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

348 दस्तावेज़

Machine Learning for Trading

यह नोटबुक CME फ़्यूचर्स पर मॉडल पूर्वानुमानों के मूल्यांकन के लिए सिग्नल-चरण का आधार स्थापित करती है। हर साप्ताहिक निर्णय पर यह अनुमानित रिटर्न के अनुसार उत्पादों की रैंकिंग करती है, शीर्ष समूह को खरीदती है, निचले समूह को शॉर्ट करती है और हर पोज़िशन को समान…

फ़्यूचर्सबैकटेस्टिंगपोर्टफोलियो निर्माणऑर्डर निष्पादन
Machine Learning for Trading

यह कॉन्फ़िगरेशन केवल-लॉन्ग ETF रैंकिंग और रीबैलेंसिंग प्रयोग निर्धारित करता है। यह इक्विटी, बॉन्ड, कमोडिटी और क्षेत्रीय एक्सपोज़र वाले व्यापक 100-ETF यूनिवर्स को परिभाषित करता है; निर्णय मासिक और निष्पादन अगले ओपन पर होता है। मुख्य लेबल 21-दिन के प्रतिफल का…

इक्विटीबहु-एसेटबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक संस्थागत इक्विटी होल्डिंग्स पर Word2Vec स्किप-ग्राम लागू करती है। इसमें हर संस्था के पोर्टफोलियो को एक वाक्य, शेयर पहचानकर्ताओं को टोकन और रिपोर्ट किए गए होल्डिंग मूल्य के क्रम में स्थितियों को शब्द-क्रम माना जाता है। समान पोर्टफोलियो संदर्भों में…

इक्विटीमशीन लर्निंगपोर्टफोलियो निर्माणसांख्यिकी
Machine Learning for Trading

यह नोटबुक जाँचती है कि मॉडल-आधारित पोज़िशन आकार निर्धारण US फ़र्म-विशेषता रणनीति में समान भार से बेहतर है या नहीं। यह स्कोर भारण की तुलना कॉन्फ़ॉर्मल भारण से करती है: स्कोर भारण में अधिक अनुमानित स्कोर वाले नामों को बड़ा आवंटन मिलता है, जबकि कॉन्फ़ॉर्मल भारण…

इक्विटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माणबैकटेस्टिंग
Machine Learning for Trading

यह साझा विश्लेषण यूटिलिटी रजिस्ट्री मेट्रिक्स और पूर्वानुमान-स्तरीय निदान के ज़रिए ट्रेडिंग-मॉडल पूर्वानुमानों की तुलना में मदद करती है। यह पहले से गणना किए गए सूचना गुणांक परिणाम लोड करती है, चाहे तो लेबल या मॉडल परिवार के अनुसार फ़िल्टर करती है, और…

सांख्यिकीबैकटेस्टिंगमशीन लर्निंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह दस्तावेज़ CME फ़्यूचर्स पर मॉडल पूर्वानुमानों के लिए सत्यापन आधार मॉडल समझाता है। हर साप्ताहिक निर्णय पर उत्पादों को अनुमानित रिटर्न के अनुसार रैंक किया जाता है; शीर्ष समूह को लॉन्ग और निचले समूह को शॉर्ट रखा जाता है, और हर पक्ष में समान भार होता है। हर…

फ़्यूचर्सबैकटेस्टिंगपोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक बताती है कि challenger मॉडल को पूँजी देने से पहले shadow mode में कैसे परखा जाए। यह स्थिर incumbent और उम्मीदवार के संग्रहित पूर्वानुमानों की तुलना करती है, समान-भार वाली ranked long-short book बनाती है, दोनों पर एक ही transaction-cost नियम लागू…

मशीन लर्निंगजोखिम प्रबंधनबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक दैनिक पोर्टफ़ोलियो रिटर्न और मिलान किए गए SPY benchmark से ETF allocation बैकटेस्ट का आकलन करने का ढाँचा देती है। इसमें Sharpe, Sortino, Calmar और अधिकतम ड्रॉडाउन जैसे जोखिम और रिटर्न माप; rolling माप; ड्रॉडाउन से उबरना; benchmark के सापेक्ष alpha,…

बैकटेस्टिंगपोर्टफोलियो निर्माणजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

