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 دستاویز درج کرتی ہے کہ آیا فیڈرل ریزرو 2026 میں شرحیں بڑھائے گا، اس کی کثیر مرحلہ پیش گوئی۔ تین ایجنٹ شہادت تلاش کر کے امکانات بناتے ہیں، پھر مباحثہ اور نگران کی تازہ کاری ہوتی ہے۔ ان کی آرا مختلف ہیں: دو شرح بڑھنے کا امکان کم بتاتے ہیں، جبکہ ایک کو خطرہ…
یہ نوٹ S&P 500 آپشنز کے لیے اعلان کردہ تین ماڈل والی سلسلہ سیکھنے کی آبادی میں NLinear ماڈل چلاتا ہے۔ اس ماڈل کو فٹ کرنے سے پہلے پوری آبادی کی درخواستیں اور چیک پوائنٹس طے کیے جاتے ہیں، تاکہ بعد کے نوٹس اسی اسنیپ شاٹ پر LSTM اور PatchTST ماڈلز چلا سکیں۔ آلے…
یہ نوٹ US فرم خصوصیات کے مطالعے میں ہولڈ آؤٹ پیش گوئی کے مرحلے کی وضاحت کرتا ہے۔ یہ توثیجی نتائج سے منتخب ماڈل کی ترتیب لیتا، اس کی تربیتی تخصیص اور چیک پوائنٹ دوبارہ بناتا، پھر ہولڈ آؤٹ کی کھڑکی سے پہلے ختم ہونے والے ڈیٹا پر اسے دوبارہ فٹ کرتا ہے۔ نئی…
یہ ترتیب کا نوٹ بتاتا ہے کہ L1 سے جرمانہ شدہ تین درجوں کی لاجسٹک ریگریشن scikit-learn کے liblinear حل کنندہ کے بجائے SAGA کیوں استعمال کرتی ہے۔ یہ scikit-learn کے نئے نسخوں میں کثیر درجہ مطابقت کا حوالہ دیتا اور رپورٹ کرتا ہے کہ پیمائش شدہ Nasdaq-100 مائیکرو…
نوٹ بڑھتی ہوئی مدت کے ڈبل مشین لرننگ تجزیے میں جانچتا ہے کہ آیا 12 تا -2 ماہ کا مومینٹم، بیٹا، مخصوص اتار چڑھاؤ، مارکیٹ سرمایہ اور ویرینس کی ایڈجسٹمنٹ کے بعد اگلے ماہ US فرم کے منافع کی پیش گوئی کرتا ہے۔ یہ پہلے کے مہینوں سے نَیوسنس ماڈلز فٹ کرتا، تربیت اور…
یہ نوٹ SEC 8-K فائلنگز سے منظم کارپوریٹ واقعات اخذ کر کے انہیں Neo4j علم گراف میں شامل کرنے کی پائپ لائن پیش کرتا ہے۔ ایک زبان کا ماڈل فائلنگز پر بیچوں میں کارروائی کر کے موضوعات، تعلقات، اشیا اور ٹائم اسٹیمپس والے واقعہ ریکارڈ بناتا ہے۔ طریقۂ کار میں واضح…
یہ نوٹ فرم کی خصوصیات کے ڈیٹا سیٹ پر XGBoost، LightGBM اور CatBoost کے Optuna ہائپر پیرامیٹر سرچز کا موازنہ کرتا ہے۔ ہر لائبریری کی اپنی سرچ اسٹڈی ہے، جس میں درختی ساخت کا پرزن تخمینہ کار، میڈین پروننگ، جلد روک اور مستقل مطالعہ ذخیرہ استعمال ہوتے ہیں۔ اوسط…
یہ نوٹ ٹائم ویٹڈ ایوریج پرائس (TWAP) کے نفاذی اصول کے مظاہروں سے رویے کی نقل اور الٹا تقویتی سیکھنا (IRL) کا موازنہ کرتا ہے۔ رویے کی نقل مشاہدہ شدہ مارکیٹ حالتوں کو براہِ راست اعمال سے جوڑتی ہے، جبکہ IRL نفاذی فیچرز پر خطی انعام فٹ کر کے اخذ کردہ مقصد سے…
