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…
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
950 दस्तावेज़
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 एक निश्चित FX-पेयर यूनिवर्स के लिए एक, पाँच और 21-सत्र के फ़ॉरवर्ड स्पॉट रिटर्न बनाने की विधि बताती है। पहले यह न्यूयॉर्क रोलओवर कैलेंडर से चार-घंटे की बार को ट्रेडिंग सत्रों में बाँटती है, फिर शिफ़्ट से पहले पंक्तियाँ हटाए बिना रिटर्न बनाती है।…
यह नोटबुक पहले से चुने गए FX रणनीति विनिर्देश को पंजीकृत होल्डआउट पूर्वानुमानों पर चलाती है। इसमें रणनीति के सिग्नल, आवंटन, जोखिम नियंत्रण, रीबैलेंस नियम, लागत और खाता सेटिंग बरकरार रखी जाती हैं; पूर्वानुमान सेट और प्राइस-फ़्रेम पहचान होल्डआउट इनपुट के…
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 चुने गए क्रिप्टो परपेचुअल रणनीति कॉन्फ़िगरेशन पर लागू छह आवंटन विधियों का अध्ययन करती है। रैंकिंग और प्रवेश नियम स्थिर रहते हैं, जबकि हर पोज़िशन को आवंटित पूँजी बदलती है। विधियाँ मॉडल स्कोर, अलग-अलग कॉन्ट्रैक्ट की अस्थिरता, कॉन्ट्रैक्टों के बीच…
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 बताती है कि रिपोर्ट किया गया शार्प अनुपात एक अनिश्चित अनुमान है, रणनीति की गुणवत्ता का निर्णायक माप नहीं। इसमें विश्वास अंतराल और संभाव्य शार्प अनुपात विकसित किए गए हैं। संभाव्य शार्प अनुपात नमूने की अवधि, विषमता और कुर्टोसिस के आधार पर यह अनुमान…
यह नोटबुक US फर्म-विशेषता रणनीतियों के लिए समान वेटिंग की तुलना दो आवंटन नियमों से करती है: स्कोर वेटिंग, जो अधिक मॉडल पूर्वानुमान वाले नामों को अधिक पूँजी देती है; और कॉन्फ़ॉर्मल वेटिंग, जो अधिक चौड़े कैलिब्रेटेड त्रुटि अंतराल वाले पूर्वानुमानों के लिए…
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 ऑडिट वास्तविक रणनीति मामलों में Backtrader और Zipline की तुलना ML4T से करता है। इसमें केवल ऐसे एसेट और अनुबंध संयोजन शामिल हैं जिन्हें हर इंजन और स्थिर डेटा बंडल मूल रूप से निरूपित कर सकते हैं। इसमें दोनों इंजनों के लिए ETF आवंटन और US इक्विटी पैनल, तथा…
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 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…
यह नोटबुक ETF रिटर्न के पैनल में संबंध खोजने के चार तरीकों की तुलना करती है: समकालीन रैखिक DAG के लिए NOTEARS, विलंबित और तात्कालिक संरचना के लिए VAR-LiNGAM, सशर्त-स्वतंत्रता परीक्षणों के लिए PCMCI, और युग्म-आधारित पूर्वानुमान स्क्रीन के रूप में Granger…
यह नोटबुक अध्ययन करती है कि रिज नियमितीकरण सूचना गुणांक (IC) प्रदर्शन को कैसे प्रभावित करता है और हाइपरपैरामीटर खोज रिपोर्ट किए गए सत्यापन परिणामों को कैसे पक्षपाती बना सकती है। पहले यह वॉक-फ़ॉरवर्ड फ़ोल्ड के साथ अल्फ़ा का विस्तृत ग्रिड जाँचती है और हर…
यह नोटबुक इक्विटी और फ़्यूचर्स के लिए कमीशन और स्लिपेज मॉडल की तुलना करती है, फिर देखती है कि कमीशन की मान्यताएँ एक निश्चित ETF मोमेंटम रणनीति को कैसे प्रभावित करती हैं। यह बताती है कि प्रतिशत-आधारित, प्रति-शेयर, न्यूनतम, संयुक्त और स्तरीकृत कमीशन ट्रेड आकार…
यह नोटबुक एक निश्चित ETF यूनिवर्स से बने शीर्ष-रैंक मोमेंटम पोर्टफोलियो के लिए दैनिक, साप्ताहिक, पाक्षिक और मासिक रीबैलेंस की तुलना करती है। यह ऐतिहासिक कीमतों से टर्नओवर और सकल जोखिम-समायोजित प्रदर्शन मापती है, फिर वार्षिक एकतरफ़ा टर्नओवर को अनुमानित…
यह नोटबुक फ़्यूचर्स कैरी—निकटवर्ती एक्सपायरी के बीच मूल्य अंतर—को मॉडल-आधारित फ़ीचर में बदलती है। इसमें हर उत्पाद के लिए एक-स्टेप ARIMA पूर्वानुमान, मौसमी चक्र की ताकत के रोलिंग Fourier माप, और व्यापक कैरी रीजीम का अनुमान लगाने वाला दो-स्थिति वाला हिडन…
यह कॉन्फ़िगरेशन मॉड्यूल प्रत्येक केस स्टडी के लिए बैकटेस्ट स्वीप सेटिंग घोषित करने की रूपरेखा बताता है। यह सेटअप फ़ाइलों से प्रवेश योजनाएँ, आवंटन विधियाँ, ट्रेडिंग लागत ग्रिड और जोखिम नियंत्रण पढ़ता है; आवश्यक कॉन्फ़िगरेशन न होने पर स्पष्ट त्रुटियाँ देता है।…
नोटबुक BTC पर लॉन्ग-ओनली RSI मीन-रिवर्ज़न रणनीति के लिए रिपोर्टिंग विधि प्रस्तुत करती है। यह सकल और शुद्ध प्रदर्शन की तुलना करती है, फिर उन्हीं ट्रेडिंग तारीखों, एक्सपोज़र, निष्पादन इंजन, फ़िल टाइमिंग और लेनदेन लागत का उपयोग करके रणनीति को बाय-एंड-होल्ड…
यह दस्तावेज़ सारणीबद्ध फ़ीचर से ETF रैंक करने वाले TabM न्यूरल नेटवर्क को समझाता है। इसका साझा दो-स्तरीय बैकबोन कई सदस्यों को इनपुट देता है; हर सदस्य का सीखा हुआ स्केलिंग वेक्टर और आउटपुट परत है। उनके पूर्वानुमानों का औसत प्रारंभिककरण शोर घटाने का लक्ष्य…
अध्याय का यह अवलोकन बताता है कि वित्तीय सारणीबद्ध पूर्वानुमान के लिए ग्रेडिएंट-बूस्टेड ट्री, निर्णय ट्री और रैंडम फ़ॉरेस्ट पर कैसे आगे बढ़ते हैं। बूस्टिंग पहले की त्रुटियाँ सुधारने के लिए क्रमशः लर्नर जोड़ता है, जिससे उन गैर-रैखिक संबंधों और सीमा प्रभावों को…