مواد پر جائیں

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

827 دستاویزات

Machine Learning for Trading

یہ US ایکویٹی پینل مطالعہ اختتامی قیمت پر دیکھی گئی خصوصیات سے مستقبل کے ریٹرنز کی پیش گوئی کے لیے جرمانہ شدہ خطی ماڈل کو بنیادی معیار بناتا ہے۔ اس کے فیچر سیٹ میں اوورلیپ کرتے مومینٹم اور اتار چڑھاؤ کی پیمائشیں شامل ہیں، جو باہمی خطی تعلق پیدا کرتی ہیں اور…

حصصفیکٹر سرمایہ کاریشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک پہلے سے منتخب کردہ CME فیوچرز ترتیب کو ہولڈ آؤٹ پیش گوئیوں پر نافذ کرتی ہے، اور مقررہ ایلوکیٹر، ری بیلنس شیڈول، ارتکاز کے قواعد اور ٹرانزیکشن لاگت کے مفروضے استعمال کرتی ہے۔ اس کا مرکزی طریقۂ کار یہ ہے کہ ہولڈ آؤٹ کا جائزہ لینے سے پہلے ان انتخاب کو…

فیوچرزبیک ٹیسٹنگرسک مینجمنٹشماریات
Machine Learning for Trading

یہ نوٹ بک ایک منٹ کے NASDAQ-100 مائیکرو اسٹرکچر فیچرز پر لانگ شارٹ ٹرم میموری نیٹ ورک فٹ کرنے کا طریقہ بیان کرتی ہے تاکہ کئی افقوں کے لیے مستقبل کے ریٹرنز کی پیش گوئی کی جا سکے۔ ماڈل پچھلے مشاہدات کی ترتیب کو مرحلہ وار پراسیس کرتا اور سیکھتا ہے کہ پہلے کے کن…

مشین لرننگحصصہائی فریکوئنسی ٹریڈنگبیک ٹیسٹنگ
Machine Learning for Trading

یہ تربیتی یوٹیلٹی ڈیپ پی ایم طرز کے ماڈل کے لیے اصلاحی عمل بیان کرتی ہے۔ یہ مضبوط شارپ پر مبنی نقصان سے ماڈل کے پیرامیٹرز کو اپ ڈیٹ کرنے کے لیے ایڈم ڈبلیو استعمال کرتی ہے، جس میں فارورڈ ریٹرنز، اتار چڑھاؤ کی اسکیلنگ، ماسکس، ٹرانزیکشن لاگت اور ترتیب دیے گئے…

مشین لرننگرسک مینجمنٹبیک ٹیسٹنگشماریات
Machine Learning for Trading

یہ ماڈیول خطرے کے مطابق ایڈجسٹ کردہ مومینٹم اسکور استعمال کرتے ہوئے ماہانہ ETF مختص کاری کی بنیادی ترتیب بناتا ہے: گزشتہ مجموعی ریٹرن کو سالانہ حقیقی اتار چڑھاؤ پر تقسیم کیا جاتا ہے۔ جب 10 سالہ اور 2 سالہ ییلڈ کرو کے ڈھلوان کی قدر مقررہ حد سے بڑھ جائے تو یہ…

حصصکئی اثاثوں پر مبنیمومینٹماتار چڑھاؤ
Machine Learning for Trading

یہ تجزیہ اس بات کا تخمینہ لگاتا ہے کہ آیا حالیہ مدت کو چھوڑ کر مومینٹم کا تعلق ای ٹی ایف کے مستقبل کے ریٹرنز میں سببی تبدیلی سے ہے، بجائے اس کے کہ یہ پوچھا جائے کہ مومینٹم ریٹرنز کی کتنی اچھی پیش گوئی کرتا ہے۔ ڈبل مشین لرننگ متعین مخدوش عوامل کی مدد سے نتیجے…

مشین لرننگشماریاتمومینٹمبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک اوورلیپ کرنے والی قیمت سے اخذ کردہ خصوصیات کی مدد سے ETF ریٹرنز کی پیش گوئی کرنے والے خطی ماڈلز کا موازنہ کرتی ہے۔ چونکہ متعدد ریٹرن افق اور انڈیکیٹر خاندان ایک جیسی معلومات ظاہر کر سکتے ہیں، اس لیے عام کم از کم مربعات قریباً یکساں خصوصیات کو غیر…

حصصکئی اثاثوں پر مبنیمشین لرننگشماریات
Machine Learning for Trading

یہ نوٹ بک ایک ہی پیش گوئی کردہ درجہ بندی سے منتخب ETF پورٹ فولیوز کو وزن دینے کے چھ طریقوں کا موازنہ کرتی ہے: برابر وزن، اسکور کے مطابق وزن، معکوس اتار چڑھاؤ، رسک پیریٹی، اوسط۔تغیر اصلاح، اور درجہ بند درختی رسک پیریٹی۔ یہ منتخب فنڈز کی تعداد کو تخصیص کے…

