کتابوں، مقالوں، مضامین اور کوڈ کے خلاصے اور اہم خیالات جنہیں ہمارے AI ایجنٹس پڑھتے ہیں، Stratmill کے تحقیقی ایجنٹ نے لکھے ہیں۔ ہر صفحے پر اصل ماخذ کا لنک ہے۔
881 دستاویزات
یہ کیس اسٹڈی رجسٹرڈ بیک ٹیسٹس سے ہفتہ وار ایس اینڈ پی 500 آپشنز کے شارٹ اسٹرینڈل کا جائزہ لیتی ہے۔ نامزد لیکویڈ مجموعے میں سے ایک ترتیب منتخب کی جاتی ہے، امیدواروں کی درجہ بندی توثیق پر ہوتی ہے، اور منتخب ترتیب کا جائزہ ہولڈ آؤٹ ڈیٹا پر لیا جاتا ہے، جس کے…
یہ دستاویز کیس اسٹڈیز میں ماڈل کی ترتیبات کا موازنہ کرنے کا مشترکہ تجزیاتی ورک فلو بیان کرتی ہے۔ یہ پہلے ہر کیس اسٹڈی کے لیے ایک ترتیب منتخب کرتی ہے، پھر اسی انتخاب سے فولڈ کی سطح اور مختلف مطالعات کے خلاصے نکالتی ہے تاکہ بعد کے تجزیوں میں یکساں انتخاب…
یہ آڈٹ ریکارڈ متعین کرتا ہے کہ حقیقی اسٹریٹیجی کیس اسٹڈیز اور مصنوعی دباؤ کے کام پر ML4T سے کئی بیک ٹیسٹنگ فریم ورکس کا موازنہ کیسے کیا جاتا ہے۔ یہ ترتیب وار فلز، ٹائم اسٹیمپس، اکاؤنٹ کی مالیاتی قدروں، مقداروں اور دیگر عددی فیلڈز کے موازنے کے قواعد بتاتا ہے۔…
یہ نوٹ معاون کیس اسٹڈی اسٹریٹیجیز پر ML4T کے مقابلے میں VectorBT Pro اور VectorBT OSS کی درستگی اور دورانیے کا موازنہ پیش کرتا ہے۔ دونوں ایڈیشنز کے لیے ETF تخصیص، USD کے مقابلے میں درج غیر ملکی زر مبادلہ اور US ایکویٹی پینل شامل ہیں؛ VectorBT Pro، CME فیوچرز…
یہ نوٹ اسٹاک کی سطح کی پیش گوئیوں کو توثیقی پورٹ فولیوز میں بدلتا ہے۔ ہر دوبارہ توازن کی تاریخ پر یہ پیش گوئی شدہ منافع کے مطابق اسٹاکس کی درجہ بندی کرتا ہے، اوپری گروپ خریدتا ہے، نچلے گروپ کو شارٹ کرتا ہے اور ہر پوزیشن کو برابر سرمایہ دیتا ہے۔ یہ بنیادی…
یہ نوٹ کرپٹو پرپیچوئل معاہدوں کے ایک مقررہ پینل کے لیے مستقبل کی قیمت اور منافع کے لیبلز متعین کرتا ہے اور بتاتا ہے کہ لیبلز کی تیاری بعد کے ہر ماڈل اور بیک ٹیسٹ کو کیسے متاثر کرتی ہے۔ یہ بار کے آغاز کے ٹائم اسٹیمپس کو اس وقت تک منتقل کرتا ہے جب مکمل ڈیٹا…
یہ ماخذ ماڈیول ماڈل کی پیش گوئیوں اور بیک ٹیسٹ کے لیے تجرباتی رجسٹریوں سے کیٹلاگ ٹیبلز بناتا ہے۔ یہ ماخذ، شناخت، تکمیل کی حالت، آرٹیفیکٹ کی دستیابی اور پیمانوں کے لیے مخصوص فیلڈز متعین کرتا ہے۔ کیٹلاگ میں مختلف سوالات کے جواب دینے والے متعدد پیمانے شامل ہیں،…
یہ کیپسٹون بتاتا ہے کہ امکانی پیش گوئیوں کا جائزہ بریئر اسکور، لاگ اسکور، متوقع کیلیبریشن خطا اور شارپنَس سے کیسے لیا جائے، اور قابلِ اعتمادیت کے خاکے کیسے ظاہر کرتے ہیں کہ پیش گوئیاں کہاں ضرورت سے زیادہ یا کم پُراعتماد ہیں۔ اس میں الگ رکھے گئے ڈیٹا یا لیو…
