्सोल्यूट और…

फ़्यूचर्समशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक समर्थित वास्तविक-डेटा रणनीति वर्कलोड पर VectorBT Pro और VectorBT OSS की ML4T के साथ मौजूदा ऑडिट तुलना प्रस्तुत करती है। VectorBT के दोनों संस्करण ETF आवंटन, USD-कोटेड विदेशी मुद्रा आवंटन और US इक्विटी पैनल में शामिल हैं। Pro अनुबंध गुणकों और…

बहु-एसेटइक्विटीफ़्यूचर्सविदेशी मुद्रा
Machine Learning for Trading

यह ऑडिट वास्तविक रणनीति मामलों में Backtrader और Zipline की तुलना ML4T से करता है। इसमें केवल ऐसे एसेट और अनुबंध संयोजन शामिल हैं जिन्हें हर इंजन और स्थिर डेटा बंडल मूल रूप से निरूपित कर सकते हैं। इसमें दोनों इंजनों के लिए ETF आवंटन और US इक्विटी पैनल, तथा…

बैकटेस्टिंगऑर्डर निष्पादनफ़्यूचर्सविदेशी मुद्रा
Machine Learning for Trading

यह नोटबुक फ़्यूचर्स कैरी—निकटवर्ती एक्सपायरी के बीच मूल्य अंतर—को मॉडल-आधारित फ़ीचर में बदलती है। इसमें हर उत्पाद के लिए एक-स्टेप ARIMA पूर्वानुमान, मौसमी चक्र की ताकत के रोलिंग Fourier माप, और व्यापक कैरी रीजीम का अनुमान लगाने वाला दो-स्थिति वाला हिडन…

फ़्यूचर्सकैरीमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक प्रति घंटा सतत फ़्यूचर्स डेटा को दैनिक OHLCV बार में बदलती है, जो CME Globex सत्रों के अनुरूप होते हैं। यह टाइमस्टैम्प को 4 PM Central Time पर समाप्त होने वाले सत्र को सौंपती है, इसलिए रविवार शाम का कारोबार सोमवार में गिना जाता है और शुक्रवार शाम…

फ़्यूचर्सबैकटेस्टिंगबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

यह ऑडिट ETF आवंटन, CME फ़्यूचर्स, फ़ंडिंग वाले क्रिप्टो परपेचुअल, विदेशी मुद्रा और US इक्विटी के लिए साझा ऐतिहासिक इनपुट पर कई बैकटेस्टिंग इंजनों की तुलना करता है। हर समर्थित जोड़ी को समान सामग्री-पते वाला बाज़ार डेटा और स्थिर मॉडल लक्ष्य मिलता है, जिससे…

बैकटेस्टिंगऑर्डर निष्पादनबहु-एसेटफ़्यूचर्स
Machine Learning for Trading

यह नोटबुक CME फ़्यूचर्स रिटर्न के पूर्वानुमान के लिए प्रिंसिपल-कंपोनेंट आधाररेखा समझाती है। PCA को प्रशिक्षण फ़ोल्ड के उत्पाद-रिटर्न पैनल पर फिट किया जाता है, इसलिए इसके घटक कॉन्ट्रैक्टों में सह-गति की दिशाएँ दिखाते हैं, संपीड़ित कैरी, मोमेंटम या अस्थिरता…

फ़्यूचर्सफ़ैक्टर निवेशसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह विश्लेषण बताता है कि CME फ़्यूचर्स डेटा उत्पादों, समाप्त होने वाले कॉन्ट्रैक्ट्स और वॉल्यूम के आधार पर रोल की गई निरंतर शृंखलाओं में कैसे व्यवस्थित है। यह E-mini S&P 500 डेटा से दिखाता है कि अलग-अलग कॉन्ट्रैक्ट की ट्रेडिंग अवधि सीमित होती है और रोल के…

फ़्यूचर्सकमोडिटीबहु-एसेटबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक शीर्ष रैंक वाले ETF और CME फ़्यूचर्स के लिए समान-वज़न, सकारात्मक-स्कोर-वज़न और कॉन्फ़ॉर्मल-चौड़ाई-वज़न आवंटनों की तुलना करती है। यह पहले के सत्यापन फ़ोल्ड के अवशेषों से इकाई-विशिष्ट स्प्लिट-कॉन्फ़ॉर्मल अंतराल चौड़ाई का अनुमान लगाती है और उन…

इक्विटीफ़्यूचर्सपोज़िशन का आकार तय करनाजोखिम प्रबंधन