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

371 दस्तावेज़

Machine Learning for Trading

यह अध्याय फ़िट की गई सांख्यिकीय प्रक्रियाओं को ट्रेडिंग मॉडल के फ़ीचर में बदलने के तरीके देखता है। इसमें निदान और स्थिरता, संरचनात्मक बदलाव, भिन्नात्मक विभेदीकरण, कालमन फ़िल्टरिंग, स्पेक्ट्रल और पथ-हस्ताक्षर विधियाँ, ARIMA और GARCH वोलैटिलिटी, HAR और…

सांख्यिकीअस्थिरतामशीन लर्निंगजोखिम प्रबंधन
Machine Learning for Trading

यह कॉन्फ़िगरेशन व्यवस्था फ़िल्टरिंग और क्रॉस-एसेट विश्लेषण के लिए FRED से ऐतिहासिक समष्टि-अर्थशास्त्रीय डेटा सेट तय करता है। यह श्रृंखलाओं को दैनिक, साप्ताहिक, मासिक और त्रैमासिक आवृत्ति में व्यवस्थित करता है; इनमें ट्रेज़री यील्ड, फ़ेडरल फ़ंड्स दर, VIX,…

बहु-एसेटनिश्चित आयअस्थिरतासांख्यिकी
Machine Learning for Trading

यह नोटबुक देखे गए मूल्य पथों के आधार पर ट्रिपल-बैरियर लेबल की चौड़ाई तय करने के लिए अधिकतम अनुकूल एक्सकर्शन (MFE) और अधिकतम प्रतिकूल एक्सकर्शन (MAE) का उपयोग करती है। बार के क्लोज़ पर खोली गई पोज़िशन के लिए यह अगले बार से शुरू होने वाली आगे की होल्डिंग अवधि…

इक्विटीफ़्यूचर्सक्रिप्टोअस्थिरता
Machine Learning for Trading

यह दस्तावेज़ बताता है कि किसी मॉडल की अनिश्चितता उसके बिंदु अनुमान से आगे की जानकारी कैसे दे सकती है। इसमें GARCH की तुलना स्टोकेस्टिक वोलैटिलिटी मॉडल से की गई है: पहला पिछड़े रिटर्न के आधार पर वोलैटिलिटी परिभाषित करता है, जबकि दूसरा वोलैटिलिटी को एक…

अस्थिरतासांख्यिकीमशीन लर्निंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक बताती है कि लुक-अहेड पूर्वाग्रह नियंत्रित रखते हुए फ़िट किए गए GJR-GARCH और हिडन मार्कोव मॉडल को ट्रेडिंग विशेषताओं में कैसे बदला जाए। GJR-GARCH सशर्त वोलैटिलिटी का अनुमान लगाता है और नकारात्मक रिटर्न झटकों के अधिक प्रभाव को पकड़ता है; दो-अवस्था…

क्रिप्टोपरपेचुअल फ़्यूचर्सअस्थिरतामशीन लर्निंग
Machine Learning for Trading

यह नोटबुक वित्तीय समय-शृंखलाओं के मॉडलिंग का तरीका तय करने की कार्यविधि प्रस्तुत करती है। शुरुआत SPY कीमतों और प्रतिफलों, VIX स्तरों तथा प्रतिफल वितरण के आलेखों से होती है, ताकि खिसकते स्तर, गुच्छों में चाल और भारी पूँछ पहचानी जा सकें। फिर यह ऑगमेंटेड…

सांख्यिकीअस्थिरतातकनीकी संकेतकइक्विटी
Machine Learning for Trading

यह ETF विशेषता अध्ययन मॉडल से निकले तीन इनपुट बनाता है: बाज़ार अवस्था का अनुमान लगाने वाला हिडन मार्कोव मॉडल (HMM), संदर्भ फ़ंड के फ्रैक्शनली डिफ़रेंस किए मूल्य और हर ETF के लिए GARCH(1,1) सशर्त अस्थिरता। यह ज़ोर देता है कि भविष्य की जानकारी से बचने के लिए…

इक्विटीअस्थिरतामशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक DQN, PPO और A2C की तुलना एक साझा सिम्युलेटेड ट्रेडिंग परिवेश में करती है, जिसे प्रति घंटा बिटकॉइन परपेचुअल-फ़्यूचर्स प्रतिफल के अनुसार कैलिब्रेट किया गया है। GARCH(1,1) मॉडल अस्थिरता क्लस्टरिंग देता है, जबकि परिवेश पोज़िशन बदलने पर लागत लगाता है और…

मशीन लर्निंगक्रिप्टोपरपेचुअल फ़्यूचर्सअस्थिरता
Machine Learning for Trading

यह नोटबुक लॉन्ग ETF ट्रेड से निकलने के तरीकों की तुलना करती है: निश्चित लाभ लक्ष्य और स्टॉप, ट्रेलिंग स्टॉप, ATR-आधारित सीमाएँ, मशीन-लर्निंग सिग्नल और इनके संयोजन। यह संकेतक और ट्रेड सिमुलेशन बनाती है, फिर मानक त्रुटियों से ट्रेड रिटर्न, जीत दर, स्टॉप-आउट…

इक्विटीजोखिम प्रबंधनपोज़िशन का आकार तय करनाअस्थिरता
Machine Learning for Trading

यह नोटबुक FRED की आर्थिक श्रृंखलाओं के उपलब्ध पैनल को देखने और उसके कैलेंडर-दिवस ग्रिड, मेटाडेटा तथा व्युत्पन्न कॉलम समझने का तरीका बताती है। चूँकि पैनल को दैनिक कैलेंडर में समतल किया गया है, पंक्तियों की संख्या मूल रिलीज़ समय-सारणी छिपा देती है। हर श्रृंखला…

