सामग्री पर जाएं

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

114 दस्तावेज़

Machine Learning for Trading

नोटबुक दैनिक ETF रिटर्न पूर्वानुमानों की अनिश्चितता का अनुमान लगाने के तरीकों के रूप में Monte Carlo dropout और deep ensembles की तुलना करती है। बार-बार की भविष्यवाणियों में dropout सक्रिय रहता है, जबकि एन्सेंबल सदस्य अलग-अलग प्रशिक्षित होते हैं; किसी भी…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधनपोज़िशन का आकार तय करना
Machine Learning for Trading

यह केस स्टडी FX पोज़िशन के लिए घोषित स्थिर और ट्रेलिंग स्टॉप नियमों की तुलना करती है। यह पहले सीलबंद सत्यापन समूह से हर लेबल के लिए एक मूल रणनीति चुनती है, फिर केवल पोज़िशन जोखिम नियम बदलती है। चूँकि स्टॉप होल्डिंग अवधि के भीतर मूल्य बदलावों पर प्रतिक्रिया…

विदेशी मुद्राजोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक शीर्ष रैंक वाले ETF और CME फ़्यूचर्स के लिए समान-वज़न, सकारात्मक-स्कोर-वज़न और कॉन्फ़ॉर्मल-चौड़ाई-वज़न आवंटनों की तुलना करती है। यह पहले के सत्यापन फ़ोल्ड के अवशेषों से इकाई-विशिष्ट स्प्लिट-कॉन्फ़ॉर्मल अंतराल चौड़ाई का अनुमान लगाती है और उन…

इक्विटीफ़्यूचर्सपोज़िशन का आकार तय करनाजोखिम प्रबंधन
Machine Learning for Trading

यह दस्तावेज़ पूर्वानुमान अवशेषों को प्रति-इकाई अनिश्चितता चौड़ाइयों में बदलने की वॉक-फ़ॉरवर्ड विधि बताता है, जिनका उपयोग पोज़िशन आकार तय करने में होता है। हर निर्णय समय पर कैलिब्रेशन में ऐसे अवशेष लिए जाते हैं जिनके परिणाम तय हो चुके हों; लैग पूर्वानुमान…

पोज़िशन का आकार तय करनाजोखिम प्रबंधनसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक ईटीएफ और CME फ़्यूचर्स के लिए दर्ज वॉक-फ़ॉरवर्ड GBM पूर्वानुमानों का उपयोग करके समान वेटिंग, उलटी कॉनफ़ॉर्मल-चौड़ाई वेटिंग और सकारात्मक पूर्वानुमान स्कोर के अनुपात में वेटिंग की तुलना करती है। यह पिछले फ़ोल्ड के अवशेषों से एंटिटी-विशिष्ट Mondrian…

इक्विटीफ़्यूचर्सजोखिम प्रबंधनपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक बाज़ार गतिविधि को मॉडल किए गए ट्रेडिंग खर्चों और रणनीति क्षमता में बदलने का ढाँचा विकसित करती है। इसमें वर्गमूल इम्पैक्ट मॉडल प्रस्तुत किया गया है, अस्थिरता और औसत दैनिक वॉल्यूम को मुख्य इनपुट बताया गया है, और बाज़ार डेटा से मिलने वाले मानों को उन…

बाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनजोखिम प्रबंधनपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक FX जोड़ी के पूर्वानुमानों को आधार ट्रेडिंग परिणामों में बदलती है। हर निर्णय समय पर यह जोड़ियों का क्रम तय करती है, समान आकार के लॉन्ग और शॉर्ट हिस्से लेती है और चुने गए पूर्वानुमान कॉन्फ़िगरेशन तथा चेकपॉइंट को मौजूदा बैकटेस्ट इंजन से चलाती है। समान…

