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

867 दस्तावेज़

Machine Learning for Trading

यह मॉड्यूल बहु-एजेंट पूर्वानुमान पाइपलाइन के दो घटक बताता है। एक बहस एजेंट तेजी और मंदी के तर्कों के बीच बारी-बारी से चलता है; हर पक्ष को दूसरे के दावों का उत्तर देना और समर्थनकारी साक्ष्य के साथ संभाव्यता अनुमान देना होता है। यह हर दौर दर्ज करता है और…

मशीन लर्निंगबाज़ार भावनासांख्यिकी
Machine Learning for Trading

यह नोटबुक दिखाती है कि पहले से कारणात्मक ग्राफ़ निर्दिष्ट किए बिना PCMCI का उपयोग करके ETF और अस्थिरता रिटर्न के बीच विलंबित संबंध कैसे खोजें। यह पैनल-आधारित सशर्त-स्वतंत्रता परीक्षण की तुलना जोड़ीवार ग्रेंजर परीक्षणों से करती है, जो लक्ष्य के अपने इतिहास को…

मशीन लर्निंगसांख्यिकीबहु-एसेटबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक बताती है कि PatchTST क्रमिक बाज़ार फ़ीचर के निश्चित-लंबाई वाले पैच का उपयोग करके NASDAQ-100 लेबल का पूर्वानुमान कैसे लगाता है। अटेंशन पिछली एक घंटे की अवधि के पैचों के बीच संबंध जोड़ता है और हर मिनट पर अटेंशन की तुलना में सीक्वेंस की लंबाई घटाता…

इक्विटीमशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ CME फ्यूचर्स प्रयोग बताता है, जिसमें रैखिक और ग्रेडिएंट-बूस्टिंग मॉडलों द्वारा उपयोग की गई उन्हीं निर्मित फ़ीचर पंक्तियों और वॉक-फ़ॉरवर्ड फ़ोल्ड पर पैरामीटर-कुशल न्यूरल एन्सेंबल TabM का उपयोग किया गया है। TabM कई नेटवर्कों का औसत लेने से मिलने…

फ़्यूचर्समशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

दस्तावेज़ इंट्राडे फ़ीचर से NASDAQ-100 शेयर रिटर्न का पूर्वानुमान लगाने वाला न्यूनतम सीक्वेंस मॉडल NLinear प्रस्तुत करता है। यह एक निश्चित पिछली विंडो का उपयोग करता है, नवीनतम अवलोकन घटाता है ताकि मॉडल स्तरों के बजाय बदलावों पर काम करे, और परिणामी फ़ीचर को…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ SEC 8-K फ़ाइलिंग को संरचित कॉर्पोरेट घटनाओं में बदलने वाली पाइपलाइन बताता है। भाषा मॉडल घटना-संबंध निकालता है, जबकि स्पष्ट स्कीमा जाँच इकाई के नाम, संबंध प्रकार, श्रेणियाँ और तारीखें सत्यापित करती हैं। नियतात्मक सामान्यीकरण इकाई के फ़ॉर्मैट को…

घटना आधारितमशीन लर्निंगसांख्यिकीबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

यह मॉड्यूल उस समय रजिस्ट्री को माइग्रेट करने का तरीका बताता है जब किसी लाइब्रेरी ने वॉक-फ़ॉरवर्ड फ़ोल्ड की संख्या बदल दी हो, जबकि उनकी दिनांक-सीमाएँ और फ़िट किए गए मान अपरिवर्तित रहें। चूँकि फ़ोल्ड पहचानकर्ता प्रशिक्षण विनिर्देशों, पूर्वानुमान कुंजियों,…

बैकटेस्टिंगमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक बताती है कि वैलिडेशन फ़ोल्ड पर कॉन्फ़िगरेशन चुनने के बाद US इक्विटी केस स्टडी की होल्डआउट विंडो के लिए पूर्वानुमान कैसे बनाए जाएँ। यह चुने गए कॉन्फ़िगरेशन का समाधान करती है, उसका चेकपॉइंट चयन बनाए रखती है और होल्डआउट शुरू होने से पहले उपलब्ध डेटा…