यह नोटबुक S&P 500 की उस विकल्प रणनीति के पोर्टफ़ोलियो भार नियमों की तुलना करती है जो straddle बेचती है। चुने गए प्रतीक और रणनीति की अन्य सेटिंग स्थिर रखकर समान-भार baseline को ऐसे allocator से बदला जाता है जो या तो मॉडल पूर्वानुमानों या underlying-return…

ऑप्शंसइक्विटीपोर्टफोलियो निर्माणपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक जोखिम-प्रीमियम PCA समझाती है, जो प्रशिक्षण अवधि के औसत रिटर्न का भारित बाहरी गुणनफल जोड़कर रिटर्न सहप्रसरण मैट्रिक्स बदलती है। इसके प्रमुख आइगेनवेक्टर स्थिर फ़ैक्टर पोर्टफ़ोलियो परिभाषित करते हैं; भार बढ़ाने से फ़ैक्टर औसत रिटर्न समझाने वाली दिशाओं…

फ़ैक्टर निवेशसांख्यिकीपोर्टफोलियो निर्माणबैकटेस्टिंग
Machine Learning for Trading

यह उपयोगिता रणनीति रिटर्न को Fama–French तीन-फ़ैक्टर या पाँच-फ़ैक्टर मॉडल से, वैकल्पिक रूप से मोमेंटम शामिल करके, समझाने की विधि बताती है। यह दैनिक फ़ैक्टर डेटा को रणनीति रिटर्न से संरेखित करती है, रिटर्न आवृत्ति पहचानती है और जब रणनीति दैनिक से कम बार देखी…

फ़ैक्टर निवेशसांख्यिकीजोखिम प्रबंधनपोर्टफोलियो निर्माण
Machine Learning for Trading

यह दस्तावेज़ मॉडल प्रशिक्षण और रोलिंग अनुमान के लिए समय-श्रृंखला पैनल तैयार करने वाली डेटासेट उपयोगिताओं का वर्णन करता है। प्रशिक्षण डेटासेट विन्यस्त अनुक्रम लंबाई, तारीख सीमाओं और स्ट्राइड के अनुसार विशेषताओं, आगे के रिटर्न, अस्थिरता पैमाने और मास्क के…

मशीन लर्निंगबैकटेस्टिंगपोर्टफोलियो निर्माणऑर्डर निष्पादन
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 प्रकाशित फ़ैक्टर रिटर्न का संभावित पोर्टफ़ोलियो घटकों के रूप में मूल्यांकन करती है। यह तीन प्रश्न अलग करती है: क्या किसी फ़ैक्टर का औसत रिटर्न कठोर सांख्यिकीय कसौटी पार करता है, क्या फ़ैक्टर ऐसे कारणों से एक-दूसरे का विविधीकरण करते हैं जो टिक सकते…

फ़ैक्टर निवेशसांख्यिकीपोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक केस स्टडी बैकटेस्ट में जोखिम ओवरले की तुलना करती है, जिनमें स्टॉप, ट्रेलिंग स्टॉप, हानि-सीमा, ड्रॉडाउन-ब्रेकर और अस्थिरता-लक्ष्य नियम शामिल हैं। यह हर अध्ययन के ओवरले परिणाम लोड करती है, जहाँ उपलब्ध हो वहाँ आवंटन-चरण के बैकटेस्ट से आधाररेखा चुनती…

जोखिम प्रबंधनबैकटेस्टिंगपोर्टफोलियो निर्माणसांख्यिकी
Machine Learning for Trading

यह नोटबुक ETF रैंकिंग संकेतों को पोर्टफोलियो निर्माण और सरलीकृत बैकटेस्ट तक ले जाती है। रिज रिग्रेशन और लॉजिस्टिक वर्गीकरण को वॉक-फ़ॉरवर्ड विभाजनों से प्रशिक्षित करके मोमेंटम और समान-वज़न पोर्टफोलियो से तुलना की जाती है। मासिक रीबैलेंसिंग पर सक्रिय संकेत…

