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।
867 दस्तावेज़
यह नोटबुक संस्थागत 13F होल्डिंग के संग्रह पर नियतात्मक संबंधपरक खोज और एम्बेडिंग खोज की तुलना करती है। यह तय कटऑफ़ से पहले हर संस्था की नवीनतम रिपोर्ट की गई पोज़िशन रखकर समय-बिंदु स्नैपशॉट बनाती है, फिर बड़े धारकों, साझा स्वामित्व और संस्थाओं की सबसे बड़ी…
यह नोटबुक विभेदक गोपनीयता के साथ इंजीनियर की गई ETF विशेषताओं पर जनरेटिव एडवर्सेरियल नेटवर्क को प्रशिक्षित करना दिखाती है। यह गोपनीयता पैरामीटर एप्सिलॉन और डेल्टा बताती है, समझाती है कि DP-SGD समेकन से पहले हर रिकॉर्ड के ग्रेडिएंट को क्लिप करके मापानुकूल शोर…
यह नोटबुक ETF विशेषताओं और आगे के रिटर्न पर क्लासिकल ऑर्डिनरी लीस्ट स्क्वेयर अनुमान लागू करती है। यह गुणांक अनुमान, मानक त्रुटियाँ, t आँकड़े, p मान और विषम-विचरणता, अवशिष्ट ऑटोकॉरिलेशन, गैर-सामान्यता तथा बहुसहसंबंध के परीक्षण देखती है। सैंपल एक असंतुलित…
यह नोटबुक ETF रैंकिंग संकेतों को पोर्टफोलियो निर्माण और सरलीकृत बैकटेस्ट तक ले जाती है। रिज रिग्रेशन और लॉजिस्टिक वर्गीकरण को वॉक-फ़ॉरवर्ड विभाजनों से प्रशिक्षित करके मोमेंटम और समान-वज़न पोर्टफोलियो से तुलना की जाती है। मासिक रीबैलेंसिंग पर सक्रिय संकेत…
यह नोटबुक S&P 500 विकल्प शोध के लिए पहले से घोषित मॉडल समूह के एक सदस्य के रूप में PatchTST, एक ट्रांसफ़ॉर्मर-शैली अनुक्रम मॉडल, को फ़िट करती है। यह लुकबैक सीरीज़ को निश्चित लंबाई के पैच में बाँटती है, उन्हें टोकन के रूप में एम्बेड करती है और विंडो में…
यह दस्तावेज़ उन लेबलों के लिए दो निदान परिभाषित करता है जिनकी आगे के रिटर्न विंडो एक-दूसरे पर चढ़ती हैं: पूल्ड पैनल ऑटोकॉरिलेशन और लेबल विशिष्टता पर आधारित प्रभावी सैंपल आकार। ऑटोकॉरिलेशन मूल बार ग्रिड पर अनुरोधित दूरी पर केवल एक ही इकाई के भीतर अवलोकनों के…
यह नोटबुक एक LSTM आवंटक बनाती है, जो ETF रिटर्न और रोलिंग अस्थिरता विशेषताओं के अनुक्रम को सीधे केवल लॉन्ग पोर्टफोलियो वज़नों में बदलता है। सॉफ़्टमैक्स आउटपुट वज़नों को गैर-ऋणात्मक रखता है और निवेश को पूरी तरह आवंटित करता है। रिटर्न का पूर्वानुमान करके उसे…
यह नोटबुक वित्तीय समाचार वाक्यों को सकारात्मक, तटस्थ या नकारात्मक वर्गीकृत करने के तीन तरीकों की तुलना करती है: लॉजिस्टिक प्रतिगमन के साथ TF-IDF शब्द और शब्द-युग्म फ़ीचर, लॉजिस्टिक प्रतिगमन के साथ औसत पूर्व-प्रशिक्षित GloVe वेक्टर, और पूर्व-प्रशिक्षित…
यह नोटबुक मिनट-स्तर के NASDAQ-100 डेटा से तीन प्रक्रियाओं द्वारा फ़ीचर बनाती है: निकट-अवधि विचरण पूर्वानुमान के लिए रोलिंग हेटेरोजीनियस ऑटोरेग्रेसिव प्रतिगमन, हाल की गतिविधि की आवधिक संरचना बताने के लिए फ़ूरियर रूपांतरण, और कीमत, ऑर्डर फ़्लो तथा ट्रेड…
यह नोटबुक वित्तीय घटना ग्राफ़ का विश्लेषण करते हुए घटना होने, सार्वजनिक होने और ग्राफ़ पाइपलाइन द्वारा निकाले जाने के समय में अंतर करना दिखाती है। यह टाइमस्टैम्प वाले 8-K संबंध लोड करती है, प्रकटीकरण और निष्कर्षण में देरी मापती है और सार्वजनिक प्रकटीकरण…
दस्तावेज़ गुप्त फ़ैक्टरों को साझा रिटर्न चालक के रूप में प्रस्तुत करता है, जिनका अनुमान नामित पूर्वानुमानकर्ताओं के बजाय फ़्यूचर्स के सह-गमन से लगाया जाता है। यह हर प्रशिक्षण फ़ोल्ड के भीतर फ़िट किए गए दो तरीकों की तुलना करता है। प्रधान घटक विश्लेषण (PCA)…
दस्तावेज़ बताता है कि S&P 500 विकल्पों के लिए रैखिक, ग्रेडिएंट-बूस्टिंग, टेबलर डीप-लर्निंग और अनुक्रम मॉडल के सत्यापन पूर्वानुमानों की तुलना कैसे करें। निदान रिपोर्ट करने से पहले यह जाँचता है कि हर पंजीकृत पूर्वानुमान समूह अपनी पात्रता अनुबंध के अनुसार पूरा…
