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۔
83 دستاویزات
یہ نوٹ بک پہلے سے منتخب کرپٹو پرپیچوئلز کنفیگریشن پر عمل درآمد کے اخراجات کے اثرات ناپتی ہے۔ یہ ماڈل، چیک پوائنٹ، داخلے کا قاعدہ، تخصیص کنندہ اور رسک کنٹرول مقرر رکھتی ہے، پھر ٹریڈ شدہ نوٹیشنل پر دو طرفہ چارجز کے متعین سلسلے میں اسٹریٹیجی دوبارہ چلاتی ہے۔…
یہ نوٹ بک فی گھنٹہ BTC، ETH اور SOL پرپیچوئل ڈیٹا پر دو ماڈلز کے اخراج کے ڈیزائن کو آزماتی ہے۔ داخلے کا درجہ بند کنندہ غیر معمولی طور پر مضبوط مستقبل کے ریٹرنز شناخت کرتا ہے؛ پھر اس کا پیش گوئی شدہ امکان تکنیکی فیچرز کے ساتھ ایک الگ ماڈل میں شامل ہوتا ہے، جو…
یہ تجزیہ پرپیچوئل فیوچرز کی فنڈنگ کے لیے متعدد ماڈل خاندانوں کی توثیقی پیش گوئیوں کا موازنہ کرتا ہے۔ یہ بتاتا ہے کہ انفارمیشن کوفیشنٹ بعد کے منافع کی درجہ بندی ناپتا ہے، AUC اوپر بمقابلہ نیچے ہونے والے نتائج کی درجہ بندی ناپتا ہے، اور لاگ لاس احتمالات کے…
یہ کیس اسٹڈی DeFi Llama کی کل مقفل قدر کے ڈیٹا کو Ether کی ٹریڈنگ تحقیق کی پائپ لائن کے ممکنہ ان پٹ کے طور پر جانچتی ہے۔ یہ سگنل کی قوت، ڈیٹا کے معیار، قانونی موزونیت اور تجارتی قدر کو الگ رکھتی ہے؛ قانونی مسائل اور تاریخی نسخوں کی تشکیلِ نو نہ کر سکنا لازمی…
یہ نوٹ بک پہلے کے تخصیصی مرحلے میں منتخب کیے گئے کرپٹو پرپیچوئل فیوچرز کی پوزیشنوں پر پوزیشن کی سطح کے اخراج جانچتی ہے۔ یہ مقررہ نقصان اسٹاپ، ہر پوزیشن کی بہترین قیمت سے منسلک ٹریلنگ اسٹاپ، اور مقررہ مدت تک رکھنے کے بعد اخراج متعین کرتی ہے۔ اعلان کردہ گرڈ…
یہ دستاویز کرپٹو کرنسی پرپیچوئل فیوچرز اور ان کے پریمیم انڈیکس کے مطالعے کے لیے ڈیٹا سیٹ اور طریقۂ کار بیان کرتی ہے۔ اس میں ترتیب دیے گئے اثاثوں کے مجموعے کے لیے فی گھنٹہ OHLCV مشاہدات اور ہر آٹھ گھنٹے بعد پریمیم ریڈنگز، نیز ڈاؤن لوڈ، لوڈنگ، فلٹرنگ اور…
یہ نوٹ بک جانچتی ہے کہ آیا بائننس پرپیچوئل فیوچرز کا ڈیٹا ایسی کراس سیکشنل اسٹریٹیجی کے لیے موزوں ہے جو پریمیم کی بنیاد پر کنٹریکٹس کو درجہ بند کر کے لانگ اور شارٹ پوزیشنیں لیتی ہے۔ یہ ماڈل فٹ یا پیش گوئی نہیں کرتی۔ اس کے بجائے، یہ فنڈنگ تصفیے کے اوقات میں…
یہ کنفیگریشن کرپٹو پرپیچوئل فیوچرز کے لیے لانگ اور شارٹ اسٹریٹیجی کی تحقیقی ورک فلو متعین کرتی ہے۔ یہ حجم کی بنیاد پر منتخب 19 اثاثوں کی یونیورس، آٹھ گھنٹے کے فنڈنگ تصفیوں سے ہم آہنگ فیصلے، اور فنڈنگ کے ٹائم اسٹیمپ پر ایگزیکیوشن مقرر کرتی ہے۔ بنیادی ہدف اگلے…