इक्विटीमशीन लर्निंगबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक बताती है कि हिडन मार्कोव मॉडल रिटर्न और हाल की वोलैटिलिटी से अप्रेक्षित बाज़ार अवस्थाओं का अनुमान कैसे लगाते हैं। पहले तुलना के सरल नियम तय किए गए हैं: तनाव के लिए वोलैटिलिटी सूचकांक की सीमा और रुझान के लिए लंबी मूविंग एवरेज के सापेक्ष कीमत।…

मशीन लर्निंगसांख्यिकीअस्थिरतातकनीकी संकेतक
Machine Learning for Trading

नोटबुक बताती है कि अधूरे या बेमेल मूल्यांकन नमूनों को नतीजे बिगाड़ने दिए बिना S&P 500 विकल्पों के पूर्वानुमान मॉडल की तुलना कैसे करें। यह हर मॉडल की पहचान उसके परिवार, कॉन्फ़िगरेशन और चेकपॉइंट से करती है, जाँचती है कि पूर्वानुमान पंजीकृत पात्रता अनुबंधों पर…

ऑप्शंसमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक Ridge प्रतिगमन और तीन कॉन्फ़ॉर्मल विधियों—स्प्लिट कॉन्फ़ॉर्मल पूर्वानुमान, कॉन्फ़ॉर्मलाइज़्ड क्वांटाइल प्रतिगमन और अनुकूली कॉन्फ़ॉर्मल अनुमान—से ETF अग्रिम रिटर्न के लिए अनिश्चितता अंतराल बनाती है। यह वॉक-फ़ॉरवर्ड फ़ोल्ड से उनका मूल्यांकन करती है…

इक्विटीमशीन लर्निंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक छह पूर्व-उपचार नियंत्रणों के समायोजन के बाद यह अनुमान लगाने के लिए डबल मशीन लर्निंग इस्तेमाल करती है कि पर्पेचुअल-फ़्यूचर्स प्रीमियम z-स्कोर का अगले आठ घंटे के रिटर्न से संबंध है या नहीं। यह अलग-अलग फ़िट और उपचार-अंतरक्रिया के ज़रिए उच्च और निम्न…

क्रिप्टोपरपेचुअल फ़्यूचर्समशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक बताती है कि कंडीशनल ऑटोएन्कोडर स्टॉक रिटर्न को विशेषता-निर्भर फ़ैक्टर लोडिंग और अव्यक्त कारकों के गुणनफल के रूप में कैसे मॉडल करता है। पहले संयुक्त क्रॉस-सेक्शनल न्यूनतम वर्ग फ़िट से विशेषता-प्रबंधित पोर्टफ़ोलियो रिटर्न का अनुमान लगाया जाता है, फिर…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक ओवरलैप होती रिटर्न विंडो और उनसे जुड़े मोमेंटम, वोलैटिलिटी तथा ऑसिलेटर मापों से बने ETF फ़ीचर पर रैखिक मॉडलों की तुलना करती है। ऐसे पूर्वानुमानकर्ता सहसंबद्ध होते हैं, जिससे साधारण न्यूनतम वर्ग गुणांक अस्थिर हो जाते हैं। प्रयोग वॉक-फ़ॉरवर्ड…

बहु-एसेटमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

फ़्रैक्शनल डिफरेंसिंग लॉग कीमतों पर लैग डिफ़रेंस ऑपरेटर की गैर-पूर्णांक घात लागू करती है। इसके द्विपद भार पिछली टिप्पणियों के साथ घटते जाते हैं, इसलिए परिणाम कीमतों के बदलावों को कुछ बची हुई स्तर-संबंधी जानकारी के साथ जोड़ता है। फ़्रैक्शनल क्रम इस संतुलन को…

सांख्यिकीतकनीकी संकेतकमशीन लर्निंग
Machine Learning for Trading

यह नोटबुक एक LSTM मॉडल का वर्णन करती है, जो US इक्विटी पैनल में स्टॉक फ़ीचर की क्रमबद्ध विंडो से रिटर्न का पूर्वानुमान लगाता है। सपाट सारणीबद्ध मॉडल के विपरीत, LSTM सत्रों को क्रम से संसाधित करता है और हर विंडो में छिपी अवस्था बनाए रखता है। सीखे गए गेट…

