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

867 दस्तावेज़

Machine Learning for Trading

यह नोटबुक ETF रिटर्न-पूर्वानुमान कार्य में sklearn HistGradientBoosting, XGBoost, LightGBM और CatBoost की तुलना करती है। यह CPU और, जहाँ समर्थित हो, GPU रन में क्रॉस-सेक्शनल सूचना गुणांक, प्रशिक्षण समय और प्रक्रिया मेमोरी मापती है; इसके लिए हल्के, मध्यम और…

मशीन लर्निंगबैकटेस्टिंगसांख्यिकीइक्विटी
Machine Learning for Trading

यह नोटबुक क्रॉस-सेक्शनल शेयर पूर्वानुमानों को लॉन्ग-शॉर्ट पोर्टफ़ोलियो में बदलती है: हर रीबैलेंस पर शेयर रैंक करती है, शीर्ष k खरीदती है और निचले k को शॉर्ट करती है, जिसमें हर पोज़िशन में समान पूँजी लगती है। समान वेटिंग आधाररेखा देती है, जिससे विस्तृत आवंटक…

इक्विटीमशीन लर्निंगबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

नोटबुक वित्तीय ज्ञान ग्राफ़ बनाने के लिए लक्षित S&P 100 10-K और 8-K फ़ाइल डेटा का पूर्वावलोकन करती है। यह स्कीमा की पूर्णता, कंपनी और एक्सेशन कुंजियों की विशिष्टता, फ़ॉर्म की संगति, फ़ाइल वर्ष और दर्ज पाठ लंबाई जाँचती है। वार्षिक रिपोर्ट व्यवसाय विवरण,…

इक्विटीमशीन लर्निंगसांख्यिकीअमेरिकी बाज़ार
Machine Learning for Trading

यह नोटबुक समाप्ति तक S&P 500 ऑप्शन रिटर्न पर वैरिएंस रिस्क प्रीमियम के प्रभाव का डबल मशीन लर्निंग विश्लेषण घोषित करके चलाती है। निष्पादन से पहले यह लक्षित मात्रा, देखे गए समय, भ्रमकारी कारक, समय-आधारित क्रॉस-वैलिडेशन व्यवस्था, सहायक मॉडल, HAC सहप्रसरण…

ऑप्शंसअमेरिकी बाज़ारमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक अनुमान लगाती है कि हस्तक्षेप के अंतर्गत क्रिप्टो परपेचुअल प्रीमियम ज़ेड-स्कोर का अगले आठ घंटे के रिटर्न से संबंध है या नहीं; इसमें कीमत की अस्थिरता, फ़ंडिंग दर और प्रीमियम का हालिया औसत से विचलन समायोजित किया जाता है। डबल मशीन लर्निंग परिणाम और…

क्रिप्टोपरपेचुअल फ़्यूचर्समशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक चुनी गई क्रिप्टो परपेचुअल फ़ंडिंग रणनीति के लिए होल्डआउट पूर्वानुमान बनाने की प्रक्रिया बताती है। यह सत्यापन नतीजों से कॉन्फ़िगरेशन तय करती है, चुने गए चेकपॉइंट को आगे ले जाती है और ऐसे डेटा से नया प्रशिक्षण विनिर्देश बनाती है जो होल्डआउट विंडो से…

क्रिप्टोपरपेचुअल फ़्यूचर्समशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ आगे के इक्विटी रिटर्न और जोखिम-समायोजित रिटर्न का पूर्वानुमान करने के लिए ऑप्शन से निकाले गए फ़ीचरों पर TabM, एक वेट-शेयरिंग न्यूरल एन्सेम्बल, फ़िट करता है। इसके सदस्य अलग-अलग सक्रियण स्केलिंग और आउटपुट हेड के साथ एक साझा दो-परत नेटवर्क इस्तेमाल…

इक्विटीऑप्शंसमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ शोध एजेंटों के लिए बातचीत के प्रतिलेख से अलग एक संरचित स्थिति रिकॉर्ड प्रस्तुत करता है। रिकॉर्ड में प्रश्न और कटऑफ़, जुटाए गए साक्ष्य, अनसुलझे प्रश्न, टूल-कॉल इतिहास, जाँच के नतीजे और संश्लेषण की स्थिति रखी जाती है। साक्ष्य और टूल ट्रेस अलग रखने…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक मुद्रा युग्मों के रिटर्न का पूर्वानुमान करने के लिए रैखिक मॉडल के नियमितीकरण की जाँच करती है। यह इनपुट फ़ीचरों के बीच बहुसहसंबद्धता को परिसंपत्तियों की परस्पर निर्भरता से अलग करती है: मुद्रा युग्मों में अंतर्निहित मुद्राएँ साझा होती हैं, इसलिए उनके…

