यह दस्तावेज़ बताता है कि मॉडल प्रशिक्षण और बैकटेस्ट को दोबारा उपयोग करना है या फिर से चलाना है, यह तय करने के लिए रजिस्ट्री की जाँच कैसे करें। रन की पहचान उनके विनिर्देशों से बने हैश से होती है; रन तभी दोबारा उपयोग किया जा सकता है जब अपेक्षित आर्टिफ़ैक्ट…
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
867 दस्तावेज़
यह नोटबुक वित्तीय इकाई पहचान के लिए ट्रांसफ़ॉर्मर को फ़ाइन-ट्यून करके पाठ के अंशों को संगठन, व्यक्ति, धनराशि, तारीख और प्रतिशत के संरचित फ़ील्ड में बदलना दिखाती है। यह BIO सीमा लेबल प्रस्तुत करती है और समझाती है कि शब्द-स्तरीय एनोटेशन को सबवर्ड टोकन के साथ…
यह नोटबुक CME फ़्यूचर्स रिटर्न के क्रॉस-सेक्शनल पूर्वानुमान के लिए ग्रेडिएंट बूस्टिंग का अध्ययन करती है। यह लीफ़-गणना प्रोफ़ाइल से ट्री क्षमता बदलती है और वर्गित-त्रुटि, निरपेक्ष-त्रुटि तथा ह्यूबर उद्देश्यों की तुलना करती है, जो चरम अवशिष्टों के फ़िटिंग पर…
यह नोटबुक क्रिप्टो परपेचुअल फ़ंडिंग प्रीमियम के पूर्वानुमान के लिए अनुक्रम मॉडल तुलना में टेम्पोरल कन्वोल्यूशनल नेटवर्क (TCN) जोड़ती है। कारणात्मक पैडिंग सुनिश्चित करती है कि हर स्थिति केवल मौजूदा और पिछली टिप्पणियाँ उपयोग करे, जबकि डाइलेटेड कन्वोल्यूशन…
यह नोटबुक कंपनी फ़ाइलिंग पाठ के संग्रह से अंश खोजने के चार तरीकों की तुलना करती है: BM25, सघन एम्बेडिंग, पारस्परिक रैंक फ्यूज़न (RRF) और क्रॉस-एन्कोडर री-रैंकर। RRF कच्चे स्कोर के बजाय रैंक की सूचियाँ जोड़ता है, इसलिए अलग-अलग स्कोर पैमानों को कैलिब्रेट किए…
यह दस्तावेज़ शुरू से अंत तक की पूर्वानुमान संरचना प्रस्तुत करता है, जिसमें शोध पैनल, समेकित पूर्वानुमान, विरोधी पक्षों वाली बहस और पर्यवेक्षक शामिल हैं। पर्यवेक्षक असहमतियाँ पहचानता है, स्पष्टता देने वाले प्रमाण खोजता है और भरोसे के लेबल सहित संभावना…
यह केस अध्ययन व्यापक US शेयर समूह में दैनिक क्रॉस-सेक्शनल संकेतों का मूल्यांकन करता है और समय-बिंदु डेटा तथा बनाए गए फ़ीचर से लेकर मॉडल तुलना, पोर्टफ़ोलियो निर्माण, लागत और होल्डआउट आकलन तक लंबी शोध प्रक्रिया प्रस्तुत करता है। इसमें वॉक-फ़ॉरवर्ड सत्यापन, आगे…
यह नोटबुक अलग-अलग केस स्टडी में LightGBM मॉडलों की तुलना व्यवस्थित करती है और जहाँ उपलब्ध हों वहाँ रैखिक मॉडल तथा TabM को संदर्भ परिवार के रूप में उपयोग करती है। यह ट्री आकार, रिग्रेशन लॉस, चेकपॉइंट और वर्गीकरण उद्देश्यों के विभिन्न कॉन्फ़िगरेशन का मूल्यांकन…
यह दस्तावेज़ एक निश्चित क्षितिज में पोज़िशन समाप्त करने के लिए एजेंट को प्रशिक्षित करने वाला Gymnasium वातावरण बताता है। अवलोकन में शेष इन्वेंटरी और समय के साथ स्प्रेड, बाज़ार की गहराई, अस्थिरता तथा सामान्य या तनावग्रस्त शासन शामिल हैं। निरंतर कार्रवाई…
यह नोटबुक सारणीबद्ध फ़ीचर से ETF आगे के रिटर्न का पूर्वानुमान लगाने के लिए LightGBM की तुलना MLP, TabM और, उपलब्ध होने पर, TabPFN से करती है। मॉडलों का मूल्यांकन साझा कालक्रमिक वॉक-फ़ॉरवर्ड फ़ोल्डों पर किया जाता है; रैंक सूचना गुणांक और प्रशिक्षण समय मुख्य…
यह नोटबुक ईटीएफ में 21-दिवसीय आगे के रिटर्न का पूर्वानुमान लगाने के लिए साधारण न्यूनतम वर्गों की तुलना Ridge, LASSO और Elastic Net से करती है। मॉडल समान घोषित वॉक-फ़ॉरवर्ड फ़ोल्डों का उपयोग करते हैं और शुद्धिकरण अंतराल लेबल क्षितिज के अनुरूप है। हर फ़ोल्ड…
यह दस्तावेज़ ADIA Lab की कारणात्मक खोज चुनौती को ज्ञात सिंथेटिक डेटा-निर्माण परिवार के भीतर पर्यवेक्षित अनुमान के रूप में देखता है। इस कार्य में कई लेबल वाले डेटासेट और ग्राफ़ युग्मों की मदद से उपचार और परिणाम के आसपास चरों को आठ भूमिकाओं में बाँटा जाता है।…
