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

1,366 दस्तावेज़

Machine Learning for Trading

यह नोटबुक कोई मॉडल फिट करने से पहले जाँचती है कि दैनिक US इक्विटी रैंकिंग रणनीति के निष्पक्ष मूल्यांकन के लिए पर्याप्त उपयोगी डेटा है या नहीं। यह ऐतिहासिक घटकों के साथ समय-बिंदु यूनिवर्स बनाने का तरीका बताती है; ट्रेड करने की योग्यता छाँटने के लिए प्रकाशित…

इक्विटीअमेरिकी बाज़ारबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

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…

मशीन लर्निंगसांख्यिकीइक्विटीक्रिप्टो
Machine Learning for Trading

यह केस अध्ययन बताता है कि क्रॉस-सेक्शनल विदेशी मुद्रा रणनीति के लिए फ़ॉरवर्ड-रिटर्न लेबल कैसे बनाए जाएँ, जो मुद्रा जोड़ियों की रैंकिंग करके उनके सापेक्ष क्रम के अनुसार खरीदती या बेचती है। पहले यह न्यूयॉर्क क्लोज़ परंपरा का उपयोग करके चार-घंटे के स्पॉट बार को…

विदेशी मुद्रास्पॉट बाज़ारमोमेंटमऔसत की ओर वापसी
arXiv papers

यह दस्तावेज़ औसत की ओर लौटने वाले SABR स्टोकेस्टिक वोलैटिलिटी मॉडल के तहत आकस्मिक दावों के मूल्य निर्धारण के लिए प्रयुक्त आंशिक अवकल समीकरणों के विश्लेषणात्मक उपकरण विकसित करता है। मूलभूत हल बंद रूप में उपलब्ध नहीं है, इसलिए यह कार्य संख्यात्मक विधियों के…

ऑप्शंसअस्थिरताडेरिवेटिव का मूल्य निर्धारणसांख्यिकी
Machine Learning for Trading

यह अध्याय कृत्रिम वित्तीय डेटा बनाने के पारंपरिक तरीकों की व्याख्या करता है, जिनमें सतत-समय मूल्य प्रक्रियाएँ, GARCH वोलैटिलिटी, बूटस्ट्रैप री-सैंपलिंग और मॉडल तुलना शामिल हैं। यह बताता है कि ज्यामितीय ब्राउनियन गति, जंप-डिफ्यूज़न, मीन रिवर्ज़न और Heston…

सांख्यिकीअस्थिरताजोखिम प्रबंधनबैकटेस्टिंग
Machine Learning for Trading

यह खोजपरक विश्लेषण जाँचता है कि सबसे हाल का महीना छोड़कर बना बारह-महीने का मोमेंटम संकेत, 100-ETF यूनिवर्स में अगले महीने के रिटर्न से जुड़ा है या नहीं। यह समायोजित समापन कीमतों से मासिक पैनल बनाता है, हर महीने पात्र ईटीएफ को क्विंटाइल में क्रम देता है और…

बहु-एसेटमोमेंटमसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

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…

निश्चित आयअमेरिकी बाज़ारमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह कॉन्फ़िगरेशन नोट बताता है कि L1-पेनल्टी वाला तीन-वर्गीय लॉजिस्टिक प्रतिगमन scikit-learn के liblinear सॉल्वर के बजाय SAGA क्यों इस्तेमाल करता है। यह scikit-learn के नए संस्करणों में बहु-वर्गीय अनुकूलता का उल्लेख करता है और दर्ज Nasdaq-100 सूक्ष्मसंरचना…

मशीन लर्निंगसांख्यिकी
Machine Learning for Trading

नोटबुक बढ़ती विंडो वाले डबल मशीन लर्निंग विश्लेषण का वर्णन करती है, जो जाँचता है कि बीटा, विशिष्ट वोलैटिलिटी, बाज़ार पूँजीकरण और वैरिएंस समायोजन के बाद 12-से--2-महीने का मोमेंटम अगले महीने के US फर्म रिटर्न का पूर्वानुमान करता है या नहीं। यह पहले के महीनों…

