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

114 दस्तावेज़

Machine Learning for Trading

यह नोटबुक निर्मित उदाहरणों से पोज़िशन-स्तरीय निकास और पोर्टफ़ोलियो-स्तरीय नियंत्रण दिखाती है। स्थिर नियमों में स्टॉप लॉस, लाभ लक्ष्य और समय-आधारित निकास शामिल हैं; गतिशील नियमों में पिछले उच्च स्तरों का अनुसरण करने वाले ट्रेलिंग स्टॉप, सख्त होते ट्रेल और…

जोखिम प्रबंधनपोज़िशन का आकार तय करनाबैकटेस्टिंगऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक जाँचती है कि क्या मानक पोर्टफ़ोलियो आवंटन, लेनदेन लागत से पहले ही प्रभावित हर-बार NASDAQ-100 ट्रेडिंग रणनीति को बेहतर बना सकता है। यह घोषित लागत-संभव यूनिवर्स पर सत्यापन प्रदर्शन से पूर्वानुमान चुनती है, फिर पूरे यूनिवर्स पर आवंटन संयोजनों का…

इक्विटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माणऑर्डर निष्पादन
Machine Learning for Trading

यह नोटबुक अध्ययन करती है कि मॉडल द्वारा ट्रेड करने के लिए मुद्रा जोड़ियाँ चुन लेने के बाद, पोज़िशन का आकार FX बैकटेस्ट को कैसे प्रभावित करता है। इसमें विजेता आधाररेखा के पूर्वानुमान, सिग्नल मैपिंग, लागत और निष्पादन सेटिंग्स को बनाए रखते हुए आवंटन नियम बदले…

विदेशी मुद्रापोज़िशन का आकार तय करनापोर्टफोलियो निर्माणबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक अग्रणी ETF आवंटन संयोजनों पर पोज़िशन-स्तरीय जोखिम नियंत्रण लागू करती है और अंतर्निहित हर भविष्यवाणी, संकेंद्रण तथा आवंटक को स्थिर रखती है। यह मूल रणनीति के मुकाबले स्टॉप-लॉस, ट्रेलिंग स्टॉप और समय-आधारित निकास की तुलना करती है और बताती है कि स्टॉप…

इक्विटीजोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह अध्याय पोर्टफ़ोलियो निर्माण को रिटर्न पूर्वानुमान, जोखिम अनुमान और सीमाओं को वज़न, लीवरेज तथा पुनर्संतुलन निर्णयों में बदलने की प्रक्रिया के रूप में प्रस्तुत करता है। यह आवंटक के विकल्प दर्ज करने, लीकेज से बचने और पूर्वानुमान को आकार निर्धारण से अलग रखने…

पोर्टफोलियो निर्माणजोखिम प्रबंधनपोज़िशन का आकार तय करनाबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक समझाती है कि पोज़िशन-स्तर के निकास का मूल्यांकन और उन्हें पोर्टफ़ोलियो-व्यापी नियंत्रणों के साथ संयोजित कैसे करें। तय स्टॉप-लॉस, टेक-प्रॉफ़िट और समय-आधारित निकास की तुलना ट्रेलिंग और कसते हुए स्टॉप से की जाती है; स्केल्ड निकास क्रमिक लाभ सीमाओं पर…

जोखिम प्रबंधनपोज़िशन का आकार तय करनाबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह अध्याय ट्रेडिंग में पूर्वानुमान मॉडल के उपयोग की शोध प्रक्रिया बताता है, जहाँ निष्पक्ष गुणांक अनुमानों से अधिक स्थिर आउट-ऑफ़-सैंपल पूर्वानुमान मायने रख सकते हैं। इसमें Ridge, LASSO और Elastic Net जैसी नियमितीकृत प्रतिगमन विधियाँ तथा दिशा के पूर्वानुमान के…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक बताती है कि किसी ट्रेडिंग रणनीति को पहले से गणना किए गए संकेतों या वेट के रूप में व्यक्त करने के बजाय बदलती अवस्था के साथ बार-दर-बार सिमुलेट करना कब अधिक स्पष्ट होता है। यह ऐरे-आधारित बैकटेस्ट की तुलना करती है, जो पैरामीटर स्वीप के लिए तेज़ और…

बैकटेस्टिंगपोज़िशन का आकार तय करनापेयर ट्रेडिंगजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक मॉडल, चेकपॉइंट, रीबैलेंस तारीखें और चुने गए स्टॉक स्थिर रखते हुए US इक्विटी पोज़िशनों में पूँजी आवंटित करने के तरीकों की तुलना करती है। यह पूर्वानुमान की मज़बूती, पूर्वानुमान-अंतराल की चौड़ाई, व्यक्तिगत स्टॉक अस्थिरता और सहप्रसरण-सचेत पोर्टफ़ोलियो…

इक्विटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माणजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक चुनी हुई US इक्विटी रणनीतियों पर स्टॉप लॉस, ट्रेलिंग स्टॉप और निश्चित अवधि के एग्ज़िट का मूल्यांकन करती है। स्टॉप लॉस प्रवेश से हुए नुकसान पर प्रतिक्रिया करता है, ट्रेलिंग स्टॉप पोज़िशन के शिखर से गिरावट पर, और समय-आधारित एग्ज़िट कीमत को ध्यान में…

इक्विटीजोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक US इक्विटी पैनल में पोज़िशन का आकार तय करने के तरीकों की तुलना करती है, जबकि मॉडल, चेकपॉइंट, रीबैलेंस तारीखें और चुने गए स्टॉक स्थिर रखती है। पूर्वानुमान-आधारित तरीके पूर्वानुमान की मात्रा या अंतराल की अनिश्चितता के अनुसार पूँजी तय करते हैं; उलटी…

