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 ایک LSTM ماڈل بیان کرتی ہے جو اسٹاک کی خصوصیات کی ترتیب وار ونڈوز سے US ایکویٹی پینل میں منافع کی پیش گوئی کرتا ہے۔ سادہ جدولی ماڈل کے برعکس، LSTM سیشنز کو ترتیب وار پراسیس کرتا اور ہر ونڈو میں مخفی حالت آگے لے جاتا ہے۔ سیکھی ہوئی gates کنٹرول کرتی…
یہ مطالعہ BTC/USDT آرڈر عمل درآمد کے لیے Double Deep Q-Learning کا K-means سے تقسیم کردہ ماہرین کے امتزاج اور مساوی پیرامیٹرز والے گھنے نیٹ ورکس سے موازنہ کرتا ہے۔ جائزے میں Binance کے پانچ منٹ کے اوسط شدہ limit order book ڈیٹا کو استعمال کرکے نفاذی شارٹ…
یہ نوٹ بک مالی اور ماڈل سے اخذ کردہ فیچرز کی اس صلاحیت کی اسکریننگ کرتی ہے کہ وہ بعد کے ریٹرنز کے مطابق ETFs کی درجہ بندی کر سکیں۔ یہ ہر تاریخ کا انفارمیشن کوایفیشنٹ فیچر کی کراس سیکشنل درجہ بندیوں کو فارورڈ ریٹرن کی درجہ بندیوں سے ملا کر نکالتی ہے، پھر حاصل…
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 20 کرنسی جوڑوں کے لیے امیدوار خصوصیات کو ایک وقت میں الگ الگ فارورڈ ریٹرنز کے مقابل جانچتی ہے۔ یہ تجزیہ واک فارورڈ توثیقی ادوار تک محدود رکھتی ہے، ہر سیشن کو اس کا فولڈ نشان دیتی ہے، اور ہولڈ آؤٹ سے پہلے ایک حفاظتی خلا چھوڑتی ہے تاکہ لیبلز اس محفوظ…
یہ نوٹ بک بتاتی ہے کہ متعدد ایجنٹوں کی احتمالی پیش گوئیوں کو کیسے ملائیں اور حاصل شدہ احتمالات کو کیسے کیلیبریٹ کریں۔ یہ Neyman extremization پیش کرتی ہے، جو پینل کے حجم اور فرض کردہ باہمی تعلق کے مطابق اوسط پیش گوئی کو بنیادی شرح سے دور لے جاتی ہے۔ کم فرض…
یہ ڈیٹا یوٹیلٹی Chen، Pelger اور Zhu کے اثاثہ قیمتوں کے ڈیٹا سیٹ پر کام میں مدد دیتی ہے، جس میں اسٹاک ریٹرنز، کمپنی کی خصوصیات، میکرو اکنامک سیریز اور اسپلٹ سے پہلے کے فیچر ٹینسرز شامل ہیں۔ اس کا کنورژن طریقہ شائع شدہ ٹریننگ، توثیق اور ٹیسٹ ٹینسرز سے Parquet…
یہ ماڈیول کئی ماڈل خاندانوں کے لیے واک فارورڈ ٹریننگ اور توثیقی فولڈز تیار کرنے کا مشترک طریقہ بیان کرتا ہے۔ یہ مہنگے، ماڈل سے آزاد کام—وقت کی ونڈوز کاٹنا، ہر فولڈ کی ماڈل پر مبنی خصوصیات لگانا، غائب لیبل والی قطاریں ہٹانا، اور ٹریننگ ڈیٹا کا نمونہ لینا—بعد…
یہ نوٹ بک فیوچرز کی پیش گوئی کے لیے LSTM اور NLinear سیکوئنس ماڈلز کا جائزہ لیتی ہے۔ ہر فیصلے کے لیے ایک فیچر قطار استعمال کرنے والے ماڈلز کے برعکس، سیکوئنس ماڈلز ماضی کے مشاہدات کی ترتیب وار ونڈوز لیتے ہیں اور ممکن ہے کہ ایسے نمونے سیکھیں جو مقررہ خلاصوں…
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…
یہ نفاذ بتاتا ہے کہ ڈیپ لرننگ مطالعات میں استعمال ہونے والے پینل ڈیٹا کے لیے بیچوں میں سیکوئنس ونڈوز کیسے بنائے جائیں۔ ونڈوز ہر اثاثے کے مشاہدات کو مسلسل قطاروں میں سمیٹنے کے بجائے پینل کے متوقع کیلنڈر کے مطابق چلتی ہیں۔ غائب سیشن غیر مشاہدہ شدہ خلیوں کی…
یہ نوٹ بک مارکیٹ اور کمپنی کے ڈیٹا کو صاف کرنے کے عملی طریقے پیش کرتی ہے، جن میں نقلوں کو سنبھالنا، خلا کے نشانات، ڈومین فلٹرز، الٹ پھیر پر مبنی تیز حرکت کی شناخت، آؤٹ لائرز کو محدود کرنا، زمرہ جاتی انکوڈنگ، اور مختلف فریکوئنسی والے ڈیٹا سیٹس کو ہم آہنگ کرنا…