इक्विटीमोमेंटममशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक SEC 8-K फ़ाइलिंग से संरचित कॉर्पोरेट घटनाएँ निकालने और उन्हें Neo4j नॉलेज ग्राफ़ में लोड करने की पाइपलाइन प्रस्तुत करती है। भाषा मॉडल फ़ाइलिंग को बैचों में संसाधित करके विषय, संबंध, वस्तु और टाइमस्टैम्प वाले घटना रिकॉर्ड बनाता है। कार्यप्रवाह…

घटना आधारितमशीन लर्निंगइक्विटीसांख्यिकी
Machine Learning for Trading

यह नोटबुक कंपनी-फ़ीचर डेटासेट पर XGBoost, LightGBM और CatBoost की Optuna हाइपरपैरामीटर खोजों की तुलना करती है। हर लाइब्रेरी को ट्री-स्ट्रक्चर्ड पार्ज़ेन एस्टिमेटर, मीडियन प्रूनिंग, अर्ली स्टॉपिंग और स्थायी अध्ययन भंडारण के साथ अपना खोज-अध्ययन मिलता है। माध्य…

मशीन लर्निंगइक्विटीसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक समय-भारित औसत मूल्य (TWAP) निष्पादन नियम के प्रदर्शनों से व्यवहार क्लोनिंग और इनवर्स रीइन्फ़ोर्समेंट लर्निंग (IRL) की तुलना करती है। व्यवहार क्लोनिंग देखी गई बाज़ार स्थितियों को सीधे कार्रवाइयों में बदलती है, जबकि IRL निष्पादन फ़ीचर पर रैखिक…

ऑर्डर निष्पादनमशीन लर्निंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक डबल मशीन लर्निंग लागू करके जाँचती है कि देखे गए कन्फ़ाउंडर के समायोजन के बाद इम्प्लाइड और रियलाइज़्ड वोलैटिलिटी का अंतर बाद के इक्विटी रिटर्न से जुड़ा है या नहीं। यह रियलाइज़्ड वोलैटिलिटी, इक्विटी मोमेंटम और रिस्क-रिवर्सल स्क्यू को प्रासंगिक…

इक्विटीऑप्शंसअस्थिरतामशीन लर्निंग
Machine Learning for Trading

यह नोटबुक अलग-अलग US शेयरों के प्रकाशित कंपनी फ़ीचर पर रिज, लासो और इलास्टिक नेट मॉडल फिट करती है। फ़ीचर में वैल्यू, लाभप्रदता, निवेश, आकार, मोमेंटम, रिवर्सल, जोखिम और तरलता शामिल हैं। वॉक-फ़ॉरवर्ड फ़ोल्ड कॉन्फ़िगरेशन की तुलना योग्य रखते हैं, जबकि पेनल्टी…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह केस स्टडी ETF रिटर्न लेबल पर ग्रेडिएंट-बूस्टेड ट्री फिट करती है और उनकी तुलना ऐसे रैखिक आधार मॉडल से करती है जिसने मजबूत रिज प्रतिगमन के तहत अच्छा प्रदर्शन किया। इसमें बताया गया है कि ट्री इंटरैक्शन खोज सकते हैं—जैसे बाज़ार तनाव की अलग-अलग स्थितियों में…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह खोजपरक विश्लेषण ऐतिहासिक US इक्विटी पैनल का परिचय देता है, इसके कच्चे और समायोजित मूल्य फ़ील्ड समझाता है और समय के साथ टिकर कवरेज की जाँच करता है। यह सक्रिय टिकरों की सालाना संख्या की तुलना पहली और आखिरी दर्ज टिप्पणियों से करता है और दिखाता है कि ऐतिहासिक…

इक्विटीअमेरिकी बाज़ारबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक GJR-GARCH मॉडल का उपयोग करके S&P 500 इक्विटी और विकल्प अध्ययन के लिए सशर्त-अस्थिरता विशेषताएँ बनाती है। पिछले मूल्यों पर आधारित तय नियमों के विपरीत, फ़िट की गई विशेषताएँ अपने अनुमान अवधि पर निर्भर करती हैं। इसलिए विधि रीफ़िट का कार्यक्रम तय करती…

