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…
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
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…
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,…
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…
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…
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…
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…
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…
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…
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…
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;…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…
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…