नॉलेज लाइब्रेरी

यह नोटबुक वित्तीय रिट्रीवल-ऑगमेंटेड जनरेशन मूल्यांकन ढाँचा बनाती है, जिसमें रिट्रीवल कवरेज, उत्तर की स्रोत-निष्ठा, उचित उत्तर-त्याग और सुरक्षा व्यवहार के लिए अलग-अलग माप हैं। इसमें हाथ से तैयार किए गए छह परीक्षण उदाहरण हैं, जिनका संदर्भ आंशिक रूप से वास्तविक…

यह केस स्टडी US कंपनियों की विशेषताओं से बनी मासिक लॉन्ग-शॉर्ट डेसाइल रणनीतियों का मूल्यांकन करती है। इसमें समय-बिंदु के अनुरूप लेखांकन लैग, वॉक-फ़ॉरवर्ड वैलिडेशन और युग-आधारित ट्रेडिंग लागत के तहत रैखिक मॉडल, ग्रेडिएंट बूस्टिंग और लेटेंट-फ़ैक्टर तरीकों की…

यह नोटबुक क्रॉस-सेक्शनल सूचना गुणांक (IC) और पूर्वानुमान टर्नओवर, दोनों को ध्यान में रखते हुए LightGBM रिटर्न मॉडल ट्यून करने के लिए Optuna का उपयोग करती है। तुलना के लिए एकल-उद्देश्यीय खोज IC को अधिकतम करती है; NSGA-II बहु-उद्देश्यीय खोज Pareto-इष्टतम…

यह विश्लेषण हस्ताक्षरित मॉडल रिटर्न पूर्वानुमानों को द्विआधारी पोज़िशन में बदलने के तीन तरीकों की तुलना करता है: एक तय शून्य सीमा, हर प्रतीक के लिए पिछली अवधि का पर्सेंटाइल और प्रतीकों के बीच क्रॉस-सेक्शनल पर्सेंटाइल। यह नियम ETF और क्रिप्टो परपेचुअल के…

यह नोटबुक 21-दिन आगे के ETF रिटर्न को ऊपर या नीचे के लक्ष्य में बदलती है और कालक्रम वाले वॉक-फ़ॉरवर्ड फ़ोल्ड पर L1 तथा L2 नियमितीकृत लॉजिस्टिक रिग्रेशन का मूल्यांकन करती है। यह हर फ़ोल्ड के प्रशिक्षण डेटा से फ़ीचर स्केल करती है, फिर सटीकता, प्रिसिशन, रिकॉल,…

यह नोटबुक वित्तीय और मॉडल-आधारित डेटा के लिए Feast को फ़ीचर स्टोर के रूप में कॉन्फ़िगर करती है, फिर उसकी ऐतिहासिक और समय-बिंदु पुनर्प्राप्तियों की तुलना पारदर्शी, हाथ से बनाए गए जॉइन से करती है। यह एंटिटी, टाइमस्टैम्प वाले स्रोत, फ़ीचर व्यू और टाइम-टू-लिव…

यह नोटबुक फ़ीचर, लक्ष्य और वॉक-फ़ॉरवर्ड फ़ोल्ड स्थिर रखते हुए मासिक US शेयर रिटर्न पर ग्रेडिएंट बूस्टिंग उद्देश्यों की तुलना करती है। यह वर्ग त्रुटि की तुलना निरपेक्ष त्रुटि और Huber लॉस से करती है, जो बड़े अवशेषों का प्रभाव घटाता है। इसकी वजह यह है कि…

यह मॉड्यूल कई गुप्त फ़ैक्टर मॉडल—जिनमें प्रमुख घटक, इंस्ट्रूमेंटेड प्रमुख घटक और न्यूरल ऑटोएन्कोडर शामिल हैं—की वॉक-फ़ॉरवर्ड फ़िटिंग और मूल्यांकन का समन्वय करता है। यह पैनल डेटा और फ़ोल्ड तैयार करता है, मॉडल-विशिष्ट रनर चलाता है और पूर्वानुमान, फ़ोल्ड-स्तर…

