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

2,238 दस्तावेज़

Machine Learning for Trading

यह खोजपरक नोटबुक AlgoSeek NASDAQ-100 मिनट बार की संरचना और व्याख्या बताती है। यह डेटासेट के पहले से गणना किए गए फ़ील्ड को कोट कीमतों और आकारों, ट्रेड कीमतों, स्प्रेड, वॉल्यूम, ट्रेड-स्थान बकेट, टिक दिशा, दबाव, VWAP और कोट गणनाओं में व्यवस्थित करती है। बार…

इक्विटीबाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनअमेरिकी बाज़ार
Machine Learning for Trading

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…

इक्विटीअस्थिरतासांख्यिकीबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

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।…

फ़्यूचर्समशीन लर्निंगफ़ैक्टर निवेशबैकटेस्टिंग
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 विश्लेषण जाँचता है कि कोई मॉडल फ़िट करने से पहले सेटलमेंट डेटा साप्ताहिक, क्रॉस-सेक्शनल CME फ़्यूचर्स रणनीति का समर्थन कर सकता है या नहीं। यह जाँचता है कि रीबैलेंस तारीखों पर इच्छित लॉन्ग और शॉर्ट पोर्टफ़ोलियो भरने के लिए पर्याप्त उत्पादों के भाव उपलब्ध…

फ़्यूचर्सकैरीजोखिम प्रबंधनबैकटेस्टिंग
Machine Learning for Trading

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…

बहु-एसेटसांख्यिकीफ़ैक्टर निवेश
Machine Learning for Trading

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…

मशीन लर्निंगबाज़ार भावनासांख्यिकीइक्विटी
Machine Learning for Trading

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…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह केस स्टडी US कंपनियों की विशेषताओं से बनी मासिक लॉन्ग-शॉर्ट डेसाइल रणनीतियों का मूल्यांकन करती है। इसमें समय-बिंदु के अनुरूप लेखांकन लैग, वॉक-फ़ॉरवर्ड वैलिडेशन और युग-आधारित ट्रेडिंग लागत के तहत रैखिक मॉडल, ग्रेडिएंट बूस्टिंग और लेटेंट-फ़ैक्टर तरीकों की…

इक्विटीअमेरिकी बाज़ारफ़ैक्टर निवेशमशीन लर्निंग
Machine Learning for Trading

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…

मशीन लर्निंगसांख्यिकीफ़्यूचर्सक्रिप्टो
Machine Learning for Trading

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…

बैकटेस्टिंगसांख्यिकीबाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादन
Machine Learning for Trading

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…

सांख्यिकीअस्थिरताजोखिम प्रबंधनबैकटेस्टिंग
Machine Learning for Trading

यह विश्लेषण हस्ताक्षरित मॉडल रिटर्न पूर्वानुमानों को द्विआधारी पोज़िशन में बदलने के तीन तरीकों की तुलना करता है: एक तय शून्य सीमा, हर प्रतीक के लिए पिछली अवधि का पर्सेंटाइल और प्रतीकों के बीच क्रॉस-सेक्शनल पर्सेंटाइल। यह नियम ETF और क्रिप्टो परपेचुअल के…

मशीन लर्निंगऑर्डर निष्पादनबैकटेस्टिंगक्रिप्टो
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 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…

मशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

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…

इक्विटीमशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह मॉड्यूल कई गुप्त फ़ैक्टर मॉडल—जिनमें प्रमुख घटक, इंस्ट्रूमेंटेड प्रमुख घटक और न्यूरल ऑटोएन्कोडर शामिल हैं—की वॉक-फ़ॉरवर्ड फ़िटिंग और मूल्यांकन का समन्वय करता है। यह पैनल डेटा और फ़ोल्ड तैयार करता है, मॉडल-विशिष्ट रनर चलाता है और पूर्वानुमान, फ़ोल्ड-स्तर…

फ़ैक्टर निवेशमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह कार्यान्वयन परिसंपत्ति मूल्य निर्धारण के लिए सशर्त ऑटोएन्कोडर का वर्णन करता है। बीटा नेटवर्क हर शेयर की विशेषताओं को गुप्त फ़ैक्टर लोडिंग में बदलता है, जबकि रैखिक फ़ैक्टर नेटवर्क प्रबंधित पोर्टफ़ोलियो रिटर्न को फ़ैक्टर रिटर्न में बदलता है। मॉडल संबंधित…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंग
Machine Learning for Trading

यह नोटबुक एक कृत्रिम ब्रोकर के साथ लाइव ट्रेडिंग के परिचालन सुरक्षा उपाय दिखाती है। यह दिखाती है कि बाज़ार स्नैपशॉट निर्धारित उम्र से पुराना होने पर ऑर्डर कैसे अस्वीकार होता है और खाते के मूल्य में गिरावट दैनिक-हानि किल स्विच कैसे चालू कर सकती है। हानि…

जोखिम प्रबंधनऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक मापती है कि आनुपातिक लेनदेन लागत बदलने से हर रिटर्न लेबल के लिए सत्यापन पर चुनी गई एक FX रणनीति कैसे प्रभावित होती है। पहले यह संकेत, आवंटन और जोखिम-ओवरले उम्मीदवारों में से मूल रणनीति चुनती है, फिर रणनीति की बाकी पहचान स्थिर रखते हुए केवल प्रति…

विदेशी मुद्राबैकटेस्टिंगऑर्डर निष्पादनजोखिम प्रबंधन
Machine Learning for Trading

यह संदर्भ Financial Phrasebank का परिचय देता है, जो प्राकृतिक भाषा प्रसंस्करण मॉडल को प्रशिक्षित या मूल्यांकित करने के लिए वित्तीय समाचार वाक्यों का लेबल किया हुआ संग्रह है। मानव एनोटेटर सकारात्मक, तटस्थ या नकारात्मक भावना लेबल देते हैं। संग्रह चार सहमति…

बाज़ार भावनामशीन लर्निंग
Machine Learning for Trading

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…

फ़्यूचर्ससांख्यिकीमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

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…

इक्विटीबैकटेस्टिंगऑर्डर निष्पादनसांख्यिकी
Machine Learning for Trading

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…

बैकटेस्टिंगसांख्यिकीजोखिम प्रबंधन