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۔
577 دستاویزات
یہ کیس اسٹڈی ایس اینڈ پی 500 ایکویٹی اور آپشنز فیچر پینل پر سلسلہ وار ماڈلز کا تقابل کرتی ہے۔ اس میں ایک LSTM شامل ہے، جو سابقہ ونڈو میں گیٹڈ حالت برقرار رکھتا ہے، اور ایک این لینیئر بیس لائن، جو تازہ ترین سطح نکال کر خطی نقشہ فٹ کرتی ہے۔ بیس لائن یہ جانچتی…
یہ نوٹ بک ٹائم گین کے پانچ حصوں والے ڈھانچے کی وضاحت کرتی ہے: ایمبیڈر اور ریکوری نیٹ ورک خام مشاہدات اور پوشیدہ جگہ کے درمیان نقشہ بناتے ہیں، سپروائزر زمانی منتقلیاں سیکھتا ہے، اور جنریٹر و ڈسکریمنیٹر مخالفانہ انداز میں تربیت پاتے ہیں۔ یہ مرحلہ وار تربیت…
یہ نوٹ بک گھومتی ہوئی ETF منافع کی ونڈوز کو کنولوشنل نیورل نیٹ ورک کے لیے دو چینل کی تصاویر میں بدلتی ہے۔ گریمیئن اینگولر سمیشن فیلڈ ہر ونڈو کے اندر قدروں کو دوبارہ اسکیل کرکے زاویوں میں بدلتا ہے اور وقت کی جگہوں کے جوڑوں کے درمیان مثلثاتی تعلقات درج کرتا…
یہ نوٹ بک وضاحت کرتی ہے کہ بیان کردہ ایس اینڈ پی 500 شارٹ اسٹریڈل انجن کے لیے عمومی ہدفی وزن والا رسک اوورلے کیوں ناموزوں ہے۔ انجن ہفتہ وار کوہورٹس کو سرمایہ کے مقررہ حصے دیتا ہے اور ہر کوہورٹ کے اندر وزن اس طرح معمول پر لاتا ہے کہ ان کا مجموعہ ایک ہو۔ لہٰذا…
رسک پریمیم PCA تربیتی اوسط منافع کے ویکٹر کا وزنی بیرونی ضرب شامل کرکے کوواریئنس میٹرکس میں ترمیم کرتا ہے۔ اس کے سب سے بڑے ایگن ویکٹر جامد فیکٹر پورٹ فولیوز متعین کرتے ہیں: وزن صفر ہو تو عام PCA حاصل ہوتا ہے، جبکہ مثبت وزن فیکٹرز کو اوسط منافع سے وابستہ…
یہ نوٹ بک پیمائش کرتی ہے کہ مفروضہ کمیشن اور سلپیج بدلنے سے منتخب US فرم خصوصیات کی اسٹریٹیجی کی ویلیڈیشن کارکردگی کیسے بدلتی ہے۔ یہ اعلان کردہ لاگت کے گرڈ میں وہی کنفیگریشن دوبارہ چلاتی ہے اور ہر کل چارج کو کمیشن اور سلپیج کے درمیان برابر تقسیم کرتی ہے۔…
یہ نوٹ بک بتاتی ہے کہ ویلیڈیشن ڈیٹا پر کنفیگریشن منتخب کرنے کے بعد ایک غیر استعمال شدہ ہولڈ آؤٹ مدت کے لیے پیش گوئیاں کیسے بنائی جائیں۔ یہ منتخب کنفیگریشن طے کرتی ہے، ہولڈ آؤٹ کے لیے اس کی تربیتی تخصیص دوبارہ بناتی ہے، اور دستیاب زمانی سلسلے اور منتخب لیبل…
یہ نوٹ بک منتخب CME فیوچرز ماڈل کنفیگریشن کے لیے ہولڈ آؤٹ پیش گوئیاں تیار کرنے کا طریقہ بیان کرتی ہے۔ کنفیگریشن ویلیڈیشن نتائج سے منتخب کی جاتی ہے، پھر ہولڈ آؤٹ ونڈو کھلنے سے پہلے ختم ہونے والے ڈیٹا پر دوبارہ فٹ ہوتی ہے۔ لیبل بفر تربیتی مشاہدات اور جائزے کی…
