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 विश्लेषण जाँचता है कि चुने गए ट्रेडिंग संकेत कितने विश्वसनीय दिखते हैं; इसके लिए सूचना गुणांक (IC) साक्ष्य की तुलना उन शार्प अनुपातों से करता है जो पूर्वानुमानों को पोज़िशनों में बदलने के बाद मिलते हैं। यह परिसंपत्ति वर्गों में मॉडल परिवार के परिणाम एकत्र…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक पहले से चलाए गए वॉक-फ़ॉरवर्ड परिणामों को समेकित करके केस स्टडी में LSTM, NLinear, TSMixer, TCN और PatchTST की तुलना करती है। इसमें रैखिक, ग्रेडिएंट-बूस्टेड और TabM आधाररेखाएँ भी शामिल हैं। यह HAC विश्वास अंतरालों के साथ औसत दैनिक स्पीयरमैन सूचना…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह खोजपरक नोटबुक उत्पादों और परिसंपत्ति वर्गों में प्रति घंटा CME फ़्यूचर्स डेटा का परिचय देती है और उदाहरण के लिए E-mini S&P 500 का उपयोग करती है। यह उत्पाद से समाप्ति-तिथि वाले अनुबंध और निरंतर श्रृंखला तक की संरचना समझाती है, कवरेज विंडो का सार देती है और…

फ़्यूचर्ससांख्यिकीबैकटेस्टिंगबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

नोटबुक वित्तीय नॉलेज ग्राफ़ के इनपुट के रूप में रखी गई S&P 100 10-K और 8-K फ़ाइलिंग का पूर्वावलोकन करती है। इसमें आवश्यक फ़ील्ड, अद्वितीय कंपनी और एक्सेसन कुंजियाँ, एकसमान फ़ॉर्म लेबल, वर्ष-संरेखण और पाठ-लंबाई मेटाडेटा की स्कीमा जाँचें बताई गई हैं। वार्षिक…

इक्विटीमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ रजिस्ट्री में संग्रहीत बैकटेस्ट परिणामों की जाँच के लिए पाठक-केंद्रित इंटरफ़ेस बताता है। यह रन की संख्या का सार, विनिर्देशों और अलग-अलग रन का निरीक्षण, परिणामों की रैंकिंग, आवंटन विधियों की तुलना, संकेंद्रण वक्र देखना और रणनीति की प्रगति का पता…

बैकटेस्टिंगसांख्यिकीपोर्टफोलियो निर्माणमशीन लर्निंग
Machine Learning for Trading

यह नोटबुक नॉलेज ग्राफ़ से टाइमस्टैम्प वाले वित्तीय घटना किनारों का विश्लेषण करती है और इनमें अंतर करती है कि घटना कब हुई, वह कब सार्वजनिक हुई और निष्कर्षण पाइपलाइन ने किनारा कब बनाया। यह प्रकटीकरण और निष्कर्षण में देरी की गणना करती है, सार्वजनिक-प्रकटीकरण…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगघटना आधारित
Machine Learning for Trading

यह अध्याय समीक्षा बैकटेस्टिंग से पहले ट्रेडिंग रणनीतियाँ परिभाषित करने की परिकल्पना-आधारित प्रक्रिया बताती है। यह दर्ज डेटा धारणाओं और अपरिवर्तनीय कॉन्फ़िगरेशन को खोजपरक विश्लेषण, इवेंट स्टडीज़ और संरचित रणनीति टर्म शीट से जोड़ती है। प्रस्तावित टर्म शीट में…

मोमेंटमऔसत की ओर वापसीसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक क्रिप्टो परपेचुअल बाज़ारों के समूह के प्रति घंटा रिटर्न पर एक सामान्य ऑटोएन्कोडर को प्रशिक्षित करती है। रिटर्न को प्रशिक्षण अवधि का उपयोग करके मानकीकृत किया जाता है और न्यूरल नेटवर्क बहु-परिसंपत्ति इनपुट को पुनर्निर्मित करने से पहले उसे दो-आयामी…