यह कार्यान्वयन परिसंपत्ति मूल्य निर्धारण के लिए सशर्त ऑटोएन्कोडर का वर्णन करता है। बीटा नेटवर्क हर शेयर की विशेषताओं को गुप्त फ़ैक्टर लोडिंग में बदलता है, जबकि रैखिक फ़ैक्टर नेटवर्क प्रबंधित पोर्टफ़ोलियो रिटर्न को फ़ैक्टर रिटर्न में बदलता है। मॉडल संबंधित…

यह संदर्भ Financial Phrasebank का परिचय देता है, जो प्राकृतिक भाषा प्रसंस्करण मॉडल को प्रशिक्षित या मूल्यांकित करने के लिए वित्तीय समाचार वाक्यों का लेबल किया हुआ संग्रह है। मानव एनोटेटर सकारात्मक, तटस्थ या नकारात्मक भावना लेबल देते हैं। संग्रह चार सहमति…

यह विश्लेषण बताता है कि CME फ़्यूचर्स मॉडल के क्रॉस-सेक्शनल सूचना गुणांक (IC) कैसे पढ़ें और उनका बाद के पोर्टफ़ोलियो परीक्षणों से क्या संबंध है। यह हर तारीख पर पूर्वानुमानित और वास्तविक रिटर्न के बीच रैंक सहसंबंध निकालता है, फिर उन सहसंबंधों का तारीखों के…

यह नोटबुक कंपनी की 10-K फ़ाइलिंग के अंशों पर BM25 कीवर्ड खोज, डेंस एम्बेडिंग, रिकिप्रोकल रैंक फ़्यूज़न (RRF) और क्रॉस-एन्कोडर री-रैंकिंग की तुलना करती है। यह हर पुनर्प्राप्ति तरीके को लागू करती है और सटीक, वैचारिक तथा मिश्रित क्वेरी के लिए क्रमबद्ध नतीजों का…

यह नोटबुक तीन रिटर्न अवधियों में US इक्विटी पैनल पर LightGBM मॉडल की तुलना करती है। इसका ग्रिड ट्री लीफ़ की संख्या और लॉस फ़ंक्शन बदलता है, फिर ट्री संख्या के कई चेकपॉइंट पर हर कॉन्फ़िगरेशन का स्कोर करता है। चर्चा बताती है कि उथले ट्री फ़ीचर इंटरैक्शन कैसे…

यह नोटबुक समान ETF यूनिवर्स, पूर्वानुमान, रीबैलेंस कार्यक्रम और बैकटेस्ट प्रोटोकॉल का उपयोग करके समान वज़न, व्युत्क्रम अस्थिरता, न्यूनतम विचरण और पदानुक्रमित जोखिम समता की तुलना करती है। एक रोलिंग Ridge मॉडल मोमेंटम, मूविंग-एवरेज दूरी और अस्थिरता फ़ीचर से…

यह नोटबुक एक सिम्युलेटेड मार्केट-मेकिंग कार्य विकसित करती है जिसमें PPO एजेंट कोट का झुकाव और स्प्रेड चौड़ाई चुनता है। मिड कीमत से दूर जाते कोट पर फ़िल की प्रायिकता घटती है, जबकि ऑर्डर असंतुलन फ़िल और उसके बाद की मूल्य चाल, दोनों को प्रभावित करता है। आरक्षण…

यह शिक्षण नोटबुक ETF डेटा से पर्यवेक्षित ट्रेडिंग मॉडल के लक्ष्य-लेबल तरीकों की तुलना करती है। इसमें निश्चित-क्षितिज रिटर्न और दिशा लेबल, रोलिंग समय-श्रृंखला पर्सेंटाइल, क्रॉस-सेक्शनल पर्सेंटाइल, निश्चित या अस्थिरता-स्केल की गई सीमाओं वाले ट्रिपल-बैरियर…