मशीन लर्निंगइक्विटीअमेरिकी बाज़ारबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक कृत्रिम वित्तीय शृंखलाएँ बनाने वाला आवर्ती जनरेटिव प्रतिद्वंद्वी मॉडल TimeGAN प्रस्तुत करती है। इसके पाँच मॉड्यूल एम्बेडिंग और पुनर्निर्माण सीखते हैं, अगली अव्यक्त अवस्थाओं का पूर्वानुमान करते हैं, शोर से शृंखलाएँ बनाते हैं और जनित तथा वास्तविक…

मशीन लर्निंगइक्विटीसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक एक कैलेंडर वर्ष में दो US इक्विटी लीनियर-मॉडल विन्यासों की वास्तविक सत्यापन पूर्वानुमान त्रुटियों पर दो क्रमिक पहचान विधियाँ लागू करती है। दो-खिड़की औसत-परिवर्तन पहचान विधि त्रुटि परिमाण में बदलाव खोजती है, जबकि खराब-दिन आवृत्ति मॉनिटर देखता है कि…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधनइक्विटी
Machine Learning for Trading

यह नोटबुक ETF के आगे के प्रतिफलों का पूर्वानुमान करने वाला सुपरवाइज़्ड ऑटोएन्कोडर प्रस्तुत करती है। नेटवर्क फ़ंड की फ़ीचर पंक्ति को कम-आयामी निरूपण में संपीड़ित करता है और उसी निरूपण से सीधे प्रतिफल का पूर्वानुमान करता है। उसी मॉडल परिवार के कंडीशनल…

मशीन लर्निंगइक्विटीसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ मौजूदा वॉक-फ़ॉरवर्ड सत्यापन विनिर्देश से एकल होल्डआउट प्रशिक्षण अंतराल निकालने का तरीका बताता है। यह अध्ययन कॉन्फ़िगरेशन में घोषित होल्डआउट तारीखें लेता है, सत्यापन फ़ोल्डों में सबसे शुरुआती प्रशिक्षण आरंभ का उपयोग करता है और सबसे चौड़े लेबल…

बैकटेस्टिंगमशीन लर्निंगजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

यह विश्लेषण नौ ट्रेडिंग केस अध्ययनों में फ़ीचर छँटाई लेजरों की तुलना करता है। यह Benjamini–Hochberg गलत-खोज-दर महत्व को PROCEED निर्णय के दूसरे रास्ते से अलग करता है, जिसमें मामले के अनुसार प्रभाव-आकार की न्यूनतम सीमा और फ़ोल्डों में संकेत की स्थिरता शामिल…

सांख्यिकीमशीन लर्निंगबैकटेस्टिंगफ़ैक्टर निवेश
Machine Learning for Trading

यह नोटबुक तीन-वर्गीय वित्तीय वाक्य भावना के लिए तीन ट्रांसफ़ॉर्मर चेकपॉइंट फ़ाइन-ट्यून करती है और उनकी सटीकता, मैक्रो F1, भ्रम मैट्रिक्स, पैरामीटर संख्या तथा प्रशिक्षण समय की तुलना करती है। यह Financial PhraseBank के स्तरीकृत प्रशिक्षण, सत्यापन और परीक्षण…

मशीन लर्निंगसांख्यिकीबाज़ार भावनाबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक अभियांत्रिक विशेषताओं—जैसे कैरी, मोमेंटम या अस्थिरता—के बजाय CME वायदा प्रतिफल पैनल से प्रमुख घटक फ़ैक्टर बनाती है। PCA ऐसी दिशाएँ खोजता है जो उत्पादों के बीच बदलाव समझाती हैं; पहला घटक साझा बाज़ार चाल जैसा दिख सकता है, जबकि बाद के घटक संभावित रूप…

फ़्यूचर्सफ़ैक्टर निवेशमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ फ़्यूचर्स प्रतिफल के लिए दो लैटेंट-फ़ैक्टर तरीके प्रस्तुत करता है। प्रिंसिपल कंपोनेंट विश्लेषण उन असंबद्ध दिशाओं को खोजता है जो प्रतिफल में सर्वाधिक भिन्नता समझाती हैं, जबकि न्यूरल स्टोकेस्टिक डिस्काउंट फ़ैक्टर अपेक्षित प्रतिफल के क्रॉस-सेक्शन…

फ़्यूचर्समशीन लर्निंगसांख्यिकीबैकटेस्टिंग