क्रिप्टोमशीन लर्निंगसांख्यिकीअस्थिरता
Machine Learning for Trading

यह दस्तावेज़ केस स्टडीज़ में मॉडल कॉन्फ़िगरेशन की तुलना के लिए साझा विश्लेषण कार्यप्रवाह बताता है। पहले हर केस स्टडी के लिए एक कॉन्फ़िगरेशन चुना जाता है, फिर उसी चयन से फ़ोल्ड-स्तरीय और विभिन्न अध्ययनों के सार निकाले जाते हैं, ताकि बाद के विश्लेषणों में…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह विश्लेषण NASDAQ लिमिट ऑर्डर के जीवनचक्र को ITCH संदेशों से पुनर्निर्मित करता है और ऑर्डर जमा होने से लेकर पहली रद्दीकरण-संबंधी घटना या निष्पादन तक उनका अनुसरण करता है। यह जोड़ने, हटाने, आंशिक रद्दीकरण, प्रतिस्थापन और निष्पादन में अंतर करता है, फिर…

बाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनइक्विटीसांख्यिकी
Machine Learning for Trading

यह नोटबुक क्रिप्टो परपेचुअल अनुबंधों के निश्चित पैनल के लिए आगे के मूल्य-रिटर्न लेबल परिभाषित करती है और बताती है कि लेबल निर्माण बाद के हर मॉडल और बैकटेस्ट को कैसे प्रभावित करता है। यह बार-ओपन समय-मुद्राओं को उस समय पर खिसकाती है जब पूर्ण डेटा उपलब्ध होता…

क्रिप्टोपरपेचुअल फ़्यूचर्सबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह स्रोत मॉड्यूल मॉडल पूर्वानुमानों और बैकटेस्ट के प्रयोग रजिस्ट्रियों से कैटलॉग तालिकाएँ बनाता है। यह स्रोत, पहचान, पूर्णता स्थिति, आर्टिफ़ैक्ट उपलब्धता और मेट्रिक्स के लिए आरक्षित फ़ील्ड परिभाषित करता है। कैटलॉग में अलग-अलग प्रश्नों के उत्तर देने वाले कई…

बैकटेस्टिंगसांख्यिकीजोखिम प्रबंधनपोर्टफोलियो निर्माण
Machine Learning for Trading

यह कैपस्टोन बताता है कि बायर स्कोर, लॉग स्कोर, अपेक्षित अंशांकन त्रुटि और तीक्ष्णता से संभाव्यता पूर्वानुमानों का मूल्यांकन कैसे करें, और विश्वसनीयता आरेख कैसे दिखाते हैं कि पूर्वानुमान कहाँ अति-विश्वासी या कम-विश्वासी हैं। इसमें होल्डआउट या लीव-वन-आउट…

सांख्यिकीमशीन लर्निंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक CME वायदा उत्पादों पर LSTM और NLinear क्रम विन्यासों का मूल्यांकन करती है। क्रम मॉडल अवलोकनों की क्रमबद्ध विंडो लेते हैं और जाँचते हैं कि क्या हाल का पथ निर्मित सारांश विशेषताओं से अतिरिक्त जानकारी देता है। LSTM विंडो में बदलती गुप्त स्थिति सीखता…

फ़्यूचर्समशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक वित्तीय पाठ को नकारात्मक, तटस्थ या सकारात्मक वर्गीकृत करने वाले निश्चित FinBERT मॉडल पर टोकन-स्तरीय SHAP लागू करती है। यह चेकपॉइंट के लेबल क्रम को सुरक्षित रखने के लिए मॉडल अनुमान को आवरण में रखती है, फिर चुने हुए आधाररेखा की तुलना में छिपाए गए…

मशीन लर्निंगबाज़ार भावनासांख्यिकी
Machine Learning for Trading

यह नोटबुक ऐतिहासिक गति विशेषताओं से आगे के ETF रिटर्न का पूर्वानुमान लगाने के लिए TSMixer को अनुकूलित करती है। इसकी संरचना समय-अक्ष पर साझा रैखिक रूपांतरण और प्रत्येक तारीख पर अलग से लागू विशेषता MLP के बीच बारी-बारी से काम करती है। पूर्व-सामान्यीकरण और…

