नॉलेज लाइब्रेरी

यह नोटबुक वित्तीय सुर्खियों को शेयर-स्तरीय सिग्नल में बदलती है और आगे के प्रतिफल के आधार पर उनका मूल्यांकन करती है। यह सुर्खियों की एम्बेडिंग बनाती है, चलती हुई एम्बेडिंग आधाररेखा से अर्थगत दूरी के रूप में समाचार आश्चर्य मापती है और आश्चर्य को भावना की दिशा…

यह अध्याय रिटर्न और विशेषता पैनलों में साझा संरचना खोजने के तरीकों का सर्वेक्षण करता है—PCA और eigenportfolios से लेकर IPCA, risk-premium PCA, सशर्त ऑटोएन्कोडर, stochastic discount factor के अनुमान और supervised autoencoders तक। इसका मुख्य अंतर उन कारकों के…

यह नोटबुक मुद्रा युग्मों के रिटर्न का पूर्वानुमान करने के लिए रैखिक मॉडल के नियमितीकरण की जाँच करती है। यह इनपुट फ़ीचरों के बीच बहुसहसंबद्धता को परिसंपत्तियों की परस्पर निर्भरता से अलग करती है: मुद्रा युग्मों में अंतर्निहित मुद्राएँ साझा होती हैं, इसलिए उनके…

यह नोटबुक ETF शोध के लिए फ़ीचर-चयन कार्यप्रवाह प्रस्तुत करती है, जिसका उद्देश्य बाद के मॉडलिंग के लिए कई संभावित फ़ीचर निर्माणों और लुकबैक विकल्पों में से एक छोटा समूह चुनना है। यह फ़ीचर और फ़ॉरवर्ड रिटर्न के बीच क्रॉस-सेक्शनल स्पीयरमैन सूचना गुणांक निकालती…

यह नोटबुक इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट एनालिसिस (IPCA) बताती है, जो हर ETF के फ़ैक्टर एक्सपोज़र को उस फ़ंड के देखे गए फ़ीचर मानों का साझा रैखिक फलन मानती है। अल्टरनेटिंग लीस्ट स्क्वेयर फ़ंड और तारीख के अवलोकनों पर फ़ीचर-से-एक्सपोज़र मैप तथा फ़ैक्टर…

यह नोटबुक स्टॉक रिटर्न के पैनल पर PCA लैटेंट-फ़ैक्टर मॉडल फिट करती है, जिसमें ऑप्शन-सर्फ़ेस फ़ीचर, विशेषताएँ या लक्ष्य संबंधी जानकारी उपयोग नहीं होती। PCA ऐतिहासिक क्रॉस-सेक्शनल सह-गति की प्रमुख दिशाएँ निकालता है, हर स्टॉक का एक्सपोज़र अनुमानित करता है और…

यह परिचय फर्म की विशेषताओं से रिटर्न का अनुमान लगाने वाले मॉडलों के एक समूह को समझाता है। हर विशेषता को सीधे रिटर्न का पूर्वानुमानकर्ता मानने के बजाय, ये मॉडल मानते हैं कि रिटर्न कुछ अनदेखे साझा फैक्टरों से संचालित होते हैं और अनुमान लगाते हैं कि हर फर्म का…

यह दस्तावेज़ एक कंडीशनल ऑटोएन्कोडर का वर्णन करता है, जो फर्म की विशेषताओं के गैर-रेखीय फलन के रूप में अव्यक्त रिटर्न फैक्टरों के प्रति फर्म के एक्सपोज़र को मॉडल करता है। IPCA की तरह, यह फैक्टर संरचना का अनुमान लगाता है, जिसमें अनुमानित रिटर्न फर्म-विशिष्ट…

अध्याय का यह अवलोकन बताता है कि वित्तीय सारणीबद्ध पूर्वानुमान के लिए ग्रेडिएंट-बूस्टेड ट्री, निर्णय ट्री और रैंडम फ़ॉरेस्ट पर कैसे आगे बढ़ते हैं। बूस्टिंग पहले की त्रुटियाँ सुधारने के लिए क्रमशः लर्नर जोड़ता है, जिससे उन गैर-रैखिक संबंधों और सीमा प्रभावों को…

यह दस्तावेज़ एसेट प्राइसिंग में मशीन-लर्निंग शोध के लिए मासिक US इक्विटी डेटासेट बताता है। इसमें रिटर्न के साथ 94 रैंक-रूपांतरित कंपनी विशेषताएँ हैं, जिनमें लेखांकन माप और तकनीकी फ़ीचर शामिल हैं। कंपनियाँ गुमनाम हैं और डेटा में डीलिस्ट की गई कंपनियाँ भी हैं।…

यह नोटबुक US इक्विटी पर मशीन-लर्निंग शोध के लिए प्रकाशित पैनल प्रस्तुत करती है। इसमें कई दशकों के मासिक अवलोकन हैं, जिनमें 46 कंपनी विशेषताएँ और अगले महीने के अतिरिक्त रिटर्न शामिल हैं। विशेषताओं को आर्थिक अर्थ के अनुसार समूहित किया जाता है और हर महीने एक…

यह नोटबुक इक्विटी ETF के पोर्टफोलियो का CAPM और Fama-French फ़ैक्टर रिग्रेशन से विश्लेषण करती है, फिर रोलिंग एक्सपोज़र, रिटर्न एट्रिब्यूशन और अवशिष्ट निर्भरता तक इसे विस्तार देती है। यह संरेखित दैनिक रिटर्न और फ़ैक्टर डेटा का उपयोग करती है, विषम-विचरण और…

