یہ نوٹ ایک مقررہ FinBERT ماڈل پر ٹوکن کی سطح کا SHAP لاگو کرتا ہے، جو مالیاتی متن کو منفی، غیر جانب دار یا مثبت قرار دیتا ہے۔ یہ ماڈل کی پیش گوئی کو اس طرح لپیٹتا ہے کہ چیک پوائنٹ میں لیبلز کی ترتیب برقرار رہے، پھر ماسک کیے گئے ٹوکن گروپس سے طبقاتی احتمالات…
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
35 دستاویزات
یہ ریکارڈ ایک کثیر ایجنٹ سلسلے کی دستاویز ہے جو اندازہ لگاتا ہے کہ آیا 2026 کے اختتام تک ریاستہائے متحدہ کساد بازاری میں داخل ہوگا۔ ایجنٹ معاشی اشاریے اور پیش گوئیاں تلاش کرتے ہیں، انفرادی احتمالات قائم کرتے ہیں، بحث کے ذریعے دلائل کا موازنہ کرتے ہیں اور…
یہ نوٹ بک کساد بازاری کے سوال پر تین، باقی تمام پہلوؤں میں یکساں، تحقیقی ایجنٹ چلاتی ہے؛ یا تو محفوظ شدہ ریکارڈنگ دوبارہ چلا کر یا لائیو ماڈلز اور تلاش بیک وقت چلا کر۔ یہ ہر ایجنٹ کا امکان، اعتماد، شواہد جمع کرنے کی سرگرمی اور گفتگو کی زمانی ترتیب ریکارڈ…
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 ایک ہی پیش گوئی کے سوال کا جواب دینے والے یکساں تحقیقی ایجنٹس کے پینل کو چلاتی یا دوبارہ چلاتی ہے، پھر ان کی پیش گوئیاں، تلاش کی سرگرمی، اور گفتگو کے آثار دیکھتی ہے۔ ہر ایجنٹ کی الگ ٹریسنگ متوازی کالز کے دوران نسبت محفوظ رکھتی ہے۔ مثال دکھاتی ہے کہ…
یہ نوٹ بک FinMarBa کی سرخیوں پر پہلے سے تربیت یافتہ مالیاتی جذباتی ماڈل کا جائزہ لیتی ہے اور واضح کرتی ہے کہ یہ جذبات کی منتقلی کا صاف امتحان کیوں نہیں۔ FinBERT کو متن کے جذبات سے متعلق انسانی فیصلوں پر تربیت دی گئی تھی، جبکہ FinMarBa کے منفی، غیر جانب دار…
یہ نوٹ بک مالیاتی سرخیوں کو اسٹاک سطح کے سگنلز میں بدلنے کا عمل پیش کرتی ہے۔ یہ خبری مواد کو صاف اور معیاری بناتی، ٹکر اور تاریخ کے گروپوں میں عین اور سابقہ متن سے ملتے جلتے نقل شدہ مواد کو ہٹاتی، اور سرخی کے معنی ظاہر کرنے کے لیے جملوں کے ایمبیڈنگز استعمال…
یہ نوٹ بک پیش گوئی کرنے والا ایجنٹ بناتی ہے جو ویب تلاش اور احتمالی پیش گوئیوں کے درمیان باری باری کام کرتا ہے۔ دو طریقوں والا ایک مختصر زبان ماڈل انٹرفیس اسی عمل کو فرضی، مقامی، یا تجارتی فراہم کنندہ کے ساتھ استعمال کرنے دیتا ہے۔ ایجنٹ کو پیش گوئی مارکیٹ کا…
یہ نوٹ بک مقداری ایکویٹی تحقیق کے لیے خام SEC Form 4 XML سے اندرونی افراد کے لین دین نکالنے کا طریقہ بتاتی ہے۔ یہ XML پارسر استعمال کرتی ہے تاکہ ہر ٹریڈ کا کوڈ، تاریخ، حصص کی تعداد، قیمت اور سمت اسی کے لین دین بلاک کے ساتھ منسلک رہیں، جبکہ جاری کنندہ اور…
یہ نوٹ بک FinMarBa کی مالی سرخیوں پر پہلے سے تربیت یافتہ FinBERT لاگو کرتی ہے اور دیکھتی ہے کہ اس کی درستگی Financial PhraseBank کی تشخیص میں رپورٹ شدہ اعداد سے بہت کم کیوں ہے۔ بنیادی تشخیصی نکتہ لیبل کا ماخذ ہے: PhraseBank لیبل جملے کے جذبات کے بارے میں…
یہ باب مالی متن کی نمائندگی کے طریقوں کا جائزہ لیتا ہے، لغات اور لفظی شمار سے لے کر TF-IDF، جامد ایمبیڈنگز، بازگشتی نیٹ ورکس اور ٹرانسفارمرز تک۔ اس میں ان کے سمجھوتوں کی وضاحت ہے: سادہ طریقے تیز، قابلِ فہم اور مالیات کے لیے قابلِ موافقت ہیں، جبکہ سیاقی ماڈلز…
یہ حوالہ Financial Phrasebank کی وضاحت کرتا ہے، جو مالیاتی خبروں کے جملوں کا لیبل شدہ مجموعہ ہے اور قدرتی زبان کی پروسیسنگ کے ماڈلز کی تربیت یا جانچ میں استعمال ہوتا ہے۔ انسانی تشریح کار مثبت، غیر جانب دار یا منفی جذبات کے لیبل دیتے ہیں۔ مواد چار اتفاقی حدوں…