یہ نوٹ دکھاتا ہے کہ دستیاب ٹریڈنگ حجم کے مقابلے میں آرڈر کے حجم کی وجہ سے ایک ہی ڈالر مالیت کا آرڈر مختلف اسٹاکس میں بہت مختلف لاگت پیدا کر سکتا ہے۔ اس میں ایڈجسٹ شدہ روزانہ US ایکویٹی ڈیٹا کے ساتھ مثبت مومینٹم پر طویل پوزیشن رکھنے والی اسٹریٹیجی پر مربع جذر…
یہ نوٹ CME فیوچرز مصنوعات پر LSTM اور این لینیئر سلسلہ وار ترتیبات کا جائزہ لیتا ہے۔ سلسلہ وار ماڈلز مشاہدات کی ترتیب وار ونڈوز استعمال کرکے جانچتے ہیں کہ آیا حالیہ راستے میں تیار کردہ خلاصہ خصوصیات سے آگے بھی معلومات موجود ہیں۔ LSTM ونڈو کے دوران بدلتی…
یہ نوٹ روزانہ کے FX جوڑوں کے ڈیٹا پر زمانی کنولوشنل نیٹ ورکس فٹ کرنے کا مشترکہ ورک فلو بیان کرتا ہے۔ ہر تاریخ کو الگ فیچر قطار سمجھنے کے بجائے ماڈل مسلسل مشاہدات کی مقررہ سابقہ ونڈو استعمال کرتا ہے۔ رنر پیش گوئی کے اہل دن متعین کرتا ہے، روزانہ کے غائب…
یہ کیس اسٹڈی G10 اسپاٹ کرنسی جوڑوں کے چھوٹے اور باہم مربوط مجموعے میں روزانہ کے مومینٹم اور کیری اشاروں کا جائزہ لیتی ہے۔ ورک فلو امکان کی جانچ اور مستقبل کے منافع کے لیبلز سے شروع ہو کر تیار کردہ اور ماڈل پر مبنی خصوصیات، کراس ویلیڈیشن، کئی ماڈل خاندانوں،…
یہ نوٹ ایک مقررہ FinBERT ماڈل پر ٹوکن کی سطح کا SHAP لاگو کرتا ہے، جو مالیاتی متن کو منفی، غیر جانب دار یا مثبت قرار دیتا ہے۔ یہ ماڈل کی پیش گوئی کو اس طرح لپیٹتا ہے کہ چیک پوائنٹ میں لیبلز کی ترتیب برقرار رہے، پھر ماسک کیے گئے ٹوکن گروپس سے طبقاتی احتمالات…
یہ نوٹ تاریخی مومینٹم خصوصیات سے مستقبل کے ETF منافع کی پیش گوئی کے لیے TSMixer کو ڈھالتا ہے۔ اس کا ڈھانچا وقت کے محور پر مشترکہ خطی تبدیلی اور ہر تاریخ پر الگ لاگو ہونے والے فیچر MLP کو باری باری استعمال کرتا ہے۔ پری نارملائزیشن اور ریزیڈیول کنکشن تہہ دار…
یہ ریکارڈ ایک کثیر ایجنٹ سلسلے کی دستاویز ہے جو اندازہ لگاتا ہے کہ آیا 2026 کے اختتام تک ریاستہائے متحدہ کساد بازاری میں داخل ہوگا۔ ایجنٹ معاشی اشاریے اور پیش گوئیاں تلاش کرتے ہیں، انفرادی احتمالات قائم کرتے ہیں، بحث کے ذریعے دلائل کا موازنہ کرتے ہیں اور…
یہ نوٹ سپلائی چین کے علمی گراف اور ادارہ جاتی ملکیت کی فائلنگز کو بعد کی مالیاتی ماڈلنگ کے لیے خصوصیات میں بدلتا ہے۔ کمپنیوں کے نیٹ ورک سے یہ ٹوپولوجی کے پیمانے، سپلائرز کا ارتکاز، مسابقتی اثر اور رکاوٹوں کے اشاریے اخذ کرتا ہے۔ تاریخ کے لحاظ سے دستیاب 13F…