यह मॉड्यूल पंजीकृत पूर्वानुमान सेट से औसत पूर्वानुमान समूह बनाता है और पुनरुत्पादकता तथा चयन पूर्वाग्रह से बचने पर विशेष ध्यान देता है। यह हाथ से लिखी सदस्य सूची रखने के बजाय रजिस्ट्री से योग्य मॉडल कॉन्फ़िगरेशन निर्धारित करता है, अधूरे या सेवानिवृत्त…
यह नोटबुक साधारण Python ऑर्केस्ट्रेशन, CrewAI और LangGraph के ज़रिए चार-चरणीय पूर्वानुमान कार्यप्रवाह प्रस्तुत करती है। यह तुलना करती है कि स्थिति कहाँ रखी जाती है, विफलताओं का निरीक्षण या उनसे उबरना कैसे होता है, हर तरीके में कौन-सी निर्भरताएँ जुड़ती हैं और…
यह नोटबुक साझा मुद्राओं के बीच कोटेशन होने के कारण आपस में जुड़े रिटर्न वाले मुद्रा-जोड़े के समूह के लिए रैखिक मॉडल नियमितीकरण की जाँच करती है। यह फ़ीचर सहरेखीयता—जिसे रिज, लैसो और इलास्टिक नेट संबोधित कर सकते हैं—और रैंक की जा रही परिसंपत्तियों के बीच…
यह अध्याय फ़िट की गई सांख्यिकीय प्रक्रियाओं को ट्रेडिंग मॉडल के फ़ीचर में बदलने के तरीके देखता है। इसमें निदान और स्थिरता, संरचनात्मक बदलाव, भिन्नात्मक विभेदीकरण, कालमन फ़िल्टरिंग, स्पेक्ट्रल और पथ-हस्ताक्षर विधियाँ, ARIMA और GARCH वोलैटिलिटी, HAR और…
यह नोटबुक मूल ऑर्डर को सीमित अवधि की नियंत्रण समस्या के रूप में रखती है। हर अंतराल पर टेबुलर Q-learning, VWAP-आधारित ट्रेड हिस्से पर गुणक चुनता है; चुनाव समय, बची इन्वेंटरी और हाल में देखी गई स्प्रेड तथा वोलैटिलिटी व्यवस्थाओं पर निर्भर करता है। पुरस्कार…
यह नोटबुक 20 मुद्रा पेयर में उम्मीदवार संकेतों की एक-एक फ़ीचर वाली छँटाई बताती है। यह केवल वॉक-फ़ॉरवर्ड वैलिडेशन विंडो का उपयोग करके हर फ़ीचर की दैनिक क्रॉस-सेक्शनल रैंक सहमति को अगले सत्र के रिटर्न से मापती है। मूल्यांकन पैनल को होल्डआउट से इतना पहले काटा…
यह नोटबुक ऑप्शन विश्लेषण अध्ययन में स्टॉक रिटर्न का पूर्वानुमान करने के लिए प्रमुख घटक विश्लेषण को बिना शर्त वाला अव्यक्त-फ़ैक्टर आधाररेखा प्रस्तुत करती है। PCA ऐतिहासिक रिटर्न पैनल से सामान्य गतिविधियों और हर स्टॉक के उनके प्रति एक्सपोज़र का अनुमान लगाता…
यह नोटबुक LightGBM रिटर्न-पूर्वानुमान मॉडल को ट्यून करने के लिए संपूर्ण ग्रिड खोज की तुलना Optuna के TPE सैम्पलर से करती है। पहले दोनों तरीकों को समान असतत पैरामीटर ग्रिड पर परीक्षणों का समान बजट दिया जाता है: गणना में हर संयोजन आता है, जबकि सैम्पलिंग में…
यह मॉड्यूल पाठक-केंद्रित CME फ़्यूचर्स अनुसंधान कार्यप्रवाह तय करता है, जिसमें मॉडल अनुरोध, पूर्वानुमान और बैकटेस्ट निष्पादन, उम्मीदवार समूह और अंतिम चयन शामिल हैं। यह साझा सेटअप घोषणा से कॉन्फ़िगर किया गया लेबल स्वीप पढ़ता है, उसका क्रम बनाए रखता है और…
यह नोटबुक ETF इक्विटी रणनीति का परिचालन चक्र दिखाती है: बाज़ार डेटा ताज़ा करना, वित्तीय फ़ीचर निकालना, Ridge मॉडल को फिर से प्रशिक्षित करना, मौजूदा क्रॉस-सेक्शनल पूर्वानुमान बनाना, उन्हें बैकटेस्ट इंजन से दोबारा चलाना और पेपर ब्रोकर के लिए शीर्ष रैंक वाली…
यह दस्तावेज़ GReaT प्रस्तुत करता है, जो मिश्रित संख्यात्मक और श्रेणीगत वित्तीय डेटा की पंक्तियों को टेक्स्ट में क्रमबद्ध करता है, उन रिकॉर्ड पर भाषा मॉडल को फ़ाइन-ट्यून करता है और बनाए गए टेक्स्ट को वापस तालिकाओं में बदलता है। इसका उदाहरण ऐतिहासिक रिटर्न,…
यह दस्तावेज़ बताता है कि किसी मॉडल की अनिश्चितता उसके बिंदु अनुमान से आगे की जानकारी कैसे दे सकती है। इसमें GARCH की तुलना स्टोकेस्टिक वोलैटिलिटी मॉडल से की गई है: पहला पिछड़े रिटर्न के आधार पर वोलैटिलिटी परिभाषित करता है, जबकि दूसरा वोलैटिलिटी को एक…