یہ نوٹ بک بتاتی ہے کہ ویلیڈیشن فولڈز پر ماڈل اور اسٹریٹیجی کے انتخاب کے بعد منتخب NASDAQ-100 مائیکرو اسٹرکچر کنفیگریشن کے لیے ہولڈ آؤٹ پیش گوئیاں کیسے تیار کی جائیں۔ یہ منتخب تربیتی تخصیص دوبارہ بناتی ہے، کیس اسٹڈی کی بیان کردہ مدت سے ہولڈ آؤٹ فولڈ اخذ کرتی…
یہ رہنما عوامی CFTC کمٹمنٹ آف ٹریڈرز رپورٹس کو ہفتہ وار فیوچرز پوزیشننگ ڈیٹا کے ماخذ کے طور پر متعارف کراتا ہے۔ یہ ٹریڈرز اِن فنانشل فیوچرز رپورٹ میں ڈیلرز، اثاثہ مینیجرز اور لیوریجڈ منی جیسے شرکا کی درجہ بندی کو، کموڈیٹی فیوچرز کے لیے استعمال ہونے والی غیر…
یہ پائتھن ماڈیول روزانہ آؤٹ آف سیمپل منافع استعمال کرتے ہوئے اسٹریٹیجی بیک ٹیسٹس میں غیر یقینی کی مقدار ناپنے کے طریقے بیان کرتا ہے۔ یہ منافع کی سیریز کے اعداد کے لیے اسٹیشنری بلاک بُوٹ اسٹرَیپ وقفے، آٹو کوریلیشن اور غیر معمولی تقسیم کے مطابق ایڈجسٹ شدہ شارپ…
یہ نوٹ بک کیس اسٹڈیز کے ایک مجموعے میں مخفی فیکٹر کے پانچ تخمینہ کاروں کے رجسٹرڈ توثیقی نتائج یکجا کرتی ہے۔ پہلے یہ نقشہ بناتی ہے کہ ہر پینل کے لیے کن تخمینہ کاروں کے نتائج موجود ہیں، پھر روزانہ اوسط اسپیئرمن رینک انفارمیشن کوایفیشنٹ (IC) کے لحاظ سے نمایاں…
یہ نوٹ بک حقیقی ETF ڈیٹا اور قیمت سے اخذ کردہ مومینٹم مثال استعمال کرتے ہوئے واحد فیکٹر کا جائزہ دکھاتی ہے۔ یہ مستقبل کے منافع کے مقابل کراس سیکشنل اسپیئرمن انفارمیشن کوایفیشنٹس ناپتی، دورانیوں کا موازنہ کرتی، اور روزانہ کراس سیکشنل آئی سیز کی اوسط اور ایک…
یہ کیس اسٹڈی NASDAQ-100 مائیکرو اسٹرکچر اسٹریٹیجی کے لیے مالی اور ماڈل پر مبنی امیدوار خصوصیات کو مستقبل کے منافع کے مقابل جانچتی ہے۔ یہ وقت کے ساتھ کراس سیکشنل رینک انفارمیشن کوایفیشنٹس شمار کرتی، انحصار اور متعدد ٹیسٹوں کے لیے استنباط ایڈجسٹ کرتی، اور…
یہ نوٹ بک رجسٹرڈ توثیقی بیک ٹیسٹس میں سے CME فیوچرز کیس اسٹڈی منتخب کرتی ہے، جن میں سگنل قواعد، تخصیص اور رسک اوورلیز شامل ہیں۔ یہ دونوں منافع کے دورانیوں میں امیدواروں کا موازنہ کرتی ہے اور سب سے زیادہ توثیقی شارپ والا کنفیگریشن منتخب کرتی ہے۔ لاگت کی…
یہ نوٹ بک منٹ بارز اور NBBO کوٹس کے ذریعے NASDAQ-100 اسٹاکس کے لیے آگے کے اِنٹرا ڈے منافع کے لیبل بنانے کی وضاحت کرتی ہے۔ یہ سگنل کے بعد اگلے بار سے مخصوص مستقبل کے اختتامی وقت تک منافع متعین کرتی ہے، بِڈ-آسک باؤنس کم کرنے کے لیے کوٹ کے وسطی نرخ استعمال کرتی…