विदेशी मुद्राबैकटेस्टिंगपोर्टफोलियो निर्माणपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक स्प्लिट कॉन्फ़ॉर्मल पूर्वानुमान से ग्रेडिएंट बूस्टिंग पूर्वानुमानों के आसपास पूर्वानुमान अंतराल बनाती है। यह पहले के प्रशिक्षण खंड पर मॉडल फ़िट करती है, बाद के कैलिब्रेशन खंड में निरपेक्ष अवशेष मापती है और अंतराल की चौड़ाई तय करने के लिए…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधनपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक पहले चुने गए फ़र्म-विशेषता पूर्वानुमानों और स्थिर पोर्टफ़ोलियो कॉन्फ़िगरेशन को एक वर्ष की होल्डआउट अवधि पर लागू करती है। आउट-ऑफ़-सैंपल मूल्यांकन सुरक्षित रखने के लिए यह पूर्वानुमान, आवंटन, संकेंद्रण, रीबैलेंसिंग या लेनदेन लागत के बारे में कोई नया…

इक्विटीफ़ैक्टर निवेशपोज़िशन का आकार तय करनाबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक मोमेंटम पोर्टफ़ोलियो के लिए StopLoss, TakeProfit और TrailingStop नियमों को इस तरह ट्यून करने का उदाहरण देती है कि अंशांकन और मूल्यांकन कालक्रम के अनुसार अलग रहें। यह अंशांकन डेटा से अलग-अलग नियम-सीमाओं और उनके संयुक्त संयोजनों का परीक्षण करती है,…

इक्विटीजोखिम प्रबंधनबैकटेस्टिंगमोमेंटम
Machine Learning for Trading

यह मॉड्यूल क्रिप्टो परपेचुअल फ़्यूचर्स में बड़ा विक्रय ऑर्डर निष्पादित करने के लिए पॉइंट-इन-टाइम सिमुलेशन वातावरण परिभाषित करता है। इसके अवलोकनों में शेष इन्वेंटरी और समय के साथ बाज़ार अस्थिरता, प्रीमियम इंडेक्स, सापेक्ष वॉल्यूम, दिन का घंटा और फ़ंडिंग तक का…

क्रिप्टोपरपेचुअल फ़्यूचर्सऑर्डर निष्पादनबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

यह केस अध्ययन ETF मोमेंटम पर कारणात्मक अनुमान लागू करता है और पूछता है कि आगे के रिटर्न पर इसका प्रभाव बाज़ार की अस्थिरता के साथ बदलता है या नहीं। इसमें निरंतर मोमेंटम ट्रीटमेंट, 21-दिवसीय आगे के रिटर्न का परिणाम, अस्थिरता और यील्ड-कर्व नियंत्रण तथा औसत और…

इक्विटीअमेरिकी बाज़ारमोमेंटममशीन लर्निंग
Machine Learning for Trading

दस्तावेज़ बताता है कि चार बाज़ार-प्रभाव मॉडल किसी ऑर्डर से जुड़े प्रति शेयर प्रतिकूल भाव बदलाव का अनुमान कैसे लगाते हैं: कोई प्रभाव नहीं, रैखिक प्रभाव, वर्गमूल प्रभाव और विन्यास योग्य घात नियम। यह चिह्न परंपरा, भागीदारी, अस्थिरता तथा मॉडल गुणांकों की…

ऑर्डर निष्पादनबाज़ार की सूक्ष्म संरचनाबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक जाँचती है कि समान संकेतों के बावजूद दो बैकटेस्टिंग इंजन अलग परिणाम क्यों दे सकते हैं। यह रणनीति और ट्रेड किए जा सकने वाले समुच्चय को स्थिर रखती है, पूर्वानुमान बराबर होने पर पोर्टफोलियो भारों को नियतात्मक बनाती है और निष्पादन सेटिंग जैसे भिन्नात्मक…

बैकटेस्टिंगऑर्डर निष्पादनपोज़िशन का आकार तय करनाजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक NASDAQ ITCH ट्रेड डेटा से बाज़ार माइक्रोस्ट्रक्चर माप बनाती है, ट्रेडों को इंट्राडे बार में समेकित करती है और तरलता प्रॉक्सी को ऑर्डर-फ़्लो संकेतों तथा ऑर्डर-बुक स्थिति से अलग करती है। समेकन से पहले यह टिक नियम से अलग-अलग ट्रेड वर्गीकृत करती है,…