इक्विटीअमेरिकी बाज़ारपोर्टफोलियो निर्माणपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक चुने गए S&P 500 प्रतीकों पर स्ट्रैडल बेचने के लिए पोर्टफोलियो भार-निर्धारण नियमों की तुलना करती है। यह चुने गए प्रतीक स्थिर रखती है और आवंटन बदलती है; समान भार आधाररेखा है। विधियों में अनुमानित स्कोर, व्युत्क्रम अस्थिरता, जोखिम समानता, पदानुक्रमित…

ऑप्शंसपोर्टफोलियो निर्माणपोज़िशन का आकार तय करनाबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक पहले चुने गए पूर्वानुमानों और पोर्टफोलियो आवंटक का उपयोग करके आरक्षित होल्डआउट अवधि में निश्चित इक्विटी-विशेषता रणनीति चलाती है। यह कॉन्फ़िगरेशन, पोज़िशन आकार, संकेंद्रण, पुनर्संतुलन की आवृत्ति और लागत धारणा स्थिर रखती है तथा होल्डआउट में प्राप्त…

इक्विटीफ़ैक्टर निवेशबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक बताती है कि फ़्यूचर्स अनुबंध विनिर्देश बैकटेस्ट लेखांकन को कैसे प्रभावित करते हैं। इसमें दिखाया गया है कि अनुबंध गुणक मूल्य बदलाव को डॉलर P&L में कैसे बदलता है, आकार निर्धारण के लिए मूल्य और गुणक का गुणनफल नाममात्र मूल्य कैसे तय करता है, और…

फ़्यूचर्सकमोडिटीमोमेंटमपोज़िशन का आकार तय करना
Machine Learning for Trading

यह नोटबुक शेयर-स्तरीय पूर्वानुमानों को सत्यापन पोर्टफ़ोलियो में बदलती है। प्रत्येक पुनर्संतुलन तारीख पर यह शेयरों को अनुमानित रिटर्न के अनुसार क्रम देती है, शीर्ष समूह खरीदती है, निचले समूह को शॉर्ट करती है और हर पोज़िशन को समान पूँजी देती है। यह आधाररेखा…

इक्विटीमशीन लर्निंगबैकटेस्टिंगपोर्टफोलियो निर्माण
Machine Learning for Trading

यह दस्तावेज़ बताता है कि पहले से चुनी गई US इक्विटी रणनीति का कॉन्फ़िगरेशन स्थिर रखते हुए होल्डआउट डेटा पर मूल्यांकन कैसे करें। यह चुने गए मॉडल की प्रशिक्षण पहचान और चेकपॉइंट से सही होल्डआउट पूर्वानुमान सेट निकालता है, फिर स्थापित आवंटक, संकेंद्रण नियम,…

इक्विटीअमेरिकी बाज़ारबैकटेस्टिंगजोखिम प्रबंधन
Machine Learning for Trading

यह दस्तावेज़ बताता है कि उस केस स्टडी में स्टॉप-लॉस, ट्रेलिंग स्टॉप और समय-आधारित निकास का मूल्यांकन क्यों नहीं हो सकता जहाँ बैकटेस्ट पूरे महीने वेट रखता है और केवल वास्तविक मासिक आगे का रिटर्न देखता है। ऐसे नियम एंट्री और निकास के बीच मूल्य पथ पर निर्भर…

इक्विटीजोखिम प्रबंधनबैकटेस्टिंगपोज़िशन का आकार तय करना
Machine Learning for Trading

यह दस्तावेज़ सीमित संख्या में इंट्राडे पोज़िशन रखने का घटना-आधारित तरीका प्रस्तुत करता है। पूर्वानुमानों को उपलब्ध नवीनतम स्कोर से प्राइस बार के साथ संरेखित किया जाता है और वैकल्पिक ताज़गी सीमा लागू की जा सकती है। एंट्री सिग्नल हर एसेट के लिए अलग से निकाले…

इक्विटीहाई फ़्रीक्वेंसी ट्रेडिंगबाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादन
Machine Learning for Trading

यह दस्तावेज़ पूर्वानुमान स्कोर को ट्रेडिंग सिग्नल में बदलने के कई तरीके बताता है: स्थिर कटऑफ़, प्रति-एसेट रोलिंग पर्सेंटाइल और क्रॉस-सेक्शनल पर्सेंटाइल। स्थिर सीमाएँ चुने गए स्कोर स्तर का उपयोग करती हैं; रोलिंग सीमाएँ किसी एसेट के हालिया स्कोर वितरण के…

मशीन लर्निंगपोर्टफोलियो निर्माणपोज़िशन का आकार तय करनाबैकटेस्टिंग
Machine Learning for Trading

यह कोड बताता है कि केस स्टडी कॉन्फ़िगरेशन से बैकटेस्ट सेटिंग कैसे तय होती हैं और ट्रेड किए गए यूनिवर्स तथा पूर्वानुमान की आयु में बदलाव रन पहचान को कैसे प्रभावित करते हैं। मुख्य बात यह है कि पोर्टफ़ोलियो या पूर्वानुमान सेट बदलने वाला हर फ़िल्टर रणनीति…

बैकटेस्टिंगऑर्डर निष्पादनजोखिम प्रबंधनपोज़िशन का आकार तय करना
Machine Learning for Trading

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…

क्रिप्टोपरपेचुअल फ़्यूचर्सपोज़िशन का आकार तय करनापोर्टफोलियो निर्माण
Machine Learning for Trading

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…

इक्विटीपोज़िशन का आकार तय करनापोर्टफोलियो निर्माणबैकटेस्टिंग
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 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।…

बैकटेस्टिंगजोखिम प्रबंधनपोज़िशन का आकार तय करनापोर्टफोलियो निर्माण