दस्तावेज़ बताता है कि डबल मशीन लर्निंग (DML) स्प्रेड, अल्पकालिक अस्थिरता और पिछले रिटर्न का हिसाब रखने के बाद अनुमान लगाती है कि खरीदार-आरंभित वॉल्यूम का हिस्सा भविष्य के रिटर्न को प्रभावित करता है या नहीं। यह क्रॉस-फ़िटिंग से उपचार और परिणाम, दोनों को उन…
यह नोटबुक बताती है कि फ़ीचर स्टोर प्रशिक्षण डेटा और लाइव मॉडल इनपुट को कैसे संरेखित रखते हैं। यह इकाई कुंजी, घटना टाइमस्टैम्प, समय-से-जीवन अवधि और फ़ीचर कॉलम के ज़रिए फ़ीचर व्यू समझाती है, फिर ऐतिहासिक प्रशिक्षण के लिए समय-बिंदु जॉइन की तुलना सेवा के लिए…
यह दस्तावेज़ नौ ट्रेडिंग केस अध्ययनों के मूल्यांकन की पाँच-चरणीय प्रक्रिया समझाता है, जो संकेत गुणवत्ता से शुरू होकर सत्यापन, लेन-देन लागत, होल्डआउट प्रदर्शन और प्रमाण गुणवत्ता तक जाती है। चरण संचयी हैं, इसलिए रणनीति अंतिम चरण तक तभी पहुँचती है जब वह हर लागू…
यह नोटबुक क्रिप्टो फ़ंडिंग-दर दिशा मॉडल के डिप्लॉयमेंट अभ्यास को दिखाती है। यह ऐतिहासिक Binance-व्युत्पन्न पर्पेचुअल डेटा पर तीन-वर्गीय LightGBM मॉडल प्रशिक्षित करती है, फिर OKX से लाइव प्रति घंटा बार और फ़ंडिंग दरें प्राप्त करती है, डेटा को रणनीति की…
यह नोटबुक कई समय-क्षितिज पर फ़ॉरवर्ड रिटर्न का पूर्वानुमान करने के लिए एक-मिनट NASDAQ-100 माइक्रोस्ट्रक्चर फ़ीचर पर लॉन्ग शॉर्ट-टर्म मेमरी नेटवर्क फ़िट करने का वर्णन करती है। मॉडल पीछे की ओर जाने वाले सीक्वेंस को चरण-दर-चरण प्रोसेस करता है और सीखता है कि…
यह नोटबुक कंडीशनल ऑटोएन्कोडर प्रस्तुत करती है, जो शेयर विशेषताओं से फ़ैक्टर एक्सपोज़र तक के रैखिक मैपिंग को न्यूरल नेटवर्क से बदलकर इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट विश्लेषण का विस्तार करती है। यह एक्सपोज़र और फ़ैक्टर रिटर्न की संरचना बनाए रखती है, साथ ही…
यह उपयोगिता मॉड्यूल सत्यापन और होल्डआउट डेटा पर पूर्वानुमान मॉडल का मूल्यांकन करने के लिए तालिकाएँ और चित्र बनाता है। इसके निदान में सूचना गुणांक के विश्वास अंतराल, सत्यापन से होल्डआउट तक क्षय, चयन-समायोजित बैकटेस्ट आँकड़े, फ़ोल्ड-स्तरीय तुलना, व्यवस्था…
यह प्रशिक्षण उपयोगिता DeePM-शैली मॉडल के लिए अनुकूलन चक्र बताती है। यह मज़बूत शार्प-उन्मुख लॉस से मॉडल पैरामीटर अपडेट करने के लिए AdamW का उपयोग करती है और फ़ॉरवर्ड रिटर्न, वोलैटिलिटी स्केलिंग, मास्क, लेन-देन लागत तथा कॉन्फ़िगर किए गए बर्न-इन और सॉफ्ट-मिन…
यह दस्तावेज़ केस अध्ययन के Parquet डेटा के साथ सीधे फ़ीचर-स्टोर अवधारणाएँ दिखाता है। फ़ीचर व्यू में एंटिटी कुंजी, घटना टाइमस्टैम्प, उपयोगी अवधि और फ़ीचर कॉलम निर्दिष्ट होते हैं। मॉडल प्रशिक्षण के लिए ऐतिहासिक मान उस निर्णय समय से जोड़े जाते हैं जब वे ज्ञात…
यह मार्गदर्शिका कारणात्मक प्रश्नों को Python लाइब्रेरी से जोड़ती है और मान ली गई कारणात्मक संरचना के तहत प्रभावों का अनुमान लगाने तथा डेटा से संभावित संरचनाएँ खोजने के बीच अंतर स्पष्ट करती है। यह समायोजित उपचार प्रभावों के लिए डबल मशीन लर्निंग, DoWhy से…
यह दस्तावेज़ न्यूरल नीति नेटवर्क की संरचना बताता है, जो परिसंपत्ति-स्तर की समय-श्रृंखला और संदर्भ को सीमित पोर्टफ़ोलियो जोखिम वज़न में बदलता है। प्रति-परिसंपत्ति आधार में संदर्भ एम्बेडिंग, फ़ीचर-वार मॉड्यूलेशन, परिवर्ती चयन, LSTM और कारणात्मक कालिक अटेंशन…
यह दस्तावेज़ दर्ज करता है कि फ़ेडरल रिज़र्व 2026 में दरें बढ़ाएगा या नहीं, इसका बहु-चरणीय पूर्वानुमान कैसे बनाया गया। तीन एजेंट साक्ष्य खोजकर संभावनाएँ देते हैं, जिसके बाद बहस और पर्यवेक्षक का अपडेट होता है। उनकी राय अलग है: दो दर वृद्धि की कम संभावना बताते…