یہ نوٹ ڈبل مشین لرننگ سے جانچتا ہے کہ آیا مشاہدہ شدہ مخدوش کرنے والے عوامل کی ایڈجسٹمنٹ کے بعد مضمر اور حقیقی اتار چڑھاؤ کا فرق بعد کے ایکویٹی منافع سے وابستہ ہے۔ یہ حقیقی اتار چڑھاؤ، ایکویٹی مومینٹم اور رسک ریورسل اسکیو کو متعلقہ کنٹرولز کے طور پر شناخت…
یہ مظاہرہ جانچتا ہے کہ آیا دو موونگ ایوریجز کے کراس اوور کا ایک ہی نفاذ بیک ٹیسٹ اور لائیو انجنز میں یکساں سگنلز دیتا ہے۔ دونوں انجنز کو تیار شدہ وہی ETF بارز دی جاتی ہیں اور وہی اسٹریٹیجی پیرامیٹرز اور فل ہونے کا اصول استعمال ہوتا ہے، اس لیے موازنہ انجن کے…
یہ نوٹ مارچ 16، 2020 کے مارکیٹ کریش کے دوران AAPL کے ٹک سطح کے AlgoSeek تجارتی اور کوٹ ڈیٹا کا جائزہ لیتا ہے۔ یہ معمول کے اوقاتِ تجارت تک فلٹر کرتا، تجارتی اندراجات کو NBBO اپ ڈیٹس سے الگ کرتا، اور دن کے اندر سرگرمی، اسپریڈز، تجارتی حجم، مقام کی تقسیم اور…
یہ تجزیہ ITCH کے اضافے، حذف، جزوی منسوخی، تبدیلی اور عمل درآمد کے پیغامات سے انفرادی NASDAQ حدی آرڈرز کی زندگی دوبارہ تشکیل دیتا ہے۔ یہ ناپتا ہے کہ آرڈر منسوخ ہوتے یا مکمل ہوتے ہیں، اور ان واقعات تک پہنچنے میں کتنا وقت لگتا ہے؛ اس کے لیے درست ٹائم اسٹیمپس…
یہ نوٹ انفرادی US اسٹاکس کی شائع شدہ فرم خصوصیات پر رِج، لاسو اور ایلاسٹک نیٹ ماڈلز فٹ کرتا ہے۔ فیچرز میں قدر، منافع آوری، سرمایہ کاری، حجم، مومینٹم، ریورسل، خطرہ اور لیکویڈیٹی شامل ہیں۔ واک فارورڈ فولڈز ترتیبوں کا تقابل ممکن بناتے ہیں، جبکہ پنلٹی کی مختلف…
یہ کیس اسٹڈی ETF منافع کے لیبلز پر گریڈینٹ بوسٹڈ درخت فٹ کرتی اور ان کا ایک ایسے خطی بنیادی ماڈل سے موازنہ کرتی ہے جس نے مضبوط رِج ریگولرائزیشن کے تحت اچھی کارکردگی دکھائی۔ یہ بتاتی ہے کہ درخت تعاملات کیسے دریافت کر سکتے ہیں، مثلاً مارکیٹ کے دباؤ کی مختلف…
یہ نوٹ GJR-GARCH ماڈل استعمال کرتے ہوئے S&P 500 ایکویٹی اور آپشنز کے مطالعے کے لیے مشروط اتار چڑھاؤ کے فیچرز بناتا ہے۔ ماضی کی قیمتوں پر مبنی مستقل اصولوں کے برعکس، فٹ کیے گئے فیچرز کا انحصار تخمینے کی مدت پر ہوتا ہے۔ اس لیے طریقہ دوبارہ فٹ کرنے کا شیڈول طے…
یہ دستاویز کیس اسٹڈی کے پیراکیٹ ڈیٹا سے براہ راست فیچر اسٹور کے تصورات دکھاتی ہے۔ فیچر ویو میں اکائی کی کلید، واقعے کا ٹائم اسٹیمپ، قابلِ استعمال مدت اور فیچر کالم متعین ہوتے ہیں۔ ماڈل کی تربیت کے لیے تاریخی قدروں کو اس فیصلے کے وقت سے جوڑا جاتا ہے جب وہ…