इक्विटीबाज़ार की सूक्ष्म संरचनाहाई फ़्रीक्वेंसी ट्रेडिंगसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ समान-भार वैलिडेशन शार्प के आधार पर क्रमबद्ध आधाररेखा से चुनी गई CME फ़्यूचर्स रणनीतियों के लिए वैकल्पिक पोज़िशन-आकार तरीकों की तुलना करता है। समान भार हर चुने गए उत्पाद को बराबर मानता है, हालाँकि फ़्यूचर्स अनुबंधों की वोलैटिलिटी और सह-चाल बहुत…

फ़्यूचर्सकमोडिटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माण
Machine Learning for Trading

यह दस्तावेज़ ब्रोकर रैपर का प्रदर्शन करता है, जो ट्रेड आगे भेजने से पहले ऑर्डर और पोर्टफ़ोलियो स्थिति जाँचता है। इसके नियंत्रणों में हर ऑर्डर के लिए शेयर और मूल्य सीमा, पोज़िशन एक्सपोज़र सीमा, ऑर्डर-दर सीमा, एसेट की अनुमति और अवरोध सूची तथा आपातकालीन रोक…

जोखिम प्रबंधनपोज़िशन का आकार तय करनाऑर्डर निष्पादनबैकटेस्टिंग
Machine Learning for Trading

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,…

मशीन लर्निंगसांख्यिकीपोज़िशन का आकार तय करनाइक्विटी
Machine Learning for Trading

यह नोटबुक जाँचती है कि समान संकेतों पर दो बैकटेस्टिंग इंजन अलग नतीजे क्यों दे सकते हैं। यह पहले से गणना की गई ETF रणनीति को स्थिर रखती है, उसके पूर्वानुमानों से नियतात्मक पोर्टफ़ोलियो बनाती है और निष्पादन सेटिंग एक-एक करके बदलती है। इन सेटिंगों में शेयरों की…

बैकटेस्टिंगऑर्डर निष्पादनबाज़ार की सूक्ष्म संरचनापोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक बताती है कि ऑर्डर आकार के साथ मार्केट इम्पैक्ट कैसे बढ़ता है और रणनीति क्षमता का आकलन करने के लिए वर्गमूल भागीदारी मॉडल इस्तेमाल करती है। यह बाज़ार डेटा से उपलब्ध अस्थिरता और औसत दैनिक वॉल्यूम जैसे इनपुट को इम्पैक्ट गुणांक से अलग करती है, जिसे…

बाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनजोखिम प्रबंधनपोज़िशन का आकार तय करना
Machine Learning for Trading

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…

इक्विटीमशीन लर्निंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

दस्तावेज़ FX रणनीतियों के लिए स्थिर और ट्रेलिंग स्टॉप नियमों की सत्यापन-चरण की तुलना बताता है। प्रत्येक रिटर्न लेबल के लिए यह सिग्नल और आवंटन परिणामों के सीलबंद समूह से एक मूल रणनीति चुनता है, फिर मूल पहचान स्थिर रखते हुए घोषित पोज़िशन-स्तरीय जोखिम नियंत्रण…

विदेशी मुद्राजोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक पोज़िशन आकार को अधिकतम प्रतिकूल और अनुकूल एक्सकर्शन के विश्लेषण से जोड़ती है। यह स्थिर-अंश आकार निर्धारण दिखाती है, जिसमें प्रति-ट्रेड जोखिम बजट और प्रवेश से स्टॉप तक की दूरी से शेयर संख्या तय होती है, जिस पर संकेंद्रण सीमा भी लागू होती है। यह…

पोज़िशन का आकार तय करनाजोखिम प्रबंधनअस्थिरताबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक उन क्रिप्टो परपेचुअल रणनीतियों पर आवंटन की छह विधियों की तुलना करती है जो आधारभूत चयन प्रक्रिया पार कर चुकी हैं। यह प्रत्येक रणनीति के पूर्वानुमान और प्रवेश नियम स्थिर रखती है, फिर पूँजी आवंटन का तरीका बदलती है: एक आवंटक मॉडल स्कोर इस्तेमाल करता…

क्रिप्टोपरपेचुअल फ़्यूचर्सपोज़िशन का आकार तय करनापोर्टफोलियो निर्माण