یہ کیس اسٹڈی اَیٹ دی منی شارٹ اسٹرَیڈلز کے میعاد تک کے منافع کی پیش گوئی کرنے والے گریڈینٹ بوسٹنگ ماڈلز کا موازنہ کرتی ہے۔ اس میں درختوں کی گنجائش اور فٹنگ کے تین مقاصد بدلے جاتے ہیں: مربع خطا، مطلق خطا، اور ہیوبر لاس۔ واک فارورڈ توثیق میں دو ادوار استعمال…
دستاویز روزانہ مارکیٹ ڈیٹا تازہ رکھنے کا عملی طریقۂ کار پیش کرتی ہے: ابتدائی تاریخ لوڈ کریں، تھوڑا سا متداخل اضافی ڈیٹا حاصل کریں، غائب تاریخیں دیکھیں، اور تازگی و توثیق کے مسائل کی نگرانی کریں۔ یہ اوورلیپ حالیہ بارز میں فراہم کنندہ کی نظرثانی شدہ تبدیلیاں…
دستاویز بیان کرتی ہے کہ CME فیوچرز مطالعہ توثیقی ڈیٹا پر ماڈل کنفیگریشن منتخب کرنے کے بعد ہولڈ آؤٹ مدت کے لیے پیش گوئیاں کیسے بناتا ہے۔ منتخب کنفیگریشن اور چیک پوائنٹ توثیقی نتائج سے واپس حاصل کیے جاتے ہیں، پھر ماڈل ہولڈ آؤٹ شروع ہونے سے پہلے دستیاب تاریخ…
یہ نوٹ بک ایس اینڈ پی 500 ایکویٹی اور آپشنز کے مطالعے میں بنیادی لیبل کی پیش گوئی کے لیے پیچیڈ ٹرانسفارمر فٹ کرتی ہے۔ یہ ہر اسٹاک کی تاریخی ان پٹ ونڈو کو مسلسل پیچز میں تقسیم کرتی ہے اور توجہ کے لیے ہر پیچ کو ایک ٹوکن سمجھتی ہے۔ توجہ ونڈو کے دور دراز حصوں کا…
یہ کنفیگریشن ایس اینڈ پی 500 کے اجزا پر ہفتہ وار اَیٹ دی منی اسٹرَیڈل فروخت کرنے کے مطالعے کی وضاحت کرتی ہے۔ پوزیشنیں جمعے کو کھولی جاتی ہیں اور میعاد ختم ہونے تک رکھی جاتی ہیں، جبکہ آپشن ڈیلٹا میں تبدیلی سے روزانہ اسٹاک ہیج شروع ہوتے ہیں۔ پورٹ فولیو سرمایہ…
یہ نوٹ بک ETF اسٹاکسٹک ڈسکاؤنٹ فیکٹر ماڈل کی وضاحت کرتی ہے، جو فنڈز کے قیمت منافع پر وزن کی ایک واحد سیریز فٹ کرتا ہے۔ ان ماڈلز کے برعکس جو فنڈ ایکسپوژرز اور فیکٹر منافع الگ الگ تخمینہ کرتے ہیں، یہ قیمت بندی کی غلطیوں کے مطابق دو نیٹ ورکس کو تربیت دیتا ہے:…
یہ نوٹ بک پہلے سے منتخب US ایکویٹی ماڈل کی ترتیب کے لیے ہولڈ آؤٹ پیش گوئیاں بنانے کا طریقہ بیان کرتی ہے۔ چونکہ ماڈل کے انتخاب اور اسٹریٹیجی کی ترتیبات توثیقی نتائج کی بنیاد پر طے ہوئیں، وہی نتائج انتخاب کے معیار کو آزادانہ طور پر ثابت نہیں کر سکتے۔ نوٹ بک…
یہ نوٹ بک GReaT پیش کرتی ہے، جو لسانی ماڈل سے مصنوعی مالیاتی ٹیبلز بنانے کا طریقہ ہے۔ یہ ہر قطار کو متن میں بدلتی ہے، ETF فیچرز پر GPT پر مبنی ماڈل کو فائن ٹیون کرتی ہے، اور تیار شدہ متن کو واپس عددی اور زمرہ جاتی کالمز میں پارس کرتی ہے۔ مثال کے فیچرز میں…