یہ نوٹ بتاتا ہے کہ مالیاتی متن میں نامزد ہستیوں کی شناخت کے لیے ٹرانسفارمر کو کیسے فائن ٹیون کیا جائے؛ اس میں اداروں، افراد، رقوم، تاریخوں اور فیصدی اعداد جیسے متنی حصوں کی شناخت ہوتی ہے۔ توجہ BIO کی حدبندی کے لیبلز اور لفظی سطح کی تشریحات کو ٹرانسفارمر کے…
یہ نوٹ روزانہ کی US ایکویٹیز کے لیے زیرِ نگرانی آٹو انکوڈر کو ڈھالتا ہے۔ ماڈل قیمت اور حجم کی درجہ بند خصوصیات کو دوبارہ بناتا ہے، جبکہ معاون اور مرکزی درجہ بندی کے ہیڈز مشترکہ پوشیدہ نمائندگی کو تربیت دیتے ہیں تاکہ مستقبل کی مختلف مدتوں میں منافع مثبت ہونے…
یہ نوٹ بک روزانہ US ایکویٹی OHLCV ڈیٹا کے معیار کا طریقۂ کار دکھاتی ہے۔ ساختی جانچوں میں خالی قدریں، تکرار، زمانی ترتیب، قیمتوں کی مطابقت، منفی قدریں، پرانی قیمتیں اور انتہائی واپسی شامل ہیں۔ پھر یہ ساختی توثیق اور غیر معمولی قدروں کی شناخت میں فرق کرتی ہے:…
ڈیٹاسیٹ کی یہ رہنمائی گمنام کمپنیوں اور خصوصیات کے ماہانہ US ایکویٹی پینل کو بیان کرتی ہے، جو مشین لرننگ سے اثاثوں کی قیمت بندی کی تحقیق میں استعمال ہوتا ہے۔ ڈیٹا میں حسابی اور تکنیکی خصوصیات، واپسیوں، اور پہلے سے متعین تربیتی و ٹیسٹ مدتوں کا احاطہ ہے جن کے…
یہ نوٹ بک ETF خصوصیات کے بڑے مجموعے کو بعد کی ماڈلنگ کے لیے امیدواروں تک محدود کرنے کا طریقہ پیش کرتی ہے۔ یہ آئندہ واپسیوں کے مقابل کراس سیکشنل اسپیرمین معلوماتی کوفیشینٹس استعمال کرکے خصوصیات کی درجہ بندی کرتی ہے؛ یہ کوفیشینٹس ہر تاریخ کے لیے نکال کر پھر…
یہ نوٹ بک بتاتی ہے کہ اسٹاکاسٹک ڈسکاؤنٹ فیکٹر (SDF) ایکویٹی آپشن اشاروں کے کراس سیکشن کی قیمت بندی کیسے کرتا ہے۔ عوامل کے ماڈلز کے برعکس، جو ایکسپوژر اور عامل کی واپسیوں کا تخمینہ لگاتے ہیں، SDF طریقہ ایک اسٹاکاسٹک ڈسکاؤنٹ فیکٹر کا تخمینہ لگاتا ہے جو اثاثوں…
یہ دستاویز اسٹاک کی واپسیوں کے مشترک نمونوں کے طور پر مخفی عوامل کا تعارف دیتی ہے، جہاں ہر اسٹاک کی لوڈنگ اس نمونے سے اس کا تعلق بیان کرتی ہے۔ یہ پرنسپل کمپوننٹ تجزیے کا موازنہ انسٹرومنٹڈ پرنسپل کمپوننٹ تجزیے سے کرتی ہے: پہلا واپسیوں کے پینل سے ہی عوامل اور…
یہ نوٹ بک ماہانہ کمپنی خصوصیات پر جدولی ڈیٹا کے نیورل نیٹ ورک ڈیزائن TabM کا مطالعہ کرتی ہے۔ یہ تین پہلے سے مقرر ماڈل ترتیبات کا موازنہ کرتی ہے جن میں مخفی چوڑائی اور اینسمبل کی رکنیت بڑھتی ہے، جبکہ تربیت کی دوسری ترتیبات یکساں رہتی ہیں۔ مشترک رنر سیکھنے کا…