یہ مظاہرہ USD اسپاٹ بروکر سے منسلک مسلسل چلنے والی کرپٹو اسٹریٹیجی کے عملی ڈھانچے کی وضاحت کرتا ہے۔ یہ پرپیچوئل فیوچرز کے بڑے کیس اسٹڈی یونیورس کو دستیاب اسپاٹ جوڑوں کے چھوٹے مجموعے سے ہم آہنگ کرتا ہے، پھر مومنٹم زیڈ اسکور کے متبادل سگنل کو بروکر سے جڑے لوپ…
یہ نوٹ بک کرپٹو دائمی فیوچرز بازار کے فی گھنٹہ بارز میں مقررہ فروختی آرڈر کا وقت طے کرنے کے لیے تقویتی سیکھنے والا ایجنٹ تربیت دیتی ہے۔ اس کی حالت میں تاخیری منافع، اتار چڑھاؤ، گزشتہ گھنٹے کا حجم، اسپاٹ کے مقابل دائمی پریمیم، اور فنڈنگ کی ادائیگی تک وقت شامل…
یہ نوٹ بک پری پروسیسنگ یا فیچر انجینئرنگ سے پہلے مالی ڈیٹا سیٹس کے لیے دوبارہ استعمال کے قابل تشخیصی جائزہ بناتی ہے۔ یہ وقت کے اشاریے کی ڈیٹا قسم، خالی ٹائم اسٹیمپس، ترتیب اور انفرادیت جانچتی ہے؛ عین اور کلید پر مبنی نقلیں تلاش کرتی ہے؛ فیلڈ، اثاثے اور تاریخ…
یہ جائزہ نوٹ بک کرپٹو پرپیچول فیوچرز کے اگلے آٹھ گھنٹے کے منافع سے تعلق کے لیے مالی اور ماڈل پر مبنی خصوصیات چھانٹتی ہے۔ یہ واک فارورڈ توثیقی ونڈوز سے جائزے کا نمونہ بناتی ہے، آخری ہولڈ آؤٹ کو تجزیے سے باہر رکھتی ہے اور ہر سیٹلمنٹ پر کراس سیکشنل درجہ بندی کے…
دستاویز بتاتی ہے کہ پرپیچول فنڈنگ پینل ڈیٹا کی ماڈلنگ کے لیے TabM کیوں استعمال ہوتا ہے: اس کا مشترکہ نیورل بیک بون تمام اِن پٹ خصوصیات کو یکجا کرتا ہے، جبکہ غیر خطی پرتیں باہمی اثرات ظاہر کر سکتی ہیں۔ اس درخت کے برعکس جو ہر تقسیم پر ایک خصوصیت چنتا ہے، یہ…
یہ نوٹ بک کرپٹو پرپیچولز میں منافع اور سمت کی پیش گوئی کے لیے گریڈینٹ بوسٹنگ ماڈلز کا مطالعہ کرتی ہے۔ اس کی گرڈ میں درختوں کی گنجائش اور لاس فنکشن بدلتے ہیں، جن میں اسکوائرڈ ایرر، ابسولیٹ ایرر اور ہیوبر مقاصد شامل ہیں، جبکہ تربیت کے متعدد مراحل پر ماڈلز کی…
یہ نوٹ بک تخمینہ لگاتی ہے کہ آیا کرپٹو پرپیچوئل کا پریمیم زیڈ اسکور بعد کے آٹھ گھنٹے کے ریٹرنز پر اثر انداز ہوتا ہے، جب تین بیان کردہ عوامل—قیمت کا اتار چڑھاؤ، فنڈنگ کی شرح اور اوسط پریمیم انحراف—مستقل رکھے جائیں۔ چونکہ ٹریٹمنٹ مسلسل ہے، ہدف ایک ڈھلوان ہے جو…
یہ ابتدائی تجزیہ کرپٹو پرپیچوئل معاہدوں کے فی گھنٹہ OHLCV اور آٹھ گھنٹے کے پریمیم انڈیکس کا جائزہ لیتا ہے۔ یہ علامتوں اور تاریخوں کی کوریج، معاہدوں کی بدلتی شمولیت، پریمیم کی اکائیوں اور تقسیم، OHLC کی درستگی، غائب قدروں، اور فی گھنٹہ قیمتوں کو کم بار بار…
