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।
1,366 दस्तावेज़
यह नोटबुक लॉन्ग-ओनली, पूरी तरह निवेशित Markowitz ढाँचा बनाती है, जिसमें संभव पोर्टफ़ोलियो, कुशल फ्रंटियर, अधिकतम-Sharpe और न्यूनतम-वैरिएंस समाधान शामिल हैं। यह बताती है कि पोर्टफ़ोलियो वैरिएंस कोवैरिएंस मैट्रिक्स पर कैसे निर्भर करता है और एसेट्स के एक साथ न…
यह दस्तावेज़ वित्तीय डेटासेट के लिए पुनः उपयोग योग्य निदान सर्वेक्षण प्रस्तुत करता है, जिसमें इंडेक्स की अखंडता, डुप्लिकेट, अनुपस्थित मान, आउटलायर, कैलेंडर अंतराल और क्षेत्र-विशिष्ट विसंगतियाँ शामिल हैं। यह समय के प्रकार, क्रम और विशिष्टता की जाँच करता है,…
यह दस्तावेज़ ऐसे कंपनी-रिटर्न मॉडल परिवार का परिचय देता है जो मानता है कि कुछ ही अज्ञात साझा फ़ैक्टर क्रॉस-सेक्शन के अधिकांश हिस्से को समझाते हैं। विशेषताओं से सीधे रिटर्न का पूर्वानुमान लगाने के बजाय ये मॉडल विशेषताओं से हर कंपनी के फ़ैक्टर एक्सपोज़र का…
यह नोटबुक वोलैटिलिटी, मोमेंटम और क्रॉस-सेक्शनल कैरी रैंक के लिए समायोजन के बाद यह अनुमान लगाने हेतु डबल मशीन लर्निंग का उपयोग करती है कि फ़्यूचर्स कैरी का बाद के रिटर्न पर प्रभाव है या नहीं। यह कारणात्मक व्याख्या और पूर्वानुमान प्रदर्शन में अंतर करती है:…
यह दस्तावेज़ बताता है कि पूँजी आवंटित करने से पहले शैडो मूल्यांकन में मौजूदा और उम्मीदवार मॉडल की तुलना कैसे करें। यह उनकी भूमिकाएँ और प्रमोशन सीमाएँ पहले से तय करता है, फिर पाँच आयामों पर उम्मीदवार का आकलन करता है: वार्षिकीकृत शार्प में सुधार, न्यूनतम…
यह नोटबुक Parquet स्रोतों, इकाइयों, फ़ीचर व्यू, टाइमस्टैम्प और समय-सीमा नीति के साथ Feast कॉन्फ़िगर करना दिखाती है, फिर प्रशिक्षण उदाहरणों और लाइव-जैसी वर्तमान-समय क्वेरी के लिए फ़ीचर प्राप्त करती है। यह Feast के आउटपुट की हाथ से लिखे समय-बिंदु जॉइन से…
यह नोटबुक इक्विटी फ़ैक्टर मॉडलिंग के लिए सुपरवाइज़्ड ऑटोएन्कोडर प्रस्तुत करती है। अनसुपरवाइज़्ड ऑटोएन्कोडर के विपरीत, जो क्रॉस-सेक्शन का पुनर्निर्माण करके बॉटलनेक सीखते हैं, इस मॉडल के प्रशिक्षण उद्देश्य में फ़ॉरवर्ड रिटर्न भी शामिल हैं। इसलिए लक्ष्य सीखी गई…
यह नोटबुक बताती है कि इंट्राडे इक्विटी रिटर्न में निरंतर मूल्य परिवर्तन को छलाँगों से कैसे अलग करें। यह रिटर्न के वर्गों से दैनिक रियलाइज़्ड वेरिएंस का अनुमान लगाती है और छलाँगों से अप्रभावित अनुमान के रूप में बाइपावर वेरिएशन का उपयोग करती है, जो निरंतर घटक…
यह नोटबुक CME फ़्यूचर्स पर न्यूरल स्टोकेस्टिक डिस्काउंट-फ़ैक्टर मॉडल लागू करती है। एसेट-प्राइसिंग के संदर्भ में, स्टोकेस्टिक डिस्काउंट फ़ैक्टर ऐसा यादृच्छिक चर है जिसका हर एसेट के रिटर्न से गुणन, आर्बिट्राज न होने की स्थिति में, समान अपेक्षित मान देता है।…
यह नोटबुक नौ एसेट वर्गों में इंजीनियर किए गए वित्तीय फ़ीचर की केस स्टडी-पार सूची प्रस्तुत करती है। यह उपलब्ध प्रत्येक फ़ीचर पैनल से फ़ीचर और नाम-आधारित परिवारों की गिनती करती है, फ़ीचर-स्पेस के आकार की तुलना करती है और हर केस स्टडी की मॉडल रजिस्ट्री में दर्ज…
यह अध्याय वित्तीय पाठ निरूपणों का सर्वेक्षण करता है—शब्दकोशों और शब्द-गणना से लेकर TF-IDF, स्थिर एम्बेडिंग, आवर्ती नेटवर्क और ट्रांसफ़ॉर्मर तक। यह इनके बीच के समझौते समझाता है: सरल तरीके तेज़, व्याख्यायोग्य और वित्त के अनुसार ढलने योग्य हैं, जबकि…
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 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 नोटबुक वित्तीय टाइम-सीरीज़ कार्यों—बल्क राइट, फ़ुल स्कैन, समय-अवधि क्वेरी, OHLCV एग्रीगेशन और ट्रेड-कोट मिलान—पर एम्बेडेड, सर्वर-आधारित, सामान्य-उद्देश्य और ट्रेडिंग-केंद्रित डेटाबेस की तुलना करती है। मुख्य सीख यह है कि स्टोरेज लेआउट और क्वेरी का प्रकार…
यह शिक्षण सामग्री कृत्रिम वित्तीय पथ बनाने के लिए पैरामीट्रिक स्टोकेस्टिक मॉडल और बूटस्ट्रैप विधियों की तुलना करती है। इसमें ज्यामितीय ब्राउनियन गति, जंप डिफ़्यूज़न, माध्य प्रत्यावर्तन, Heston स्टोकेस्टिक अस्थिरता और GARCH के साथ स्वतंत्र तथा ब्लॉक-आधारित…
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 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 देखती है कि मॉडल या पूर्वानुमान बनाने से पहले ऐतिहासिक ETF डेटा मासिक रैंकिंग रणनीति का समर्थन कर सकता है या नहीं। यह पिछले वर्ष की तरलता से समय-बिंदु पात्रता जाँचती है, रीबैलेंस तारीखों पर उपलब्ध फ़ंड गिनती है, प्रति शेयर कमीशन और अनुमानित…
यह दस्तावेज़ बताता है कि डिफ्लेटेड शार्प अनुपात (DSR) चुनी गई रणनीति के शार्प को जाँची गई रणनीतियों की संख्या, उनके शार्प अनुमानों के बीच भिन्नता और गैर-सामान्य रिटर्न वितरण के लिए कैसे समायोजित करता है। यह इसकी तुलना बिना समायोजन वाली प्रायिकतामूलक शार्प…
यह नोटबुक ऐसी रणनीति के लिए उम्मीदवार फ़ीचर छाँटती है जो एक ही शेयर पर समान समाप्ति वाले एट-द-मनी कॉल और पुट विकल्प बेचती है और स्ट्रैडल को समाप्ति तक रखती है। हर फ़ीचर के लिए यह मापती है कि क्या वह उपलब्ध शेयरों को उनके बाद के स्ट्रैडल नतीजों के समान क्रम…
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…