مواد پر جائیں

علمی لائبریری

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۔

لائبریری میں تلاش کریں

881 دستاویزات

Machine Learning for Trading

یہ نوٹ بک کیس اسٹڈی بیک ٹیسٹس سے حاصل کردہ مختلف لاگتوں پر اسٹریٹیجی کے گراس اور نیٹ شارپ کا موازنہ کرتی ہے۔ ہر نافذ کردہ اسٹریٹیجی ترتیب کے لیے ریکارڈ شدہ آرٹیفیکٹس سے فی ٹانگ فرض کردہ لاگت اور ری بیلنس کی رفتار لیتی ہے، فرض کردہ لاگت پر شارپ کو انٹرپولیٹ…

بیک ٹیسٹنگرسک مینجمنٹآرڈر پر عمل درآمدشماریات
Machine Learning for Trading

یہ رہنما روزانہ SPY ڈیٹا پر مقررہ اسٹاپ لاس اور منافع لینے کی رکاوٹوں، ٹریلنگ اسٹاپ، ATR کے مطابق پیمانہ شدہ اخراج، مشین لرننگ اخراج سگنل اور ان کے امتزاج کا موازنہ کرتی ہے۔ مقررہ رکاوٹیں داخلے کی قیمتوں سے نقل کی گئی ہیں؛ رات کے وقفے اوپن پر بھرے جاتے ہیں…

حصصرسک مینجمنٹتکنیکی اشارےبیک ٹیسٹنگ
Machine Learning for Trading

یہ مطالعہ مستقبل کے منافع کے لحاظ سے کرنسی جوڑوں کی درجہ بندی کے لیے گریڈینٹ بوسٹڈ درختوں کا موازنہ جرمانہ شدہ خطی ماڈل سے کرتا ہے۔ وجہ یہ ہے کہ درخت مشروط تعلقات ظاہر کر سکتے ہیں، مثلاً ایک مارکیٹ رجیم میں مومینٹم اور دوسرے میں کیری استعمال کرنا، جبکہ جوڑوں…

فاریکسمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ تحقیقی تجزیہ بیس کرنسی جوڑوں پر مشتمل چار گھنٹے کے OANDA ڈیٹاسیٹ کا جائزہ لیتا ہے۔ اس میں وضاحت ہے کہ حجم کا خانہ ایک مقام پر کوٹ کی تازہ کاریوں کو شمار کرتا ہے، مجموعی طور پر ٹریڈ شدہ مقدار کو نہیں؛ اس لیے اس سے پوری مارکیٹ کی لیکویڈیٹی کی درجہ بندی نہیں…

فاریکسشماریاتمارکیٹ مائیکرو اسٹرکچر
Machine Learning for Trading

یہ عملی رہنما مصنوعی بروکر کے ذریعے لائیو ٹریڈنگ نظام کے دورانِ اجرا حفاظتی تدابیر دکھاتا ہے۔ یہ بتاتا ہے کہ جب مارکیٹ ڈیٹا بہت پرانا ہو یا روزانہ نقصان مقررہ حد سے بڑھے تو SafeBroker آرڈرز کیسے مسترد کرتا ہے، اور بروکر دوبارہ بنائے جانے کے بعد نقصان سے…

رسک مینجمنٹآرڈر پر عمل درآمدمارکیٹ مائیکرو اسٹرکچر
Machine Learning for Trading

یہ نوٹ بک ایک بانڈ ETF پر فیڈرل ریزرو کے اعلانات کے اثر کا تخمینہ لگانے کے لیے بیزیئن ساختی زمانی سلسلہ ایونٹ اسٹڈی کے طریقے استعمال کرتی ہے۔ یہ ہدف کے روزانہ لاگ ریٹرن اور بین الاقوامی و کموڈیٹی ETF کنٹرولز کے اعلان سے پہلے کے تعلقات کی بنیاد پر جوابی…

مقررہ آمدنیواقعات پر مبنیشماریاتمشین لرننگ
Machine Learning for Trading

یہ نوٹ بک فی گھنٹہ Bitcoin مستقل فیوچرز منافع کے مطابق بنائے گئے مشترک نقلی ٹریڈنگ ماحول میں DQN، PPO اور A2C کا موازنہ کرتی ہے۔ GARCH(1,1) ماڈل اتار چڑھاؤ کے کلسٹر فراہم کرتا ہے، جبکہ ماحول پوزیشن کی تبدیلی پر لاگت لیتا اور عمل کو ایک قدم کی تاخیر سے نافذ…

مشین لرننگکرپٹوپرپیچوئل فیوچرزاتار چڑھاؤ
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ آیا منظم پورٹ فولیو کی چار حکمتِ عملیاں وسیع ETF باہمی حرکت کا حساب رکھنے کے بعد SPY منافع کی وضاحت کرتی ہیں۔ حکمتِ عملیاں تاخیری مومینٹم، اتار چڑھاؤ یا حالیہ منافع سے ETFs کی درجہ بندی کرتی ہیں۔ طویل تاریخ والے متوازن ETF مجموعے کے دس…

