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

153 दस्तावेज़

Machine Learning for Trading

यह नोटबुक जाँचती है कि क्या मानक पोर्टफ़ोलियो आवंटन, लेनदेन लागत से पहले ही प्रभावित हर-बार NASDAQ-100 ट्रेडिंग रणनीति को बेहतर बना सकता है। यह घोषित लागत-संभव यूनिवर्स पर सत्यापन प्रदर्शन से पूर्वानुमान चुनती है, फिर पूरे यूनिवर्स पर आवंटन संयोजनों का…

इक्विटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माणऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक अध्ययन करती है कि मॉडल द्वारा ट्रेड करने के लिए मुद्रा जोड़ियाँ चुन लेने के बाद, पोज़िशन का आकार FX बैकटेस्ट को कैसे प्रभावित करता है। इसमें विजेता आधाररेखा के पूर्वानुमान, सिग्नल मैपिंग, लागत और निष्पादन सेटिंग्स को बनाए रखते हुए आवंटन नियम बदले…

विदेशी मुद्रापोज़िशन का आकार तय करनापोर्टफोलियो निर्माणबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक नौ केस स्टडी की बैकटेस्ट रजिस्ट्री से क्वेरी करके आगे के विश्लेषण के लिए तुलनीय तालिकाएँ तैयार करती है। यह एसेट वर्ग और डेटा आवृत्ति के अनुसार परिणाम व्यवस्थित करती है, फिर संकेत, आवंटन, लागत और जोखिम चरणों में प्रदर्शन के साथ मॉडल परिवार की…

बैकटेस्टिंगसांख्यिकीपोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक ऑफ़लाइन मशीन-लर्निंग पाइपलाइन और QuantConnect के LEAN ट्रेडिंग इंजन के बीच परिनियोजन सेतु प्रस्तुत करती है। यह रजिस्ट्री से मॉडल रन को पुनरुत्पाद्य रूप से चुनती है, उसकी होल्डआउट भविष्यवाणियाँ तारीख़-सूचकांक वाले JSON के रूप में निर्यात करती है और…

मशीन लर्निंगपोर्टफोलियो निर्माणऑर्डर निष्पादनबैकटेस्टिंग
Machine Learning for Trading

यह अध्याय पोर्टफ़ोलियो निर्माण को रिटर्न पूर्वानुमान, जोखिम अनुमान और सीमाओं को वज़न, लीवरेज तथा पुनर्संतुलन निर्णयों में बदलने की प्रक्रिया के रूप में प्रस्तुत करता है। यह आवंटक के विकल्प दर्ज करने, लीकेज से बचने और पूर्वानुमान को आकार निर्धारण से अलग रखने…

पोर्टफोलियो निर्माणजोखिम प्रबंधनपोज़िशन का आकार तय करनाबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक समझाती है कि पोज़िशन-स्तर के निकास का मूल्यांकन और उन्हें पोर्टफ़ोलियो-व्यापी नियंत्रणों के साथ संयोजित कैसे करें। तय स्टॉप-लॉस, टेक-प्रॉफ़िट और समय-आधारित निकास की तुलना ट्रेलिंग और कसते हुए स्टॉप से की जाती है; स्केल्ड निकास क्रमिक लाभ सीमाओं पर…

जोखिम प्रबंधनपोज़िशन का आकार तय करनाबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक नौ बाज़ार केस स्टडी के नतीजों को जोड़कर संचयी रणनीति-छँटाई फ़नल बनाती है। यह क्रम से जाँचती है कि मॉडल का सूचना गुणांक सकारात्मक है या नहीं, चुने हुए कॉन्फ़िगरेशन का सत्यापन शार्प सकारात्मक है या नहीं, प्रदर्शन लागू लेनदेन-लागत व्यवस्था में बना…

बैकटेस्टिंगसांख्यिकीजोखिम प्रबंधनऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक अलग-अलग परिपक्वताओं पर ट्रेज़री यील्ड में बदलावों पर प्रमुख घटक विश्लेषण लागू करती है। बदलावों का मानकीकरण हर परिपक्वता को समान प्रभाव देता है; परिणामी घटकों की व्याख्या स्तर बदलाव, ढलान का तेज़ या सपाट होना, और वक्रता बदलाव के रूप में की जाती है।…

निश्चित आयसांख्यिकीजोखिम प्रबंधनपोर्टफोलियो निर्माण
Machine Learning for Trading

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…

ऑर्डर निष्पादनबाज़ार की सूक्ष्म संरचनाबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

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…

इक्विटीसांख्यिकीपोर्टफोलियो निर्माणमशीन लर्निंग
Machine Learning for Trading

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…

इक्विटीफ़ैक्टर निवेशजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

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…

इक्विटीमशीन लर्निंगपोर्टफोलियो निर्माणसांख्यिकी
Machine Learning for Trading

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…

इक्विटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक कई मॉडल परिवारों के सत्यापन पूर्वानुमानों को समान-भार लॉन्ग-शॉर्ट पोर्टफ़ोलियो में बदलती है। यह पूर्वानुमानित रिटर्न के आधार पर स्टॉक रैंक करती है, शीर्ष नाम खरीदती है, सबसे नीचे के नाम शॉर्ट करती है और साझा बैकटेस्ट प्रक्रिया से कई पोर्टफ़ोलियो…

