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۔
768 دستاویزات
یہ نوٹ بک منٹ کی سطح کے NASDAQ-100 ڈیٹا سے تین طریقوں کے ذریعے فیچرز بناتی ہے: قریب المدت ویریئنس کی پیش گوئی کے لیے متحرک ہیٹروجینیئس آٹوریگریسیو ریگریشن، حالیہ سرگرمی کے متواتر نمونے بیان کرنے کے لیے فورئیر ٹرانسفارم، اور قیمت، آرڈر فلو اور ٹریڈ کی شدت میں…
یہ نوٹ بک مالیاتی واقعات کے گراف کا تجزیہ اس طرح دکھاتی ہے کہ واقعے کے پیش آنے، عوامی ہونے اور گراف پائپ لائن کے ذریعے اخذ ہونے کے وقت میں خلط ملط نہ ہو۔ یہ وقت کے نشانات والے 8 فارم کے تعلقات لوڈ کرتی، انکشاف اور اخذ میں تاخیر ناپتی، اور عوامی انکشاف کی…
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 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 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 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…
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 آف لائن مشین لرننگ پائپ لائن اور کوانٹ کنیکٹ کے LEAN انجن کے درمیان تعیناتی کی حد دکھاتی ہے۔ یہ ETF کیس اسٹڈی رجسٹری سے پیش گوئیوں کا مجموعہ منتخب کرتی، تربیت اور پیش گوئی کے ماخذ کی تصدیق کرتی، اور نمونے سے باہر الگ رکھی گئی پیش گوئیاں JSON ساخت…
یہ نوٹ بک پاتھ سگنیچرز کو مقررہ لمبائی کے ایسے فیچرز کے طور پر بیان کرتی ہے جو ٹائم سیریز کے مشاہدات کی ترتیب اور مشترکہ ساخت محفوظ رکھتے ہیں۔ یہ وضاحت کرتی ہے کہ سگنیچر کی پہلی سطح کل تبدیلیاں ریکارڈ کرتی ہے، جبکہ دوسری سطح کی اصطلاحات نقاط کے جوڑوں کے…
یہ دستاویز ٹریڈنگ کیس اسٹڈیز میں ماڈل کی تربیت، پیش گوئیوں، علّی تخمینوں اور بیک ٹیسٹس کو ریکارڈ کرنے والے رَن لاگ نظام کی وضاحت کرتی ہے۔ یہ بتاتی ہے کہ کنفیگریشنز کیس اسٹڈی کی ترتیبات، تربیتی مینیو اور ماڈل پری سیٹس سے گزرتی ہوئی حل شدہ خصوصیات بنتی ہیں، جن…
یہ نوٹ بک نو ایکویٹی، بانڈ، کرنسی اور کموڈیٹی فیکٹر اور مارکیٹ سیریز کے ماہانہ منافع کو گاوسی مکسچر ماڈلز سے کلسٹر کرتی ہے۔ نامکمل ڈیٹا والے مہینے ہٹانے کے بعد، یہ سیریز کو معیاری بناتی ہے تاکہ پیمانے کے فرق کلسٹرنگ پر غالب نہ آئیں۔ ممکنہ کلسٹر تعداد کا…
یہ باب ٹریڈنگ کے خیال کو دستاویزی فیچر کی وضاحت میں بدلنے کا طریقۂ کار پیش کرتا ہے۔ یہ محققین سے کہتا ہے کہ فیچر کے افق کو مطلوبہ فیصلے سے ہم آہنگ کریں، محرک سے متعلق مفروضہ بیان کریں، اور پیش گوئی کرنے والے سگنلز کو سیاقی حالت کے متغیرات سے الگ رکھیں۔ حوالہ…
یہ نوٹ بک ایک متعین نتائج دینے والا خاکہ پیش کرتی ہے تاکہ جانچا جا سکے کہ بیک ٹیسٹ اور لائیو ٹریڈنگ پائپ لائنز یکساں طور پر کام کرتی ہیں یا نہیں۔ یہ قیمت کے بارز کو فیصلوں میں بدلنے والے مراحل کا موازنہ کرتی ہے: فیچر کے حساب، پیش گوئیاں، سگنل اور آرڈر کے…
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 نو کیس اسٹڈیز میں لکیری ماڈلز کے نتائج جمع کرتی ہے، جن میں OLS، Ridge، Lasso اور ElasticNet شامل ہیں۔ یہ ہر مطالعے کی بنیادی لیبل پر سب سے مضبوط مکمل ترتیب کا موازنہ کرتی ہے، پھر باقاعدہ کاری، فولڈ سطح کے معلوماتی گتانک، استحکام، متبادل دورانیوں،…