मशीन लर्निंगइक्विटीमोमेंटमबैकटेस्टिंग
Machine Learning for Trading

यह रिकॉर्ड बहु-एजेंट प्रक्रिया का दस्तावेज़ है, जो अनुमान लगाती है कि 2026 के अंत तक संयुक्त राज्य मंदी में जाएगा या नहीं। एजेंट आर्थिक संकेतक और पूर्वानुमान खोजते हैं, अलग-अलग संभावनाएँ बनाते हैं, बहस के ज़रिए तर्कों की तुलना करते हैं और अद्यतन संभावना के…

अमेरिकी बाज़ारसांख्यिकीबाज़ार भावना
Machine Learning for Trading

यह नोटबुक बताती है कि अनेक परीक्षणों में से चुने जाने पर रणनीति के देखे गए शार्प अनुपात को समायोजित क्यों करना चाहिए। इसमें डिफ्लेटेड शार्प अनुपात (DSR) प्रस्तुत है, जो चुने गए परिणाम की तुलना ऐसे बेंचमार्क से करता है जो परीक्षण की गई रणनीतियों की संख्या और…

बैकटेस्टिंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक बताती है कि वित्तीय नामित इकाई पहचान के लिए ट्रांसफ़ॉर्मर को कैसे फाइन-ट्यून करें। यह पाठ में संगठनों, लोगों, राशियों, तारीखों और प्रतिशत जैसे अंशों की पहचान करता है। इसमें BIO सीमा लेबल और शब्द-स्तरीय एनोटेशन को ट्रांसफ़ॉर्मर के उपशब्द टोकन से…

मशीन लर्निंगइक्विटीसांख्यिकी
Machine Learning for Trading

यह नोटबुक पर्यवेक्षित ऑटोएनकोडर को दैनिक US इक्विटी के लिए अनुकूलित करती है। मॉडल रैंक किए गए मूल्य और वॉल्यूम गुणों का पुनर्निर्माण करता है, जबकि सहायक और मुख्य वर्गीकरण शीर्ष, साझा गुप्त निरूपण को प्रशिक्षित करके कई आगे की अवधियों में यह अनुमान लगाते हैं…

इक्विटीमशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक दैनिक US इक्विटी OHLCV डेटा के लिए डेटा-गुणवत्ता कार्यप्रवाह दिखाती है। संरचनात्मक जाँचों में रिक्त मान, डुप्लिकेट, कालानुक्रमिक क्रम, मूल्य संगति, ऋणात्मक मान, पुराने मूल्य और अत्यधिक रिटर्न शामिल हैं। इसके बाद यह संरचनात्मक सत्यापन और विसंगति…

इक्विटीसांख्यिकीजोखिम प्रबंधनबाज़ार की सूक्ष्म संरचना
Machine Learning for Trading

यह नोटबुक बाद के मॉडलिंग के लिए ETF विशेषताओं के बड़े समूह को उम्मीदवारों तक सीमित करने की कार्यप्रणाली प्रस्तुत करती है। यह आगे के रिटर्न के विरुद्ध क्रॉस-सेक्शनल स्पीयरमैन सूचना गुणांक के आधार पर विशेषताओं की रैंकिंग करती है; इनकी गणना प्रत्येक तारीख के…

इक्विटीसांख्यिकीमशीन लर्निंगफ़ैक्टर निवेश
Machine Learning for Trading

यह नोटबुक बताती है कि स्टोकेस्टिक डिस्काउंट फ़ैक्टर (SDF) इक्विटी विकल्प सिग्नलों के क्रॉस-सेक्शन का मूल्य कैसे तय करता है। एक्सपोज़र और कारक प्रतिफल का अनुमान लगाने वाले कारक मॉडलों से अलग, SDF दृष्टिकोण एक ऐसे यादृच्छिक चर का अनुमान लगाता है जो परिसंपत्ति…

ऑप्शंसइक्विटीमशीन लर्निंगफ़ैक्टर निवेश
Machine Learning for Trading

यह दस्तावेज़ गुप्त कारकों को शेयरों में प्रतिफल के साझा पैटर्न के रूप में प्रस्तुत करता है; हर शेयर की लोडिंग किसी पैटर्न के प्रति उसका एक्सपोज़र बताती है। यह प्रिंसिपल कंपोनेंट विश्लेषण की तुलना इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट विश्लेषण से करता है: पहला…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंगसांख्यिकी