یہ نوٹ بک ایکویٹیز، ای ٹی ایف، فیوچرز، زرمبادلہ اور کرپٹو پرپیچوئلز میں ٹریڈنگ کے اخراجات کا تخمینہ لگانے کے لیے اکائیوں سے باخبر فریم ورک بناتی ہے۔ پہلے یہ ٹریڈ شدہ والیوم کو ایسی سرگرمی کی پیمائشوں سے الگ کرتی ہے جنہیں ڈالر ٹرن اوور میں تبدیل نہیں کیا جا…
یہ نوٹ بک پہلے سے منتخب کرپٹو پرپیچوئل فیوچرز ترتیب پر نفاذ کے اخراجات کے اثرات ناپتی ہے۔ یہ ماڈل، چیک پوائنٹ، داخلے کا قاعدہ، تخصیص اور رسک کنٹرول مستقل رکھ کر ٹریڈ شدہ نوٹیشنل پر راؤنڈ ٹرپ چارجز کی مختلف سطحوں پر بیک ٹیسٹ دوبارہ چلاتی ہے۔ ہر لیبل کے لیے…
یہ رہنما علّی سوالات کو Python لائبریریوں سے جوڑتی اور فرض کردہ علّی ساخت کے تحت اثر کا تخمینہ لگانے اور ڈیٹا سے ممکنہ ساخت دریافت کرنے کا فرق واضح کرتی ہے۔ یہ ایڈجسٹ شدہ treatment effects کے لیے double machine learning، DoWhy سے graph-based شناخت اور تردید،…
یہ نوٹ بک TabM، یعنی وزن مشترک کرنے والے neural ensemble، کو cryptocurrency perpetual-futures خصوصیات کے پینل پر لاگو کرتی ہے۔ اس کے اجزا neural backbone مشترک رکھتے ہیں، مگر الگ scaling vectors اور output layers رکھتے ہیں، یوں مؤثر ensembling کو باہم مربوط…
یہ نوٹ بک ایک لانگ اونلی Bitcoin اسٹریٹیجی کے لیے قابل آڈٹ رپورٹ بناتی ہے، جو RSI کی حدوں سے انٹری اور اخراج کرتی ہے۔ یہ مجموعی اور خالص نتائج کا تقابل کرتی ہے، پھر اسی ڈیٹا، وارم اپ، ایکسپوژر، فلز اور لاگتوں کے ساتھ چلائے گئے بائے اینڈ ہولڈ معیار کے مقابل…
یہ نوٹ بک ایک مرکوز ٹیسٹ پیش کرتی ہے: کیا پرپیچوئل فنڈنگ فیچرز کی سیکوئنس نمائندگی، پریمیم یعنی پرپیچوئل اور اسپاٹ قیمتوں کے فرق کے ہاتھ سے بنائے گئے خلاصوں سے بہتر ہے؟ یہ NLinear کا تقابل ایک بار بار چلنے والے LSTM سے کرتی ہے۔ NLinear حالیہ ونڈو کی تبدیلیوں…
یہ نوٹ بک ماڈل کی درجہ بندی کو سادہ کرپٹو پرپیچوئل پورٹ فولیوز میں بدلتی ہے۔ ہر فنڈنگ ٹائم اسٹیمپ پر انٹری کا قاعدہ درجہ بندی کے اوپر یا نیچے سے کنٹریکٹس منتخب کرکے انہیں مساوی وزن دیتا ہے۔ مساوی وزن ایک حوالہ فراہم کرتا ہے: اس کے بعد سائزنگ کو یکساں رکھتے…
یہ نوٹ بک پرپیچوئل فیوچرز کی فنڈنگ تحقیق کے لیے کئی ماڈل خاندانوں کی توثیقی پیش گوئیوں کا تقابل کرتی ہے۔ یہ بتاتی ہے کہ انفارمیشن کوایفیشنٹ پیش گوئیوں اور بعد کے ریٹرنز کے درمیان درجہ جاتی تعلق ناپتا ہے، AUC اوپر یا نیچے کے لیبلز کی درجہ بندی ناپتا ہے، اور…