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۔
103 دستاویزات
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…
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 اشاریہ مخفی عوامل کا تعارف پیش کرتا ہے: یہ اسٹاک کی واپسیوں کی مشترک حرکت سے اخذ کردہ نمونے ہیں، اور ہر اسٹاک کی لوڈنگ اس نمونے کے حوالے سے اس کا ایکسپوژر ظاہر کرتی ہے۔ یہ پرنسپل کمپوننٹ تجزیے کا موازنہ انسٹرومنٹڈ پرنسپل کمپوننٹ تجزیے سے کرتا ہے: پہلا صرف…
یہ نوٹ بک ایک ETF کیس اسٹڈی کے درج شدہ بیک ٹیسٹ کو یکجا کرکے غیر یقینی کو مدنظر رکھنے والی اسٹریٹیجی جانچ پیش کرتی ہے۔ یہ کارکردگی کی پیمائشیں بلاک بوٹسٹریپ کے اعتماد کے وقفوں کے ساتھ پڑھتی اور جوڑی دار بوٹسٹریپ کے ذریعے طریقۂ کار کے مسلسل مراحل، اسٹریٹیجی…
یہ نوٹ بک LightGBM کی واپسی کی پیش گوئیوں کی وضاحت کے لیے TreeSHAP استعمال کرتی ہے، جس میں مجموعی خصوصیتی اہمیت، انفرادی پیش گوئیوں کی وضاحت، انحصار کے گراف اور جوڑیوں کے باہمی تعامل کی قدریں شامل ہیں۔ یہ SHAP درجہ بندیوں کا موازنہ permutation importance اور…
یہ نوٹ بک مالی سرخیوں کو اسٹاک کی سطح کے اشاروں میں بدلتی ہے اور انہیں آئندہ واپسیوں کے مقابل جانچتی ہے۔ یہ سرخیوں کی ایمبیڈنگز بناتی، خبری سرپرائز کو بدلتے ہوئے ایمبیڈنگ بیس لائن سے معنوی فاصلے کے طور پر ناپتی، اور سرپرائز کو جذباتی سمت کے ساتھ ملاتی ہے…
یہ نوٹ بک ETF تحقیق کے لیے فیچر انتخاب کا طریقۂ کار پیش کرتی ہے، جس کا مقصد بہت سی ممکنہ تبدیلیوں اور لک بیکس کو بعد کی ماڈلنگ کے لیے چھوٹے مجموعے تک محدود کرنا ہے۔ یہ فیچرز اور مستقبل کی واپسیوں کے درمیان کراس سیکشنل اسپیئرمن انفارمیشن کوایفیشنٹس نکالتی ہے،…
یہ نوٹ انسٹرومنٹڈ پرنسپل کمپوننٹ اینالیسس (IPCA) کی وضاحت کرتا ہے، جو ہر ETF کی عامل نمائش کو اس فنڈ کے مشاہدہ شدہ فیچرز کا مشترک خطی تفاعل بناتا ہے۔ آلٹرنیٹنگ لَیسٹ اسکوائرز فنڈ اور تاریخ کے مشاہدات میں فیچر سے نمائش کا نقشہ اور عامل منافع بیک وقت تخمینہ…
یہ نوٹ اسٹاک منافع کے پینل پر PCA مخفی عامل ماڈل فٹ کرتا ہے، اور آپشن سطح کے فیچرز، خصوصیات یا ہدف کی معلومات استعمال نہیں کرتا۔ PCA تاریخی کراس سیکشنل مشترک حرکت کی نمایاں سمتیں نکالتا، ہر اسٹاک کی نمائش کا تخمینہ لگاتا اور تربیتی ونڈو میں عامل کی اوسط سے…
یہ جائزہ فرم خصوصیات سے ریٹرنز کی پیش گوئی کرنے والے ماڈلز کے ایک خاندان کی وضاحت کرتا ہے۔ ہر خصوصیت کو براہِ راست ریٹرن کی پیش گوئی سمجھنے کے بجائے، یہ ماڈل فرض کرتے ہیں کہ ریٹرنز چند غیر مشاہدہ شدہ مشترک فیکٹرز سے چلتے ہیں اور ہر فرم کی ان سے وابستگی کا…
یہ دستاویز کنڈیشنل آٹواینکوڈر بیان کرتی ہے، جو فرم کی پوشیدہ ریٹرن فیکٹرز سے وابستگی کو فرم کی خصوصیات کا غیر خطی فنکشن سمجھ کر ماڈل کرتا ہے۔ IPCA کی طرح، یہ فیکٹر ساخت کا تخمینہ لگاتا ہے جس میں پیش گوئی شدہ ریٹرنز فرم کے مخصوص ایکسپوژرز اور فیکٹر ریٹرنز کو…