विदेशी मुद्रामशीन लर्निंगसांख्यिकीफ़ैक्टर निवेश
Machine Learning for Trading

यह नोटबुक ETF शोध के लिए फ़ीचर-चयन कार्यप्रवाह प्रस्तुत करती है, जिसका उद्देश्य बाद के मॉडलिंग के लिए कई संभावित फ़ीचर निर्माणों और लुकबैक विकल्पों में से एक छोटा समूह चुनना है। यह फ़ीचर और फ़ॉरवर्ड रिटर्न के बीच क्रॉस-सेक्शनल स्पीयरमैन सूचना गुणांक निकालती…

मशीन लर्निंगसांख्यिकीफ़ैक्टर निवेशबैकटेस्टिंग
Machine Learning for Trading

दस्तावेज़ NASDAQ-100 के एक-मिनट के फ़ीचर से कई अवधियों के फ़ॉरवर्ड रिटर्न का पूर्वानुमान करने हेतु सरल रैखिक अनुक्रम मॉडल फिट करने की विधि बताता है। हर इनपुट में एक स्टॉक का पिछला घंटा शामिल है, जिसे नवीनतम अवलोकन से हुए बदलाव के रूप में व्यक्त किया गया है;…

इक्विटीमशीन लर्निंगबाज़ार की सूक्ष्म संरचनाबैकटेस्टिंग
Machine Learning for Trading

दस्तावेज़ मशीन लर्निंग ट्रेडिंग शोध कार्यप्रवाह प्रस्तुत करता है, जो डेटा और फ़ीचर निर्माण से मॉडल प्रशिक्षण, बैकटेस्टिंग, लेनदेन लागत, पोर्टफ़ोलियो और जोखिम निर्णय, परिनियोजन तथा निगरानी तक विचारों को आगे बढ़ाता है। इसमें खोजपरक समायोजन और अंतिम मूल्यांकन…

मशीन लर्निंगबैकटेस्टिंगजोखिम प्रबंधनपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक GJR-GARCH(1,1) मॉडल से S&P 500 शेयरों के लिए मॉडल-आधारित सशर्त अस्थिरता फ़ीचर बनाती है, फिर वास्तविक अस्थिरता के मुकाबले मापे गए ऑप्शन-निहित अस्थिरता स्प्रेड की तुलना मॉडल पूर्वानुमान के मुकाबले मापे गए स्प्रेड से करती है। अनुमानित पैरामीटर में…

इक्विटीऑप्शंसअस्थिरतामशीन लर्निंग
Machine Learning for Trading

यह CME फ़्यूचर्स अध्ययन कई प्रशिक्षण चेकपॉइंट पर पूर्वानुमान दर्ज करते हुए ग्रेडिएंट-बूस्टिंग ट्री की क्षमता और लॉस फ़ंक्शन बदलता है। ट्री लीफ़ की संख्या नियंत्रित करती है कि मॉडल फ़ीचर स्पेस को कितनी बारीकी से बाँटता है, जबकि स्क्वेयर्ड, एब्सोल्यूट और…

फ़्यूचर्समशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक अध्ययन करती है कि रिज रेग्युलराइज़ेशन के विकल्प ETF पैनल पर सूचना गुणांक को कैसे प्रभावित करते हैं और हाइपरपैरामीटर खोज रिपोर्ट किए गए प्रदर्शन को कैसे बढ़ा-चढ़ाकर दिखा सकती है। पहले यह वॉक-फ़ॉरवर्ड फ़ोल्ड में अल्फ़ा ग्रिड के विस्तृत दायरे का…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट एनालिसिस (IPCA) बताती है, जो हर ETF के फ़ैक्टर एक्सपोज़र को उस फ़ंड के देखे गए फ़ीचर मानों का साझा रैखिक फलन मानती है। अल्टरनेटिंग लीस्ट स्क्वेयर फ़ंड और तारीख के अवलोकनों पर फ़ीचर-से-एक्सपोज़र मैप तथा फ़ैक्टर…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक एक स्वायत्त शोध कार्यप्रवाह प्रस्तुत करती है, जिसमें भाषा मॉडल फ़ाइलें देखने, कमांड चलाने, बैकटेस्ट रजिस्टर से पूछताछ करने और डेटा जाँचने के लिए सामान्य प्रयोजन के टूल उपयोग करता है। शोध की कार्रवाइयाँ पहले से कोड करने के बजाय, ऑपरेटर आवश्यकता के…

मशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक स्टॉक रिटर्न के पैनल पर PCA लैटेंट-फ़ैक्टर मॉडल फिट करती है, जिसमें ऑप्शन-सर्फ़ेस फ़ीचर, विशेषताएँ या लक्ष्य संबंधी जानकारी उपयोग नहीं होती। PCA ऐतिहासिक क्रॉस-सेक्शनल सह-गति की प्रमुख दिशाएँ निकालता है, हर स्टॉक का एक्सपोज़र अनुमानित करता है और…

इक्विटीऑप्शंसमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह साझा फ़ीचर-इंजीनियरिंग मॉड्यूल कई केस स्टडी में उपयोग किए गए वित्तीय प्रेडिक्टर के निर्माण नियम और ऑडिट निर्धारित करता है। इसमें हर फ़ीचर परिवार की परिकल्पना, इनपुट, रोलिंग लुकबैक, सूचना लैग, भूमिका और संभावित विफलता का तरीका दर्ज है। रजिस्टर को वास्तविक…

तकनीकी संकेतकसांख्यिकीमशीन लर्निंग
Machine Learning for Trading

यह विश्लेषण लेखांकन और बाज़ार विशेषताओं का उपयोग करके मासिक क्रॉस-सेक्शनल US स्टॉक रिटर्न के लिए सीखे गए संकेतों की तुलना करता है; लक्ष्य अगले महीने का रिटर्न है। इसमें रैखिक मॉडल, बूस्टेड ट्री, डीप टैबुलर विधियाँ, अव्यक्त-फैक्टर अनुमानक और कारणात्मक…

इक्विटीअमेरिकी बाज़ारमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह अध्याय वित्तीय शोध कार्यों के लिए एजेंट-आधारित कार्यप्रवाह प्रस्तुत करता है, जहाँ असमान साक्ष्य जुटाना, छाँटना और संश्लेषित करना मुख्य चुनौती है। यह इन कार्यप्रवाहों की तुलना उन पारंपरिक मॉडलों से करता है जो स्थिर, संरचित इनपुट पर अच्छा काम करते हैं, और…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधनबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक क्रॉस-सेक्शनल US फर्म-विशेषता अध्ययन के लिए मासिक रिटर्न लेबल परिभाषित और सत्यापित करती है। यह जाँचती है कि डेटा प्रदाता हर पंक्ति की विशेषताओं को रिटर्न परिणाम से कैसे जोड़ता है और इस बात पर ज़ोर देती है कि पैनल पहले से संरेखित है, इसलिए उसे फिर…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक एक संपूर्ण पोर्टफोलियो आवंटक बनाती है, जो LSTM से पहले Temporal Fusion Transformer-शैली का वेरिएबल-सेलेक्शन नेटवर्क रखती है। अलग-अलग गेटेड रेज़िडुअल नेटवर्क व्यक्तिगत फ़ीचर का एम्बेडिंग बनाते हैं, और सीखे गए सॉफ़्ट वेट अनुक्रम एनकोडर द्वारा…

मशीन लर्निंगपोर्टफोलियो निर्माणपोज़िशन का आकार तय करनाअस्थिरता
Machine Learning for Trading

यह नोटबुक बताती है कि वित्तीय मॉडलों का मूल्यांकन इस तरह कैसे करें कि निर्णय की तारीख पर अनुपलब्ध जानकारी प्रशिक्षण या मॉडल चयन में लीक न हो। यह प्रशिक्षण, सत्यापन और अंतिम होल्डआउट सेट में अंतर करती है तथा बताती है कि समय-श्रृंखला के लिए बेतरतीब ढंग से शफ़ल…

बैकटेस्टिंगमशीन लर्निंगसांख्यिकीजोखिम प्रबंधन