बहु-एसेटनिश्चित आयअस्थिरतासांख्यिकी
Machine Learning for Trading

यह नोटबुक ARIMA पूर्वानुमानों को स्वतंत्र पूर्वानुमान के बजाय बाद के मॉडलों के इनपुट कॉलम मानती है। यह ETF रिटर्न पर मॉडल फिट करती है, क्रम चुनने के लिए स्टेशनैरिटी जाँच और स्वसहसंबंध निदान उपयोग करती है, और प्रशिक्षण खंड पर सूचना मानदंड से संभावित क्रमों की…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

दस्तावेज़ दैनिक OHLCV डेटा उपलब्ध होने पर बिड-आस्क स्प्रेड का अनुमान लगाने के दो तरीके समझाता है। Corwin-Schultz पास-पास के एक-दिवसीय और दो-दिवसीय अंतराल के उच्च-निम्न परास की तुलना करता है और अस्थिरता तथा स्प्रेड के अलग-अलग व्यवहार से दोनों को अलग करता है;…

बाज़ार की सूक्ष्म संरचनासांख्यिकीऑर्डर निष्पादनअस्थिरता
Machine Learning for Trading

यह नोटबुक मॉडलिंग से पहले बाज़ार श्रृंखलाओं को समझने की प्रक्रिया बताती है। इसमें रुझान, अस्थिरता के समूह और भारी टेल पहचानने के लिए SPY की कीमतों और रिटर्न, VIX के स्तरों तथा रिटर्न वितरण के चार्ट से शुरुआत होती है। फिर यह समझाती है कि Augmented…

इक्विटीसांख्यिकीअस्थिरताजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक SPY के दैनिक रिटर्न के ज़रिए फ़्रीक्वेंसी-डोमेन विश्लेषण और ट्रेडिंग फ़ीचर के स्रोत के रूप में उसकी सीमाएँ समझाती है। वेवलेट अपघटन उतार-चढ़ाव को क्रमशः धीमे होते समय-पैमाने के बैंड में अलग करता है, जबकि स्पेक्ट्रल अनुमान बताते हैं कि रिटर्न का…

इक्विटीसांख्यिकीअस्थिरतातकनीकी संकेतक
Machine Learning for Trading

यह नोटबुक बताती है कि मॉडल की अनिश्चितता बिंदु अनुमान से आगे की जानकारी कैसे दे सकती है। इसमें stochastic volatility मॉडल fit किया जाता है, जिसमें latent log volatility समय के साथ बदलती है और रिटर्न Student-t distribution का अनुसरण करते हैं। Sampler…

अस्थिरतामशीन लर्निंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह खोजपरक विश्लेषण विकल्प अनुबंधों और chain संरचना का परिचय देता है, फिर आठ underlyings पर S&P 500 विकल्पों के 2020 नमूने का प्रोफ़ाइल बनाता है। इसमें moneyness, intrinsic और time value, implied volatility, Greeks, और strike, expiration तथा call-put पक्ष से…

ऑप्शंसइक्विटीअस्थिरताडेरिवेटिव का मूल्य निर्धारण
Machine Learning for Trading

यह अध्याय रणनीति डिज़ाइन और लाइव संचालन के हिस्से के रूप में जोखिम प्रबंधन प्रस्तुत करता है। इसमें वैल्यू एट रिस्क और कंडीशनल वैल्यू एट रिस्क से टेल जोखिम मापना, ड्रॉडाउन की गहराई और रिकवरी, एक्सपोज़र का विघटन, तनाव परीक्षण, अनुकूली नियंत्रण और शासन शामिल…

जोखिम प्रबंधनअस्थिरताबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक मिनट-स्तर के NASDAQ-100 डेटा से तीन प्रक्रियाओं द्वारा फ़ीचर बनाती है: निकट-अवधि विचरण पूर्वानुमान के लिए रोलिंग हेटेरोजीनियस ऑटोरेग्रेसिव प्रतिगमन, हाल की गतिविधि की आवधिक संरचना बताने के लिए फ़ूरियर रूपांतरण, और कीमत, ऑर्डर फ़्लो तथा ट्रेड…

इक्विटीअस्थिरतामशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक वोलैटिलिटी मापों की तुलना करती है, विषम ऑटोरिग्रेसिव (HAR) मॉडल फ़िट करती है और हर्स्ट घातांकों से खुरदरापन का अनुमान लगाती है। पहले यह इंट्राडे वास्तविकीकृत विचरण की तुलना दैनिक एस्टिमेटर से करती है, रात भर के रिटर्न को सत्र गतिविधि से अलग करती है…

अस्थिरतासांख्यिकीतकनीकी संकेतकबैकटेस्टिंग
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 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 मार्च 16, 2020 के बाज़ार क्रैश के दौरान AAPL के टिक-स्तर के AlgoSeek ट्रेड और कोट डेटा की जाँच करती है। यह नियमित ट्रेडिंग घंटों तक डेटा सीमित करती है, ट्रेड प्रिंट को NBBO अपडेट से अलग करती है और इंट्राडे गतिविधि, स्प्रेड, ट्रेड के आकार, वेन्यू…

इक्विटीबाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनअस्थिरता
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