یہ نوٹ بک سہ ماہی SEC 10-Q کی انتظامیہ کی بحث اور تجزیے کے متن سے ایکویٹی کے دو ممکنہ سگنل بنانا دکھاتی ہے۔ FinBERT متن کے حصوں کو مثبت، غیر جانب دار یا منفی لہجے کے لیے اسکور کرتا ہے؛ ان اسکورز کو جمع کرکے فائلنگ کے اندر اوسط جذبات اور پھیلاؤ نکالا جاتا ہے۔…
یہ نوٹ بک مالیاتی خبروں کے جملوں کو مثبت، غیر جانب دار یا منفی درجہ دینے کے تین طریقوں کا موازنہ کرتی ہے: لوجسٹک ریگریشن کے ساتھ TF-IDF کے لفظی اور عبارتی فیچرز، کلاسیفائر کے ساتھ اوسط جامد لفظی ویکٹرز، اور پہلے سے تربیت یافتہ فن برٹ جذباتی ماڈل۔ طریقوں کی…
یہ نوٹ بک SEC کی سالانہ اور سہ ماہی فائلنگز کو بعد کے جذباتی، موضوعاتی اور ایمبیڈنگ تجزیے کے لیے منظم متن میں بدلنے کا طریقۂ کار پیش کرتی ہے۔ یہ مطلوبہ حصوں کو فارم کے مخصوص آئٹم نمبروں سے جوڑتی ہے اور واضح کرتی ہے کہ انتظامیہ کی بحث 10-Ks اور 10-Qs میں…
یہ حوالہ جذبات کے تجزیے، متنی خصوصیات کی تیاری اور خبروں کو منافع سے جوڑنے والے تجربات کے لیے مالی خبروں کے دو متنی ڈیٹا مجموعوں کا تعارف دیتا ہے۔ FNSPID سرخیوں کو اسٹاک ٹکروں سے جوڑتا ہے اور طویل تاریخی مدت کا احاطہ کرتا ہے؛ مکمل مجموعے کے ساتھ ایک چھوٹا…
یہ دستاویز سہ ماہی SEC 13F بلک فائلنگز کو ادارہ جاتی ہولڈنگز کے پینل میں بدلنے کا طریقۂ کار بتاتی ہے۔ یہ ہر منیجر کی تازہ ترین فائلنگ تاریخِ جمع آوری سے چنتی، سیکیورٹیز کی شناخت کے لیے فائلر کے درج کردہ کمپنی ناموں کے بجائے CUSIP استعمال کرتی، اور غیر معقول…
یہ نوٹ بک مالیاتی نامیاتی ہستیوں کی شناخت کے لیے ٹرانسفارمر کی فائن ٹیوننگ دکھاتی ہے، جس میں متن کے حصوں کو تنظیم، شخص، رقم، تاریخ اور فی صد کے منظم خانوں میں بدلا جاتا ہے۔ یہ BIO سرحدی لیبل متعارف کراتی ہے اور بتاتی ہے کہ لفظی سطح کی نشاندہی کو ذیلی لفظ…
یہ نوٹ بک دستاویز پر مبنی مالی معاون کے حفاظتی قواعد کا چھ ہاتھ سے بنائے گئے کیسز کے ذریعے جائزہ لیتی ہے۔ کیسز میں پرامپٹ انجیکشن، ناقابل اعتماد مواد میں گھڑے ہوئے اعداد، کارروائی کی کوششیں اور ایسے مواد کے حوالے شامل ہیں جو بازیافت نہیں ہوا تھا۔ جواب دینے…
یہ نوٹ جذبات کے لیبل والے مالی خبروں کے چھوٹے ذخیرے پر اسکیپ گرام لفظ2ویک ماڈل تربیت دے کر قریبی الفاظ سے حاصل ہونے والی باتوں کا جائزہ لیتا ہے۔ طریقہ الفاظ کو ان کے سیاق کے مطابق ظاہر کرتا ہے۔ مثال میں نفع اور نقصان قریب الفاظ بن جاتے ہیں کیونکہ مالی…
یہ نوٹ زبان کے ماڈل کے کلائنٹ، تلاش کے آلے اور محدود باریوں کے چکر سے پیش گوئی کرنے والا ایجنٹ بناتا ہے۔ ایجنٹ شواہد تلاش کرکے دلیل کے ساتھ دو ممکنہ نتائج میں سے ایک کا امکان دیتا ہے۔ اس کا جواب پارسر عام فارمیٹنگ کی خامیوں کو سنبھالتا اور تلاش و پیش گوئی کے…
یہ نوٹ S&P 500 کمپنیوں کے سہ ماہی MD&A انکشافات کو ٹریڈنگ فیچرز میں تبدیل کرنے کا طریقۂ کار بیان کرتا ہے۔ اس میں فائلنگ کی منظوری کی تاریخوں کو وقت کے لحاظ سے بنیادی حوالہ بنایا گیا ہے، ایک ہی تاریخ پر کمپنی کی متعدد فائلنگز میں سے تازہ ترین مدت والی فائلنگ…
یہ نوٹ بک مالیاتی خبروں کے جملوں کو مثبت، غیر جانب دار یا منفی درجہ دینے کے تین طریقوں کا موازنہ کرتی ہے: لاجسٹک ریگریشن کے ساتھ TF-IDF کے لفظی اور لفظی جوڑی فیچرز، لاجسٹک ریگریشن کے ساتھ پہلے سے تربیت یافتہ GloVe ویکٹرز کا اوسط، اور پہلے سے تربیت یافتہ…
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…