इक्विटीऑप्शंसअस्थिरताबैकटेस्टिंग
Machine Learning for Trading

यह विश्लेषण नोटबुक समझाती है कि नए बैकटेस्ट चलाने के बजाय रजिस्ट्री परिणामों से कंपनी-विशेषताओं पर आधारित US इक्विटी रणनीति का आकलन कैसे करें। यह अनिश्चितता को ध्यान में रखने वाले प्रदर्शन आँकड़े पढ़ती है, साझा आधार पर कॉन्फ़िगरेशन रैंक करती है और चुनी गई…

इक्विटीबैकटेस्टिंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह दस्तावेज़ वित्तीय टाइम-सीरीज़ डेटा के लिए इस्तेमाल होने वाले डेटाबेस इंजनों का बेंचमार्क बताता है। इसमें बल्क लेखन, पूर्ण स्कैन, समय-सीमा क्वेरी, OHLCV एग्रीगेशन और ट्रेड तथा कोट डेटा के ऐज़-ऑफ़ जॉइन की तुलना है। पद्धति क्लाइंट-साइड रूपांतरण को लेखन लागत…

बाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ वित्तीय डेटा सेट की सफ़ाई के तरीके बताता है और समझाता है कि प्रीप्रोसेसिंग को प्रशिक्षण तथा परीक्षण विभाजनों के अनुरूप कैसे रखें। मुख्य सीख यह है कि स्केलिंग और विंसोराइज़ेशन जैसे रूपांतरण केवल प्रशिक्षण डेटा से अनुमानित करें; पूरा डेटा सेट…

मशीन लर्निंगसांख्यिकीइक्विटीबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ बेंचमार्किंग, जोखिम-आरोपण और कारक शोध के इनपुट के रूप में सार्वजनिक Fama-French तथा AQR कारक प्रतिफल डेटा सेट प्रस्तुत करता है। इसमें Fama-French लाइब्रेरी के बाज़ार, आकार, मूल्य, लाभप्रदता, निवेश और मोमेंटम कारक, साथ ही गुणवत्ता, कम बीटा और…

फ़ैक्टर निवेशइक्विटीसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक संस्थागत 13F disclosures को प्रबंधकों और शेयरों जोड़ने वाले द्विभागी ग्राफ़ में बदलती है, फिर शेयर-स्तरीय स्वामित्व विशेषताएँ निकालती है। यह प्रबंधक-शेयर की दोहराई गई पोज़िशन समेकित करती है, जारीकर्ता के नाम सामान्यीकृत करती है, विकल्प पंक्तियाँ…

इक्विटीसांख्यिकीपोर्टफोलियो निर्माणअमेरिकी बाज़ार
Machine Learning for Trading

यह नोटबुक आकलन करती है कि क्या Binance परपेचुअल-फ़्यूचर्स डेटा ऐसे क्रॉस-सेक्शनल रणनीति का समर्थन कर सकता है जो कॉन्ट्रैक्ट को प्रीमियम के आधार पर रैंक करके लॉन्ग और शॉर्ट पोज़िशन लेती है। यह न मॉडल फ़िट करती है, न पूर्वानुमान बनाती है। इसके बजाय, यह फ़ंडिंग…

क्रिप्टोपरपेचुअल फ़्यूचर्ससांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक कई केस स्टडी से ली गई रणनीतियों पर अनुमानित ट्रेडिंग लागत के प्रभाव की तुलना करती है। यह हर तैनात रणनीति कॉन्फ़िगरेशन के लागत-संवेदनशीलता बैकटेस्ट पढ़ती है, केस स्टडी की अपनी अनुमानित लागत पर सकल शार्प की शुद्ध शार्प से तुलना करती है और उस लागत का…

बैकटेस्टिंगजोखिम प्रबंधनऑर्डर निष्पादनसांख्यिकी