یہ باب کا جائزہ بتاتا ہے کہ گریڈینٹ بوسٹڈ درخت مالیاتی جدولی پیش گوئی کے لیے فیصلہ جاتی درختوں اور رینڈم فارسٹ سے کیسے آگے بڑھتے ہیں۔ بوسٹنگ سابقہ غلطیاں درست کرنے کے لیے سیکھنے والے ماڈلز یکے بعد دیگرے شامل کرتی ہے، جس سے غیر خطی تعلقات اور حدی اثرات پکڑنے…
یہ دستاویز اثاثوں کی قیمت گذاری میں مشین لرننگ تحقیق کے لیے ماہانہ US ایکویٹی ڈیٹاسیٹ بیان کرتی ہے۔ اس میں ریٹرنز کے ساتھ 94 رینک تبدیل شدہ فرم خصوصیات، بشمول اکاؤنٹنگ پیمانے اور تکنیکی خصوصیات، شامل ہیں۔ فرموں کی شناخت پوشیدہ ہے اور ڈیٹا میں ڈی لسٹ شدہ…
یہ نوٹ بک US ایکویٹیز پر مشین لرننگ تحقیق کے لیے شائع شدہ پینل متعارف کراتی ہے۔ اس میں کئی دہائیوں کے ماہانہ مشاہدات، 46 فرم خصوصیات اور اگلے ماہ کے اضافی ریٹرنز شامل ہیں۔ خصوصیات کو معاشی معنی کے لحاظ سے گروپ کیا گیا ہے اور ہر ماہ انہیں مشترک محدود پیمانے…
یہ نوٹ بک CAPM اور فاما فرنچ فیکٹر ریگریشنز کے ذریعے ایکویٹی ای ٹی ایف کے پورٹ فولیو کا تجزیہ کرتی ہے، پھر تجزیے کو رولنگ ایکسپوژرز، ریٹرن کی نسبت اور باقی ماندہ انحصار تک بڑھاتی ہے۔ یہ ہم آہنگ روزانہ ریٹرنز اور فیکٹر ڈیٹا استعمال کرتی ہے، ہیٹروسکیڈاسٹیسٹی…
یہ نوٹ بک US کمپنی منافع کے کراس سیکشن کی قیمت بندی کے لیے اسٹاکاسٹک ڈسکاؤنٹ فیکٹر (SDF) ماڈل کی وضاحت کرتی ہے۔ یہ ایسے وزن سیکھتا ہے جن سے رعایتی اثاثہ منافع عدم آربیٹریج مومنٹ شرائط پوری کرے، بجائے اس کے کہ منافع کی پیش گوئی کا خسارہ بہتر بنائے۔ تربیت غیر…
یہ نفاذ اثاثوں کی قیمت بندی کے تعلقات جانچنے کے لیے نیورل اسٹاکاسٹک ڈسکاؤنٹ فیکٹر ماڈل اور مخالفانہ مومنٹ نیٹ ورک بیان کرتا ہے۔ SDF نیٹ ورک اثاثوں کی خصوصیات، اور اختیاری طور پر LSTM سے معاشی دورانیے کی نمائندگی، کو اثاثہ وزن میں بدلتا ہے۔ یہ وزن اور منافع…
یہ نوٹ بک گمنام کمپنی خصوصیات سے حصص کے منافع کی پیش گوئی میں رینڈم فارسٹ بیگنگ کا XGBoost، LightGBM اور CatBoost سے معیار جانچتی ہے۔ یہ پہلے سے متعین زمانی تربیتی، توثیقی اور آزمائشی تقسیم استعمال کرتی ہے، مرکزی پیمانے کے طور پر Spearman درجہ معلوماتی…
یہ نوٹ بک وضاحت کرتی ہے کہ سہ ماہی US ایکوئٹیز کے بنیادی اعدادوشمار کا پینل SEC XBRL ڈیٹا سے کیسے بنایا اور جانچا جائے، جبکہ اس مدت کو محفوظ رکھا جائے جس سے حقیقت متعلق ہے اور وہ تاریخ بھی جب یہ عوامی ہوئی۔ تاریخی طور پر درست بیک ٹیسٹ کے لیے فائلنگ یا اعلان…
یہ نوٹ بک مشترکہ خطرے کے عوامل اور شعبوں کی گردش بیان کرنے کے لیے شعبہ جاتی ETF ریٹرنز پر باہمی تعلق پر مبنی پرنسپل کمپوننٹ تجزیہ استعمال کرتی ہے۔ ریٹرنز کو معیاری بنانے سے تقسیم سے پہلے ہر شعبے کی ویرینس ایک ہو جاتی ہے، جس سے زیادہ اتار چڑھاؤ والا شعبہ…
یہ نوٹ بک CME فیوچرز کے ریٹرن کی پیش گوئی کے لیے پرنسپل کمپوننٹ پر مبنی بنیادی ماڈل بیان کرتی ہے۔ PCA کو ٹریننگ فولڈ کے مصنوعات کے ریٹرن پینل پر فٹ کیا جاتا ہے، اس لیے اس کے کمپوننٹس کنٹریکٹس کے درمیان مشترکہ حرکت کی سمتیں ظاہر کرتے ہیں، نہ کہ کیری، مومینٹم…