इक्विटीअमेरिकी बाज़ारबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक अस्थिर अनुमानों पर निर्भरता घटाने के लिए बनाई गई छह लॉन्ग-ओनली ETF आवंटन विधियों की तुलना करती है। यह सहप्रसरण का उपयोग करने वाले अनुमानकों पर Ledoit-Wolf सहप्रसरण श्रिंकेज लागू करती है और माध्य-विचरण अधिकतम शार्प की तुलना न्यूनतम विचरण, जोखिम…

बहु-एसेटइक्विटीनिश्चित आयपोर्टफोलियो निर्माण
Machine Learning for Trading

यह अध्याय नौ केस स्टडी का संश्लेषण करता है, जिनमें मशीन लर्निंग संकेतों को पोर्टफ़ोलियो निर्माण, ट्रेडिंग लागत, जोखिम ओवरले और स्थिर होल्डआउट मूल्यांकन के चरणों से गुज़ारा गया है। यह केवल शार्प के आधार पर रणनीतियों की रैंकिंग करने के बजाय प्रत्येक केस स्टडी…

मशीन लर्निंगइक्विटीबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक US इक्विटी पैनल में पोज़िशन का आकार तय करने के तरीकों की तुलना करती है, जबकि मॉडल, चेकपॉइंट, रीबैलेंस तारीखें और चुने गए स्टॉक स्थिर रखती है। पूर्वानुमान-आधारित तरीके पूर्वानुमान की मात्रा या अंतराल की अनिश्चितता के अनुसार पूँजी तय करते हैं; उलटी…

इक्विटीअमेरिकी बाज़ारपोर्टफोलियो निर्माणपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक जाँचती है कि प्रकाशित निवेश फ़ैक्टर विश्वसनीय रिटर्न प्रीमियम देते हैं और एक-दूसरे में विविधीकरण लाते हैं या नहीं। यह AQR की लंबी अवधि और विभिन्न परिसंपत्ति वर्गों की श्रृंखलाओं के साथ फ़ामा-फ़्रेंच इक्विटी फ़ैक्टरों का उपयोग करती है। साहित्य में…

फ़ैक्टर निवेशसांख्यिकीपोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह विश्लेषण जाँचता है कि चुने गए ट्रेडिंग संकेत कितने विश्वसनीय दिखते हैं; इसके लिए सूचना गुणांक (IC) साक्ष्य की तुलना उन शार्प अनुपातों से करता है जो पूर्वानुमानों को पोज़िशनों में बदलने के बाद मिलते हैं। यह परिसंपत्ति वर्गों में मॉडल परिवार के परिणाम एकत्र…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक चुने गए S&P 500 प्रतीकों पर स्ट्रैडल बेचने के लिए पोर्टफोलियो भार-निर्धारण नियमों की तुलना करती है। यह चुने गए प्रतीक स्थिर रखती है और आवंटन बदलती है; समान भार आधाररेखा है। विधियों में अनुमानित स्कोर, व्युत्क्रम अस्थिरता, जोखिम समानता, पदानुक्रमित…

ऑप्शंसपोर्टफोलियो निर्माणपोज़िशन का आकार तय करनाबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ रजिस्ट्री में संग्रहीत बैकटेस्ट परिणामों की जाँच के लिए पाठक-केंद्रित इंटरफ़ेस बताता है। यह रन की संख्या का सार, विनिर्देशों और अलग-अलग रन का निरीक्षण, परिणामों की रैंकिंग, आवंटन विधियों की तुलना, संकेंद्रण वक्र देखना और रणनीति की प्रगति का पता…

बैकटेस्टिंगसांख्यिकीपोर्टफोलियो निर्माणमशीन लर्निंग
Machine Learning for Trading

यह नोटबुक शेयर-स्तरीय पूर्वानुमानों को सत्यापन पोर्टफ़ोलियो में बदलती है। प्रत्येक पुनर्संतुलन तारीख पर यह शेयरों को अनुमानित रिटर्न के अनुसार क्रम देती है, शीर्ष समूह खरीदती है, निचले समूह को शॉर्ट करती है और हर पोज़िशन को समान पूँजी देती है। यह आधाररेखा…

इक्विटीमशीन लर्निंगबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह स्रोत मॉड्यूल मॉडल पूर्वानुमानों और बैकटेस्ट के प्रयोग रजिस्ट्रियों से कैटलॉग तालिकाएँ बनाता है। यह स्रोत, पहचान, पूर्णता स्थिति, आर्टिफ़ैक्ट उपलब्धता और मेट्रिक्स के लिए आरक्षित फ़ील्ड परिभाषित करता है। कैटलॉग में अलग-अलग प्रश्नों के उत्तर देने वाले कई…

बैकटेस्टिंगसांख्यिकीजोखिम प्रबंधनपोर्टफोलियो निर्माण
Machine Learning for Trading

यह केस अध्ययन G10 स्पॉट मुद्रा जोड़ियों के छोटे, सहसंबद्ध समूह में दैनिक गति और कैरी संकेतों का मूल्यांकन करता है। इसका कार्यप्रवाह व्यवहार्यता जाँच और आगे के रिटर्न लेबल से लेकर निर्मित और मॉडल-आधारित विशेषताओं, क्रॉस-वैलिडेशन, कई मॉडल परिवारों, कारणात्मक…

विदेशी मुद्रामोमेंटमकैरीबैकटेस्टिंग