فیکٹر سرمایہ کاریمشین لرننگشماریاتمومینٹم
Machine Learning for Trading

یہ نوٹ بک ادارہ جاتی ایکویٹی ہولڈنگز پر Word2Vec اسکیپ گرام لاگو کرتی ہے۔ یہ ہر ادارے کے پورٹ فولیو کو جملہ، اسٹاک شناختوں کو ٹوکن، اور رپورٹ شدہ ہولڈنگ قدر کے مطابق ترتیب دی گئی پوزیشنوں کو لفظی ترتیب سمجھتی ہے۔ ملتے جلتے پورٹ فولیو سیاق میں بار بار آنے…

حصصمشین لرننگپورٹ فولیو کی تشکیلشماریات
Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ اسٹاک اسپلٹ یا منافعِ نقد کی تاریخوں سے گزرنے پر ایکویٹی کی خام قیمتیں گمراہ کن منافع کیوں دکھا سکتی ہیں۔ یہ پچھلی قیمتوں کو بعد کے کارپوریٹ اقدامات کے لیے پیمانہ کرنے والی بیک ورڈ ایڈجسٹمنٹ بیان کرتی ہے، اور عمل درآمد کی نقل کے لیے خام…

حصصشماریاتبیک ٹیسٹنگامریکی مارکیٹیں
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ آیا ماڈل پر مبنی پوزیشن سائزنگ US کمپنی خصوصیات کی حکمتِ عملی میں مساوی وزن سے بہتر ہے۔ یہ اسکور وزن کا موازنہ کرتی ہے، جو زیادہ پیش گوئی شدہ اسکور والے ناموں کو زیادہ مختص کرتا ہے، کنفارمل وزن سے، جو پیش گوئی کے وقفے کم قابلِ اعتماد…

حصصپوزیشن کا حجم طے کرناپورٹ فولیو کی تشکیلبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ آیا مسلسل مشاہدات میں انحصار موجود ہونے پر سگنل کا انفارمیشن کوایفیشنٹ (IC) شور سے الگ پہچانا جا سکتا ہے۔ یہ مسئلہ مومینٹم سگنل اور ETF ڈیٹا سے واضح کرتی ہے، اور بتاتی ہے کہ باہم متداخل فارورڈ منافع، قائم رہنے والی سگنل درجہ بندیاں اور…

شماریاتمشین لرننگمومینٹمبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک لانگ ETF سودوں سے نکلنے کے طریقوں کا موازنہ کرتی ہے: مقررہ منافع اہداف اور اسٹاپ، ٹریلنگ اسٹاپ، ATR کے مطابق پیمانہ شدہ رکاوٹیں، مشین لرننگ سگنل اور ان کے امتزاج۔ یہ اشارے اور سودوں کی نقل تیار کرتی ہے، پھر اوسط معیاری خطا سے سودوں کے منافع، جیت کی…

حصصرسک مینجمنٹپوزیشن کا حجم طے کرنااتار چڑھاؤ
Machine Learning for Trading

یہ نوٹ بک FRED سے معاشی سلسلوں کے فراہم کردہ پینل کا معائنہ اور اس کے کیلنڈر روز گرڈ، میٹا ڈیٹا اور اخذ شدہ کالموں کی تشریح بتاتی ہے۔ پینل کو روزانہ کیلنڈر پر پھیلانے کے باعث قطاروں کی تعداد اصل اجراء کے شیڈول چھپا دیتی ہے۔ ہر سلسلے میں تبدیلیاں گننے سے…

کئی اثاثوں پر مبنیمقررہ آمدنیاتار چڑھاؤشماریات
Machine Learning for Trading

یہ نوٹ بک ARIMA پیش گوئیوں کو الگ پیش گوئیوں کے بجائے بعد کے ماڈلوں کے ان پٹ کالم سمجھتی ہے۔ یہ ETF منافع پر ماڈل فٹ کرتی ہے، ترتیب تجویز کرنے کے لیے اسٹیشنیرٹی جانچ اور خود باہمی تعلق کی تشخیص استعمال کرتی ہے، اور تربیتی حصے میں معلوماتی معیار کے ساتھ…

حصصمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک FX لیبلز کے لیے NLinear پیش گوئیاں تیار کرنے اور رجسٹر کرنے کا طریقہ بیان کرتی ہے۔ NLinear ہر مقررہ لمبائی کی ان پٹ تاریخ سے آخری مشاہدہ شدہ سطح منہا کرتا ہے، تاکہ ماڈل تاریخی جائزے کی کھڑکی کے اندر ہونے والی تبدیلیوں پر توجہ دے۔ مشترک سلسلہ اہلیت…