इक्विटीमशीन लर्निंगबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक दिखाती है कि अनुमान अवधि के सहसंबंध नेटवर्क से इक्विटी यूनिवर्स का वर्णन और नेटवर्क-विविधीकृत पोर्टफोलियो कैसे बनाया जाए। यह मूल्यांकन से पहले उपलब्ध डेटा का उपयोग करके तरल सिंबल चुनती है, रिटर्न सहसंबंधों को दूरियों में बदलती है और न्यूनतम…

इक्विटीपोर्टफोलियो निर्माणसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक एक LSTM आवंटक बनाती है, जो ETF रिटर्न और रोलिंग अस्थिरता विशेषताओं के अनुक्रम को सीधे केवल लॉन्ग पोर्टफोलियो वज़नों में बदलता है। सॉफ़्टमैक्स आउटपुट वज़नों को गैर-ऋणात्मक रखता है और निवेश को पूरी तरह आवंटित करता है। रिटर्न का पूर्वानुमान करके उसे…

मशीन लर्निंगपोर्टफोलियो निर्माणबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक साझा ETF रिटर्न पैनल पर पोर्टफ़ोलियो आवंटक फ़िट करके और बाद के अवलोकनों पर उनके स्थिर वज़नों का मूल्यांकन करके PyPortfolioOpt, Riskfolio-Lib और skfolio की तुलना करती है। इसमें माध्य-जोखिम, टेल-जोखिम, हायरार्किकल रिस्क पैरिटी और दंडित आवंटन शामिल…

पोर्टफोलियो निर्माणबैकटेस्टिंगजोखिम प्रबंधनऑर्डर निष्पादन
Machine Learning for Trading

यह साझा आवंटन मॉड्यूल क्रॉस-सेक्शनल पूर्वानुमानों को पोर्टफ़ोलियो वज़न में बदलता है। यह लॉन्ग पोज़िशन या लॉन्ग-शॉर्ट पोर्टफ़ोलियो के शीर्ष और निचले समूह चुनने के लिए स्कोर के आधार पर परिसंपत्तियों की रैंकिंग करता है। पोज़िशन वज़न कन्फ़ॉर्मल पूर्वानुमान…

पोर्टफोलियो निर्माणपोज़िशन का आकार तय करनाजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

दस्तावेज़ गुप्त फ़ैक्टरों को साझा रिटर्न चालक के रूप में प्रस्तुत करता है, जिनका अनुमान नामित पूर्वानुमानकर्ताओं के बजाय फ़्यूचर्स के सह-गमन से लगाया जाता है। यह हर प्रशिक्षण फ़ोल्ड के भीतर फ़िट किए गए दो तरीकों की तुलना करता है। प्रधान घटक विश्लेषण (PCA)…

फ़्यूचर्सफ़ैक्टर निवेशमशीन लर्निंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक एक मासिक ETF मोमेंटम और यील्ड-कर्व व्यवस्था रणनीति को दो तरीकों से लागू करती है: वेक्टराइज़्ड रिटर्न गणित और क्रमिक खाता सिमुलेशन। दोनों समान लक्ष्य वेट, परिसंपत्ति, तारीख़ और कुल ट्रेडिंग लागत उपयोग करते हैं, जिससे तुलना निष्पादन के चुनावों पर…

इक्विटीमोमेंटमबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक पूर्वानुमान, संकेंद्रण और आवंटन नियम स्थिर रखते हुए दो लागत ग्रिड में अग्रणी ETF आवंटन कॉन्फ़िगरेशन का पुनर्मूल्य निर्धारण करती है। यह केस अध्ययन के प्रति-शेयर कमीशन और आधे-स्प्रेड मॉडल की तुलना बेसिस-पॉइंट ग्रिड से करती है। पहला मॉडल दिखाता है कि…

इक्विटीऑर्डर निष्पादनबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक जाँचती है कि क्या पोर्टफ़ोलियो निर्माण लागत से हारी हर-बार NASDAQ-100 रणनीति को बचा सकता है। यह घोषित चयन यूनिवर्स का उपयोग करके आधारभूत पूर्वानुमानों में अग्रणी विकल्प चुनती है, फिर पूरे यूनिवर्स पर आवंटन की तुलना करती है। यह होल्डिंग की संख्या…

इक्विटीपोर्टफोलियो निर्माणपोज़िशन का आकार तय करनाऑर्डर निष्पादन