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।
755 दस्तावेज़
यह नोटबुक स्थिर वैलिडेशन उम्मीदवार सेट से चुने गए FX पेयर्स कॉन्फ़िगरेशन को फिर बनाती है, फिर उसके वैलिडेशन और होल्डआउट साक्ष्य का आकलन करती है। चयन में पात्र वैलिडेशन Sharpe का उच्चतम मान लिया जाता है और बराबरी पर बैकटेस्ट पहचान का नियतात्मक टाई-ब्रेकर लागू…
यह साझा यूटिलिटी मॉड्यूल टाइम-सीरीज़ डबल मशीन लर्निंग (DML) के साथ ट्रेडिंग डेटा के कारणात्मक विश्लेषण में सहायता करता है। इसमें बताए गए टूल में एम्बार्गो के साथ वॉक-फ़ॉरवर्ड आकलन, नुइसेंस मॉडल और खंडन-जाँच शामिल हैं। ब्लॉक परम्यूटेशन प्लेसीबो परीक्षणों में…
यह नोटबुक एक LSTM आवंटक बनाती है, जो हाल के ETF रिटर्न और अस्थिरता फ़ीचर को सीधे लॉन्ग-ओनली पोर्टफ़ोलियो वेट में बदलता है। Softmax आउटपुट वेट को गैर-ऋणात्मक और पूरी तरह निवेशित रखता है, जबकि अवकलनीय Sharpe-अनुपात उद्देश्य नेटवर्क को अलग रिटर्न-पूर्वानुमान…
यह नोटबुक एक से तीस वर्ष तक की अवधि वाले आठ ट्रेज़री स्थिर-अवधि यील्ड में बदलावों पर प्रिंसिपल कंपोनेंट विश्लेषण लागू करती है। यह बिना यील्ड बदलाव वाली फ़ॉरवर्ड-फ़िल्ड कैलेंडर पंक्तियाँ हटाती है और PCA से पहले शेष अवलोकनों को मानकीकृत करती है, ताकि हर…
यह विश्लेषण क्रिप्टो परपेचुअल-फ़्यूचर्स के उम्मीदवारों के स्थिर समूह से एक कॉन्फ़िगरेशन चुनता है, जिसमें पूर्वानुमान के चार लेबल और रणनीति के कई चरण शामिल हैं। यह सबसे ऊँचा सत्यापन शार्प चुनता है और लेबल, विभाजन तथा निष्पादन विवरण को तुलनीय उम्मीदवार की…
यह नोटबुक डबल मशीन लर्निंग से अनुमान लगाती है कि क्या फ़्यूचर्स कैरी, अस्थिरता, मोमेंटम और क्रॉस-सेक्शनल कैरी रैंक से स्वतंत्र होकर बाद के रिटर्न का पूर्वानुमान करता है। लचीले मॉडल और क्रॉस-फ़िटिंग से यह कैरी तथा रिटर्न, दोनों को इन गड़बड़ी कारकों के सापेक्ष…
यह नोटबुक DeePM का वर्णन करती है, जो बदलती बाज़ार स्थितियों में प्रदर्शन सुधारने के लिए बनाई गई शुरू से अंत तक की ETF पोर्टफ़ोलियो नीति है। इसके घटकों में अस्थिरता-सामान्यीकृत रिटर्न और ट्रेंड फ़ीचर, LSTM-आधारित मॉडल, चर चयन, कंडीशनिंग परतें और…
यह नोटबुक देखे गए मूल्य पथों से ट्रिपल-बैरियर चौड़ाई तय करने के लिए अधिकतम अनुकूल और प्रतिकूल उतार-चढ़ाव का विश्लेषण करती है। बार के बंद भाव पर लॉन्ग एंट्री के लिए, यह आगे की होल्डिंग अवधि में सबसे ऊँचा उच्च और सबसे नीचा निम्न मापती है; शॉर्ट पोज़िशन में…
दस्तावेज़ बताता है कि चार बाज़ार-प्रभाव मॉडल किसी ऑर्डर से जुड़े प्रति शेयर प्रतिकूल भाव बदलाव का अनुमान कैसे लगाते हैं: कोई प्रभाव नहीं, रैखिक प्रभाव, वर्गमूल प्रभाव और विन्यास योग्य घात नियम। यह चिह्न परंपरा, भागीदारी, अस्थिरता तथा मॉडल गुणांकों की…
यह नोटबुक जाँचती है कि समान संकेतों के बावजूद दो बैकटेस्टिंग इंजन अलग परिणाम क्यों दे सकते हैं। यह रणनीति और ट्रेड किए जा सकने वाले समुच्चय को स्थिर रखती है, पूर्वानुमान बराबर होने पर पोर्टफोलियो भारों को नियतात्मक बनाती है और निष्पादन सेटिंग जैसे भिन्नात्मक…
यह अध्याय बैकटेस्ट को संकेत के समय, निष्पादन, रीबैलेंसिंग, आकार निर्धारण, लागत, बाधाओं और मानकों के बारे में स्पष्ट धारणाओं से रणनीति को गलत साबित करने का प्रयास मानता है। यह अवस्था, ऑर्डर क्रम, नकदी और फ़िल के संचालन के आधार पर वेक्टरकृत तथा घटना-चालित…
यह स्रोत अपरिवर्तनीय प्रशिक्षण विनिर्देश से मॉडल अनुरोध का पुनर्निर्माण करने और परिणामस्वरूप रन को सत्यापित करने के सुरक्षा उपाय बताता है। यह जाँचता है कि अनुरोध समर्थित पहचान संस्करण, मानक निष्पादन स्तर, मेल खाते मॉडल परिवार और अध्ययन तथा अपरिवर्तित…