यह साझा मॉडलिंग मॉड्यूल फ़ीचर, लेबल, समय-संबंधी डेटा और कॉन्फ़िगरेशन लोड करके, फिर वॉक-फ़ॉरवर्ड क्रॉस-वैलिडेशन फ़ोल्ड तैयार करके मात्रात्मक शोध कार्यप्रवाहों का समर्थन करता है। इसकी रूपरेखा पुनरुत्पादनीयता और डेटा वंशावली पर ज़ोर देती है: हैश स्रोत फ़ाइलों,…

यह नोटबुक तिमाही SEC 10-Q प्रबंधन चर्चा और विश्लेषण पाठ से दो संभावित इक्विटी सिग्नल बनाने का तरीका दिखाती है। FinBERT पाठ खंडों को सकारात्मक, तटस्थ या नकारात्मक भाव देता है; खंड स्कोर को औसत भावना और फ़ाइलिंग के भीतर प्रसरण में समेकित किया जाता है।…

यह नोटबुक पूर्वानुमान में बाज़ार व्यवस्थाओं का उपयोग करने के तीन तरीकों की तुलना करती है: व्यवस्था इनपुट के बिना आधार मॉडल, अस्थिर अवस्था की फ़िल्टर की गई प्रायिकता पाने वाला एकल मॉडल, और कठोर व्यवस्था आवंटन के भीतर प्रशिक्षित अलग-अलग मॉडल। भविष्य की जानकारी…

यह नोटबुक अनुमान लगाती है कि सापेक्ष स्प्रेड, हाल की वास्तविक अस्थिरता और पिछले महीने के रिटर्न का हिसाब रखने के बाद, खरीदार द्वारा शुरू किए गए हस्ताक्षरित वॉल्यूम हिस्से का भविष्य के 15-मिनट रिटर्न से संबंध है या नहीं। दोहरी मशीन लर्निंग क्रॉस-फ़िटिंग से इन…

यह नोटबुक दोहरी मशीन लर्निंग (DML) का उपयोग करके सतत ETF मोमेंटम माप के बाद के रिटर्न पर समायोजित प्रभाव का अनुमान लगाती है। इसमें हाल की और दीर्घकालिक अस्थिरता, बाज़ार व्यवस्था और यील्ड कर्व की ढलान को नियंत्रित किया जाता है। यह असमायोजित प्रतिगमन की तुलना…

यह नोटबुक FX जोड़ी केस अध्ययन के लिए LSTM पूर्वानुमान रन सेट करती है। मॉडल लुकबैक अनुक्रम के दौरान एक छिपी अवस्था बनाए रखता है, और नोटबुक साझा कॉन्फ़िगरेशन तथा अध्ययन-योजना टूल के ज़रिए आर्किटेक्चर और प्रशिक्षण सेटिंग तय करती है। यह अध्ययन के घोषित लेबल और…

यह नोटबुक देखती है कि ETF के रिटर्न पूर्वानुमान अनिश्चितता कैसे व्यक्त कर सकते हैं और Monte Carlo ड्रॉपआउट की तुलना डीप एन्सेम्बल से करती है। बार-बार अनुमान लगाने के दौरान ड्रॉपआउट सक्रिय रहता है, जबकि एन्सेम्बल अलग-अलग प्रशिक्षित नेटवर्क के बीच असहमति मापता…

यह नोटबुक कई ट्रेडिंग केस स्टडी से पंजीकृत डबल मशीन लर्निंग अनुमानों को एकत्र करती है और उनकी अनिश्चितता तथा निदान की तुलना करती है। यह हर अध्ययन की रजिस्ट्री से मौजूदा पंक्तियाँ लोड करती है, रजिस्ट्री की अखंडता और लेबल की विशिष्टता जाँचती है, कवरेज स्पष्ट…