यह नोटबुक US कंपनियों के रिटर्न के क्रॉस-सेक्शन का मूल्य निर्धारण करने वाले स्टोकेस्टिक डिस्काउंट फ़ैक्टर (SDF) मॉडल को समझाती है। यह ऐसे भार सीखता है जिनसे डिस्काउंट किए गए एसेट रिटर्न नो-आर्बिट्राज मोमेंट शर्तें पूरी करें, बजाय रिटर्न पूर्वानुमान लॉस को…

यह कार्यान्वयन एसेट प्राइसिंग संबंधों की जाँच के लिए न्यूरल स्टोकेस्टिक डिस्काउंट फ़ैक्टर मॉडल और प्रतिकूल मोमेंट नेटवर्क का विवरण देता है। SDF नेटवर्क एसेट विशेषताओं को, वैकल्पिक रूप से LSTM से मिले व्यापक आर्थिक व्यवस्था निरूपण के साथ, एसेट भारों में बदलता…

यह नोटबुक अनाम फ़र्म विशेषताओं से शेयर रिटर्न का पूर्वानुमान करने के लिए Random Forest बैगिंग की तुलना XGBoost, LightGBM और CatBoost से करती है। यह पहले से तय समय-आधारित प्रशिक्षण, सत्यापन और परीक्षण विभाजन इस्तेमाल करती है; Spearman रैंक सूचना गुणांक को…

यह नोटबुक बताती है कि तथ्य जिस अवधि का वर्णन करता है और जिस तारीख़ को वह सार्वजनिक हुआ, दोनों को सुरक्षित रखते हुए US इक्विटी का तिमाही फ़ंडामेंटल पैनल SEC XBRL डेटा से कैसे बनाया और जाँचा जाए। ऐतिहासिक रूप से मान्य बैकटेस्ट में फ़ाइलिंग या घोषणा की तारीख़…

यह नोटबुक साझा जोखिम फ़ैक्टर और सेक्टर रोटेशन का वर्णन करने के लिए सेक्टर ETF रिटर्न पर सहसंबंध-आधारित प्रिंसिपल कंपोनेंट विश्लेषण करती है। रिटर्न को मानकीकृत करने से विघटन से पहले हर सेक्टर का विचरण एक हो जाता है, जिससे अधिक अस्थिर सेक्टर के घटकों पर हावी…

यह नोटबुक CME फ़्यूचर्स रिटर्न के पूर्वानुमान के लिए प्रिंसिपल-कंपोनेंट आधाररेखा समझाती है। PCA को प्रशिक्षण फ़ोल्ड के उत्पाद-रिटर्न पैनल पर फिट किया जाता है, इसलिए इसके घटक कॉन्ट्रैक्टों में सह-गति की दिशाएँ दिखाते हैं, संपीड़ित कैरी, मोमेंटम या अस्थिरता…

यह नोटबुक पर्यवेक्षित ऑटोएन्कोडर का वर्णन करती है, जो ETF फ़ीचर पंक्तियों को कम आयामी निरूपण में संपीड़ित करता है और उसी निरूपण से सीधे फ़ॉरवर्ड रिटर्न का पूर्वानुमान करता है। सशर्त ऑटोएन्कोडर के विपरीत, यह नहीं मानता कि रिटर्न कुछ साझा कारक गतिविधियों से…

यह नोटबुक स्थापित US स्टॉक विशेषताओं के व्यापक समूह पर रिज, लासो और इलास्टिक-नेट मॉडल फ़िट करती है, जिनमें वैल्यू, लाभप्रदता, निवेश, मोमेंटम, आकार, जोखिम और तरलता माप शामिल हैं। यह वॉक-फ़ॉरवर्ड फ़ोल्ड का उपयोग करके कच्चे मासिक रिटर्न, क्रॉस-सेक्शनल…

यह विश्लेषण सेक्टर एक्सचेंज-ट्रेडेड फ़ंड के रिटर्न पर सहसंबंध-आधारित प्रधान घटक विश्लेषण लागू करता है। विघटन से पहले रिटर्न को मानकीकृत करने से हर सेक्टर का विचरण एक इकाई हो जाता है, इसलिए प्रमुख घटक सबसे अधिक अस्थिर सेक्टर के प्रभुत्व के बजाय सह-गति बताते…

यह दस्तावेज़ सशर्त अव्यक्त-कारक मॉडल के नियंत्रण के रूप में पर्यवेक्षित ऑटोएन्कोडर प्रस्तुत करता है। यह 57 इनपुट को संकरे बॉटलनेक से संपीड़ित करते हुए फ़र्म की विशेषताओं को सीधे फ़ॉरवर्ड रिटर्न से जोड़ता है। समान बॉटलनेक वाले सशर्त ऑटोएन्कोडर से तुलना का…

यह मार्गदर्शिका Ken French Data Library और AQR के सार्वजनिक फ़ैक्टर रिटर्न डेटासेट बताती है, जिनमें बाज़ार, आकार, मूल्य, लाभप्रदता, निवेश, मोमेंटम, गुणवत्ता और कम-बीटा फ़ैक्टर शामिल हैं। इसमें बताया गया है कि मासिक या दैनिक अवलोकन कैसे डाउनलोड और लोड करें,…

यह अध्ययन जाँचता है कि मासिक US स्टॉक रिटर्न पर रैखिक मॉडल का खराब फ़िट उसके वर्ग-त्रुटि उद्देश्य के कारण है या नहीं। इसमें अन-विंसोराइज़्ड फॉरवर्ड-रिटर्न लक्ष्य, फ़ीचर और वॉक-फ़ॉरवर्ड फ़ोल्ड स्थिर रखकर वर्ग त्रुटि, निरपेक्ष त्रुटि और Huber हानि से…