नोटबुक बताती है कि Kalshi के द्विआधारी Federal Reserve दर अनुबंधों को संभावनाओं के रूप में कैसे पढ़ें और दर सीमाओं की सीढ़ी से निहित वितरण कैसे बनाएँ। यह ज़ोर देती है कि फ़ीड में YES बोलियाँ हैं, इसलिए स्प्रेड से प्रभावित भाव निचली सीमाएँ हैं; थ्रेशोल्ड क्रम…
यह व्यवहार्यता विश्लेषण जाँचता है कि डेटा और धारणाएँ ऐसी साप्ताहिक रणनीति का समर्थन कर सकते हैं या नहीं, जो S&P 500 शेयरों को एट-द-मनी निहित अस्थिरता से क्रमबद्ध करके अग्रणी शेयर खरीदती है। संकेत विकल्प देते हैं, लेकिन पोज़िशन इक्विटी में रखी जाती हैं।…
यह अध्याय बताता है कि हर निर्णय समय पर उपलब्ध जानकारी का सम्मान करते हुए वित्तीय मशीन-लर्निंग मॉडल का मूल्यांकन कैसे करें। यह प्रशिक्षण, सत्यापन और अंतिम होल्डआउट में अंतर स्पष्ट करता है और समझाता है कि बेतरतीब ढंग से शफ़ल किया गया k-फ़ोल्ड सत्यापन अतीत का…
यह नोटबुक कई ट्रेडिंग केस स्टडी की रजिस्ट्रियों से जानकारी लेकर संकेत, आवंटन, लागत और जोखिम की तुलना के लिए डेटासेट-पार सारणियाँ बनाती है। यह सत्यापन-रैंक वाले विन्यास समूह के निदान बताती है, जिनमें शीर्ष से दसवें शार्प तक का अंतर, फोल्ड-स्तरीय व्यवहार और…
यह समापन नोटबुक विविधीकृत ETF समुच्चय पर समान भार, उलटी अस्थिरता, माध्य-विचरण अनुकूलन और पदानुक्रमित जोखिम समता की तुलना करती है। रोलिंग Ridge मॉडल संवेग, मूविंग एवरेज से दूरी और अस्थिरता विशेषताओं का उपयोग कर आगे के प्रतिफल का अनुमान लगाता है और ETF में…
यह नोटबुक प्रत्येक केस स्टडी के चुने हुए संकेत को स्थिर रखकर पोर्टफोलियो आवंटन को अलग से देखती है और आवंटन चरण के बैकटेस्ट की तुलना करती है। इसमें समान भार, उलटी अस्थिरता, स्कोर भारांकन, माध्य-विचरण अनुकूलन, जोखिम समता और पदानुक्रमित जोखिम समता जैसी विधियाँ…
यह नोटबुक हर केस स्टडी के चुने हुए संकेत पूर्वानुमान को स्थिर रखते हुए पोर्टफ़ोलियो आवंटन विधियों की तुलना करती है। यह उसी स्पाइन पूर्वानुमान से जुड़े आवंटन-चरण के बैकटेस्ट लोड करती है और फिर समान भार, उलटी वोलैटिलिटी, मीन-वैरिएंस ऑप्टिमाइज़ेशन, जोखिम समता,…
यह नोटबुक जाँचती है कि रीबैलेंसिंग की आवृत्ति ETF के शीर्ष-रैंक मोमेंटम पोर्टफ़ोलियो के टर्नओवर, सकल प्रदर्शन और लागत-समायोजित परिणामों को कैसे प्रभावित करती है। यह दैनिक, साप्ताहिक, पाक्षिक और मासिक कार्यक्रमों में ऐतिहासिक लक्ष्य-भार बदलाव से टर्नओवर का…
यह नोटबुक हारने वाले ट्रेडों को उनके निर्णयों से जुड़ी मॉडल व्याख्याओं से जोड़ने का वर्कफ़्लो दिखाती है। यह मूल्य और मैक्रोइकॉनॉमिक डेटा से एकल-एसेट SPY फ़ीचर पैनल बनाती है, पहले के अवलोकनों पर LightGBM मॉडल प्रशिक्षित करती है और बाद के अवलोकनों से ट्रेड…
यह डेमो Alpaca के USD स्पॉट बाज़ार से जुड़ा हमेशा चालू क्रिप्टो ट्रेडिंग लूप प्रस्तुत करता है। यह परपेचुअल फ़्यूचर्स केस-स्टडी यूनिवर्स को प्लेटफ़ॉर्म पर समर्थित स्पॉट पेयर से मैप करता है और स्पष्ट करता है कि वहाँ केवल कुछ एसेट ट्रेड किए जा सकते हैं। उदाहरण…
यह नोटबुक एक ही ETF रिटर्न पैनल से PyPortfolioOpt, Riskfolio-Lib और skfolio के पोर्टफ़ोलियो आवंटनों की तुलना करती है। यह प्रशिक्षण अवधि में आवंटकों को फ़िट करती है, जाँचती है कि समतुल्य उद्देश्य और संरेखित भार सॉल्वर सहनशीलता के भीतर मेल खाते हैं, और बाद के…
यह नोटबुक अनुमान लगाती है कि केवल बचे हुए US इक्विटी का समान-भार पोर्टफ़ोलियो उन कंपनियों को शामिल करने वाले पोर्टफ़ोलियो की तुलना में रिटर्न कितना बढ़ाकर दिखा सकता है जो डेटासेट से निकल गईं। पहले यह जाँचती है कि पैनल में निकास कब दर्ज होने शुरू हुए; उपयोगी…