یہ تجزیاتی نوٹ بتاتا ہے کہ نئی بیک ٹیسٹنگ کے بجائے رجسٹری کے نتائج سے فرم کی خصوصیات پر مبنی US ایکویٹی اسٹریٹیجی کا جائزہ کیسے لیا جائے۔ یہ غیر یقینی کو ملحوظ رکھنے والے کارکردگی کے اعدادوشمار دیکھتا، مشترک بنیاد پر ترتیبوں کی درجہ بندی کرتا، اور منتخب…
یہ دستاویز مالی ٹائم سیریز ڈیٹا کے لیے استعمال ہونے والے ڈیٹا بیس انجنز کا معیار بندی کا طریقہ بیان کرتی ہے۔ یہ بلک رائٹس، مکمل اسکین، وقت کی حد والی کوئریز، OHLCV مجموعہ اور ٹریڈ و کوٹ ڈیٹا کے وقت کے مطابق جوڑنے کا موازنہ کرتی ہے۔ اس کا طریقۂ کار کلائنٹ کی…
یہ دستاویز مالی ڈیٹا سیٹس کی صفائی کے طریقے پیش کرتی اور بتاتی ہے کہ پری پروسیسنگ کو تربیت اور جانچ کی تقسیم کے مطابق کیسے رکھا جائے۔ بنیادی سبق یہ ہے کہ اسکیلنگ اور وِنسرائزیشن جیسی تبدیلیوں کا تخمینہ صرف تربیتی ڈیٹا سے لگائیں؛ پورا ڈیٹا سیٹ استعمال کرنے سے…
دستاویز پورٹ فولیو کے مقررہ دوبارہ توازن سے پہلے پوزیشنیں بند کرنے کے تین اصول بیان کرتی ہے: نقصان کی مقررہ حد، پوزیشن کی بہترین قیمت سے ناپا جانے والا ٹریلنگ اسٹاپ، اور وقت پر اخراج جو مقررہ ہولڈنگ مدت کے بعد پوزیشن بند کرتا ہے۔ چونکہ یہ اضافی کنٹرول صرف…
یہ دستاویز معیار بندی، رسک کی نسبت اور فیکٹر تحقیق کے اِن پٹس کے طور پر عوامی فاما فرنچ اور AQR فیکٹر منافع کے ڈیٹا سیٹس کا تعارف کراتی ہے۔ یہ فاما فرنچ لائبریری کے مارکیٹ، سائز، ویلیو، منافع بخشی، سرمایہ کاری اور مومنٹم فیکٹر بیان کرتی ہے، اور ساتھ AQR…
یہ نوٹ بک بعد کے متنی تجزیے کے لیے 10-کے اور 10-کیو فائلنگز سے بیانیہ حصے اخذ کرنے کا طریقہ بیان کرتی ہے۔ یہ فارم کے مطابق آئٹم نمبرز کا نقشہ بناتی، پیراگراف کی حدود محفوظ رکھتے ہوئے فائلنگ HTML کو تبدیل کرتی، صفحے کے غیر متعلقہ حصے صاف کرتی اور فہرستِ…
یہ نوٹ بک ادارہ جاتی 13ایف انکشافات کو مینیجرز اور اسٹاک ملانے والے دو حصوں کے گراف میں بدلتی، پھر اسٹاک کی سطح پر ملکیت کے فیچرز اخذ کرتی ہے۔ یہ مینیجر اور اسٹاک کی تکراری پوزیشنیں یکجا کرتی، جاری کنندہ کے نام معیاری بناتی، آپشن کی قطاریں خارج کرتی اور…
یہ دستاویز تحقیق کے لیے ایس اینڈ پی 500 کی بڑی آپشن چینز کو روزانہ فی سمبل ڈیٹا سیٹس میں تبدیل کرنے کا طریقہ بیان کرتی ہے۔ اس کا سطحی خلاصہ میعاد کے گروہوں میں ہدفی مطلق ڈیلٹا کے قریب ترین آپشنز چنتا ہے، پھر متعدد مدتوں کے لیے اٹ دی منی امپلاڈ وولیٹیلٹی،…