فاریکسمشین لرننگبیک ٹیسٹنگشماریات
Machine Learning for Trading

یہ مشترک تجزیاتی سہولت رجسٹری کے پیمانوں اور پیش گوئی کی سطح کی تشخیص کے ذریعے ٹریڈنگ ماڈل کی پیش گوئیوں کا موازنہ کرنے میں مدد دیتی ہے۔ یہ پہلے سے محسوب انفارمیشن کوایفیشنٹ کے نتائج لوڈ کرتی ہے، اختیاری طور پر لیبل یا ماڈل خاندان کے لحاظ سے فلٹر کرتی ہے،…

شماریاتبیک ٹیسٹنگمشین لرننگپورٹ فولیو کی تشکیل
Machine Learning for Trading

دستاویز بتاتی ہے کہ ٹرم اسٹرکچر کے لحاظ سے مصنوعات کی درجہ بندی کرنے والی کراس سیکشنل فیوچرز حکمتِ عملی کے لیے مستقبل کے منافع کے لیبل کیسے بنائے جائیں۔ یہ رول ایڈجسٹ شدہ قیمتوں میں فرق کرتی ہے، جو معاہدے کے رول کے دوران منافع کے لیے موزوں ہیں، اور خام…

فیوچرزاجناساثاثہ رکھنے کی لاگت یا آمدنبیک ٹیسٹنگ
Machine Learning for Trading

دستاویز فیوچرز کیری سے بنائے گئے تین ماڈل پر مبنی فیچرز بیان کرتی ہے: اگلے سیشن کی کیری کی ARIMA پیش گوئی، منتخب دورانیوں کے گرد گھومتے فوریے پیمانے، اور دو حالتوں والا پوشیدہ مارکوف ماڈل جو اوسط کیری سے مارکیٹ رجیم اخذ کرتا ہے۔ بنیادی سبق وقت کی پابندی ہے:…

فیوچرزاثاثہ رکھنے کی لاگت یا آمدنمشین لرننگشماریات
Machine Learning for Trading

دستاویز روزانہ OHLCV ڈیٹا دستیاب ہونے پر بولی اور طلب کے فرق کا اندازہ لگانے کے دو طریقے بتاتی ہے۔ Corwin-Schultz مسلسل ایک روزہ اور دو روزہ وقفوں کی بلند و پست حدود کا موازنہ کرتا ہے اور اتار چڑھاؤ اور فرق کے مختلف رویّوں سے انہیں الگ کرتا ہے؛ صفر سے کم…

مارکیٹ مائیکرو اسٹرکچرشماریاتآرڈر پر عمل درآمداتار چڑھاؤ
Machine Learning for Trading

یہ دستاویز CME فیوچرز پر ماڈل پیش گوئیوں کے لیے ویلیڈیشن بنیادی معیار بیان کرتی ہے۔ ہر ہفتہ وار فیصلے پر مصنوعات کو متوقع ریٹرن کے لحاظ سے درجہ دیا جاتا ہے؛ اوپر والا گروپ لانگ اور نیچے والا گروپ شارٹ رکھا جاتا ہے، اور ہر حصے میں وزن برابر ہوتا ہے۔ فی حصے…

فیوچرزبیک ٹیسٹنگپورٹ فولیو کی تشکیلرسک مینجمنٹ
Machine Learning for Trading

دستاویز رولنگ ETF ریٹرن ونڈوز کو روایتی کنولوشنل نیورل نیٹ ورک کے لیے دو چینل والی تصاویر میں بدلنے کا طریقہ بیان کرتی ہے۔ گرامین اینگولر فیلڈ معمول پر لائے گئے مشاہدات کو زاویوں میں بدل کر جوڑی وار زاویائی تعلقات ریکارڈ کرتی ہے؛ مارکوف ٹرانزیشن فیلڈ مشاہدات…

حصصمشین لرننگتکنیکی اشارےشماریات
Machine Learning for Trading

یہ دستاویز اثاثوں کی قیمتوں کے ماڈلز کا معیار جانچنے کے لیے چن، پیلگر اور ژو کے ماہانہ US ایکویٹی پینل کا تعارف کراتی ہے۔ یہ معاشی موضوعات کے لحاظ سے گروپ کی گئی 46 فرم خصوصیات، اگلے ماہ کے اضافی ریٹرنز، اور پینل کی وقت کے مطابق ترتیب دی گئی ٹرین، ویلیڈیشن…

حصصامریکی مارکیٹیںفیکٹر سرمایہ کاریشماریات
Machine Learning for Trading

دستاویز 60 سیٹلمنٹس کی ونڈو سے کرپٹو پرپیچوئل فنڈنگ پریمیم کی پیش گوئی کے لیے ٹمپورل کنولوشنل نیٹ ورک سمجھاتی ہے۔ چار سببی کنولوشن بلاکس میں تین کا کرنل اور 1، 2، 4 اور 8 کی ڈائلیشنز ہیں۔ ان کا ریسیپٹو فیلڈ 61 سیٹلمنٹس تک پھیلا ہے، جو پوری ان پٹ ونڈو کے لیے…

کرپٹوپرپیچوئل فیوچرزمشین لرننگاوسط کی جانب واپسی