حصصپورٹ فولیو کی تشکیلبیک ٹیسٹنگرسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک متعدد ٹریڈنگ کیس اسٹڈیز سے رجسٹرڈ ڈبل مشین لرننگ تخمینے جمع کرتی ہے اور ان کی غیر یقینی اور تشخیصی پیمانوں کا موازنہ کرتی ہے۔ یہ ہر مطالعے کی رجسٹری سے موجودہ قطاریں لوڈ کرتی، رجسٹری کی سالمیت اور لیبلز کی یکتائی جانچتی، کوریج واضح کرتی، اور HAC…

شماریاتمشین لرننگرسک مینجمنٹبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ایس اینڈ پی 500 آپشنز کے مطالعے میں پیش گوئی کے لیے پہلے سے مقرر LSTM ماڈل فٹ کرتی ہے۔ نیٹ ورک ہر سمبل کی تاریخ کی زمانی ترتیب والی ونڈوز لیتا ہے اور دستی طور پر بنائے گئے فیچرز پر مکمل انحصار کرنے کے بجائے سیشنز کے دوران معلومات کو ظاہر کرنے کے…

حصصآپشنزمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ایک PPO ایجنٹ کو گھنٹہ وار پرپیچوئل فیوچرز بارز میں مجموعی فروخت آرڈر کو شیڈول کرنے کی تربیت دیتی ہے۔ یہ قیمت اور والیوم کی تاریخ میں پرپیچوئل پریمیم اور اگلے فنڈنگ تصفیے تک کا وقت شامل کرتی ہے، جبکہ ایسی معلومات کو وقفے کے ساتھ شامل کرتی ہے جو ہر…

کرپٹوپرپیچوئل فیوچرزآرڈر پر عمل درآمدبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک اکاؤنٹنگ اور قیمت پر مبنی خصوصیات کو اگلے مہینے کے US اسٹاک ریٹرنز کے انفرادی پیش گو کے طور پر جانچتی ہے۔ یہ ہر خصوصیت اور ریٹرن لیبل کے درمیان ماہانہ کراس سیکشنل درجہ جاتی باہمی تعلق نکالتی ہے، پھر ترقیاتی مدت کے مہینوں میں اس کا خلاصہ کرتی ہے۔…

حصصفیکٹر سرمایہ کاریشماریاتمشین لرننگ
Machine Learning for Trading

یہ نوٹ بک CME فیوچرز کیس اسٹڈی کے امیدوار فیچرز کو آئندہ ریٹرنز کے مقابل جانچتی ہے۔ ہر فیچر کے لیے یہ فیچر کی قدروں اور بعد کے ریٹرنز کے درمیان کراس سیکشنل درجہ جاتی باہمی تعلق نکالتی ہے، تاریخوں کے لحاظ سے اس کا خلاصہ کرتی ہے، باہم متداخل ریٹرن ادوار کے لیے…

فیوچرزشماریاتمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ETF تخصیصی بیک ٹیسٹ کے لیے تشخیصی فریم ورک پیش کرتی ہے۔ یہ شارپ، سورٹینو، کالمر، اتار چڑھاؤ، ویلیو ایٹ رسک اور زیادہ سے زیادہ ڈرا ڈاؤن جیسے رسک اور ریٹرن پیمانے نکالتی ہے؛ مسلسل کارکردگی اور ڈرا ڈاؤن سے بحالی ٹریک کرتی ہے؛ اور الفا، بیٹا، ٹریکنگ…

پورٹ فولیو کی تشکیلرسک مینجمنٹبیک ٹیسٹنگحصص
Machine Learning for Trading

یہ نوٹ بک بٹ کوائن پرپیچوئل مارکیٹ ڈیٹا پر لانگ اونلی RSI اوسط کی واپسی کے قاعدے کے ذریعے ویکٹر بی ٹی کے ساتھ ویکٹرائزڈ بیک ٹیسٹنگ متعارف کراتی ہے۔ یہ کلوز پر مبنی RSI نکالتی ہے، جب گزشتہ دن کی ریڈنگ نچلی حد سے کم ہو تو انٹری اور بالائی حد سے زیادہ ہو تو…

کرپٹوپرپیچوئل فیوچرزاوسط کی جانب واپسیتکنیکی اشارے
Machine Learning for Trading

یہ نوٹ بک پوزیشن سائزنگ کو زیادہ سے زیادہ ناموافق اور موافق ایکسکرژن کے تجزیے سے جوڑتی ہے۔ یہ مقررہ تناسب کی سائزنگ دکھاتی ہے، جس میں ہر ٹریڈ کا رسک بجٹ اور انٹری سے اسٹاپ تک کا فاصلہ حصص کی تعداد طے کرتا ہے، جبکہ ارتکاز کی حد لاگو رہتی ہے۔ یہ تاخیری انفرادی…

پوزیشن کا حجم طے کرنارسک مینجمنٹاتار چڑھاؤبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ SHAP پینل کی رِج ریگریشن پیش گوئیوں کی ETF کے ذریعے تشریح کیسے کی جائے۔ خطی ماڈل میں ہر فیچر سے منسوب حصہ اس کے کوفیشنٹ اور تربیتی پس منظر کے اوسط سے فیچر کے انحراف کو ضرب دینے کے برابر ہے، اس لیے ان حصوں کو بند فارم حساب سے جانچا جا…

مشین لرننگشماریاتحصصبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ مشروط آٹو انکوڈر کس طرح انسٹرومنٹڈ پرنسپل کمپوننٹ ماڈل کو وسعت دیتا ہے: ایک نیورل نیٹ ورک اسٹاک کی خصوصیات کو فیکٹر ایکسپوژرز میں تبدیل کرتا ہے، جبکہ ماڈل ایکسپوژر اور فیکٹر ریٹرن کی وہی ساخت برقرار رکھتا ہے۔ یہ ہر تربیتی ونڈو کے مقررہ…

حصصفیکٹر سرمایہ کاریمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک چھ سرمایہ مختص کرنے کے طریقوں کا ان کرپٹو پرپیچوئل اسٹریٹیجیز پر موازنہ کرتی ہے جو بنیادی انتخابی مراحل سے گزر چکی ہیں۔ یہ ہر اسٹریٹیجی کی پیش گوئیاں اور داخلے کے قواعد مقرر رکھتی، پھر سرمایہ مختص کرنے کا طریقہ بدلتی ہے: ایک طریقہ ماڈل اسکور، کئی…

کرپٹوپرپیچوئل فیوچرزپوزیشن کا حجم طے کرناپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ نوٹ بک مختصر یورپی کال کے لیے ڈیپ ہیجنگ دکھاتی ہے۔ یہ جیومیٹرک براؤنین حرکت سے بنیادی قیمت کے راستوں کی سیمولیشن، بلیک-شولز ڈیلٹا کو معیار کے طور پر حساب، اور ہیج پوزیشن منتخب کرنے کے لیے نیم تکراری نیورل نیٹ ورک کی تربیت کرتی ہے۔ تربیت کا مقصد اختتامی…

آپشنزمشین لرننگرسک مینجمنٹڈیریویٹوز کی قیمت بندی
Machine Learning for Trading

یہ ماڈیول بتاتا ہے کہ توثیق کے مراحل اور اسٹریٹیجی لیبلز میں ہولڈ آؤٹ انتخابی مجموعہ کیسے مرتب کیا جائے۔ یہ ان اختلافات کو حل کرتا ہے جن سے منجمد امیدوار مجموعے اور براہِ راست دوبارہ تشکیل مختلف کنفیگریشن منتخب کر سکتے ہیں، یا بعد کا تجزیہ فاتح کے بجائے کسی…

بیک ٹیسٹنگرسک مینجمنٹپورٹ فولیو کی تشکیلشماریات
Machine Learning for Trading

یہ نوٹ بک دکھاتی ہے کہ دس پرنسپل کمپوننٹس سے ناپی گئی وسیع حرکات کا حساب رکھنے کے بعد چار منظم پورٹ فولیو اسٹریٹیجیز، SPY کے منافع کی وضاحت میں اضافہ کرتی ہیں یا نہیں۔ امیدوار پورٹ فولیوز ای ٹی ایف کو حالیہ مومینٹم، کم اتار چڑھاؤ یا مختصر مدتی واپسی کی بنیاد…

حصصمشین لرننگشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ دستاویز ETF کے منافع کو ماڈل کرنے کے لیے آلہ جاتی پرنسپل کمپوننٹ تجزیے کی وضاحت کرتی ہے۔ عام PCA کے برعکس، جو ہر فنڈ کو عوامل کی مستقل نمائشیں دیتا ہے، IPCA ہر فنڈ کی نمائشوں کو اس کی قابلِ مشاہدہ خصوصیات کا مشترکہ خطی تابع بناتا ہے۔ یہ خصوصیات سے نمائشوں…

حصصفیکٹر سرمایہ کاریمشین لرننگشماریات
Machine Learning for Trading

یہ نوٹ بک متوقع لاگ دولت کو زیادہ سے زیادہ کرکے دو ممکنہ نتائج والی شرط کے لیے کیلی کا حجم اخذ کرتی ہے، پھر دکھاتی ہے کہ شرط کا حجم نقلی دولت کے راستوں کی تقسیم کو کیسے بدلتا ہے۔ یہ طریقہ مسلسل منافع اور کئی اثاثوں والے پورٹ فولیوز تک پھیلاتی ہے، جہاں معروف…

پوزیشن کا حجم طے کرنارسک مینجمنٹپورٹ فولیو کی تشکیلشماریات