یہ نوٹ بک جانچتی ہے کہ آیا SHAP کی فیچر انتسابات اس وقت مستحکم رہتی ہیں جب پیش گوئیاں ملتی جلتی ہوں یا مختلف رینڈم سیڈز اور آرکیٹیکچرز سے ماڈلز دوبارہ فٹ کیے جائیں۔ ETF کے فارورڈ ریٹرنز استعمال کرکے یہ ایسے نمونوں کے جوڑے تلاش کرتی ہے جن کی پیش گوئیاں قریب…
یہ نوٹ بک آپشنز مارکیٹ کی خصوصیات پر گریڈینٹ بوسٹڈ ٹری ماڈلز فٹ کرتی ہے، جن میں مضمر اتار چڑھاؤ، اسکیو، ٹرم اسٹرکچر اور ویرینس رسک پریمیم جیسے پیش گوئی کے اشارے شامل ہیں۔ یہ واک فارورڈ توثیق استعمال کرتے ہوئے درختوں کی گنجائش اور ریگریشن لاس کے انتخاب کا…
یہ کیس اسٹڈی متنوع CME فیوچرز میں ہفتہ وار لانگ شارٹ، کیری کی درجہ بندی پر مبنی اسٹریٹیجیوں کو روزانہ کے ڈیٹا، واک فارورڈ ماڈل جائزے اور کمیشن، اسپریڈ اور رول سلپیج کی لاگت کے ساتھ آزماتی ہے۔ یہ مختلف ماڈل خاندانوں میں سگنل کے معیار کا تقابل کرتی، پھر پورٹ…
یہ نوٹ بک کراس سیکشنل ایس اینڈ پی 500 مطالعے کے لیے پیش گوئی، ساخت اور علّی ماڈلز کے شواہد کا تقابل کرتی ہے، جس میں حصصی فیچرز کے ساتھ آپشنز سے اخذ کردہ پیمانے مثلاً مضمر اتار چڑھاؤ، اسکیو اور مدتی ساخت شامل ہیں۔ یہ ہفتہ وار مستقبل کے منافع کی درجہ بندیوں کا…
یہ نوٹ بک ٹریڈ کی سطح پر تشخیص کا ایسا طریقہ دکھاتی ہے جو حقیقی نقصان کو ماڈل کی SHAP وضاحتوں سے جوڑتا ہے۔ یہ اگلے سیشن کے SPY منافع کی پیش گوئی کے لیے تاخیری قیمت اور اتار چڑھاؤ کے فیچرز کے ساتھ میکرو اِن پٹس پر لائٹ جی بی ایم ماڈل کی تربیت کرتی ہے۔ پیش…
یہ نوٹ بک عمل درآمد کے ریکارڈ سے سیکھنے کے لیے رویے کی نقل کا تقابل معکوس تقویتی تعلم (IRL) سے کرتی ہے۔ مظاہرے TWAP شیڈول سے لیے گئے ہیں، جس کا خطرے سے غیر جانب دار مقصد معلوم ہے: اثر کو محدود رکھنے کے لیے ٹریڈز یکساں طور پر پھیلانا، جبکہ وقتی خطرے کے سامنے…
یہ کوڈ آؤٹ آف سیمپل پیش گوئی کے جدولوں سے معیاری کارکردگی کے پیمانے نکالتا ہے، ہر فولڈ کے لیے الگ اور مجموعی خلاصے کی صورت میں۔ یہ ریگریشن اور کلاسیفیکیشن دونوں کو سنبھالتا ہے، جن میں انفارمیشن کوفیشینٹ، غلطی کے پیمانے، امتیازی پیمانے اور اداروں کی تعداد…
یہ نوٹ بک ایک ایسا تحقیقی ایجنٹ بناتی ہے جو شواہد تلاش کرکے دو ممکنہ نتائج والے سوال کے لیے منظم احتمال دیتا ہے۔ اس میں عمل کی عبارت کو سمجھنا اور جانچنا، باریوں کی حد، اور محفوظ شدہ پیش گوئی کا نتیجہ شامل ہے جس میں دلیل اور معاون رن کی تفصیلات درج ہوتی ہیں۔…
یہ نوٹ بک PCA کو ETF منافع کی پیش گوئی کے لیے فیچر سے پاک پوشیدہ عامل کی بنیادی صورت کے طور پر بیان کرتی ہے۔ یہ ہر لیبل کے تربیتی دورانیے کے منافع میٹرکس کو اجزا میں تقسیم کرتی ہے، ہر فنڈ کے لیے لوڈنگ اور اندازہ شدہ فیکٹر پریمیا استعمال کرکے پیش گوئیاں بناتی…
یہ نوٹ بک روزانہ FX پیئرز ماڈل کے تعیناتی دور کا جائزہ لیتی ہے، جس میں انٹرایکٹو بروکرز لائیو ڈیٹا کا ذریعہ اور عمل درآمد کی جگہ دونوں ہے۔ یہ تاریخی پینل پر رِج ریگریشن ماڈل کی تربیت کرتی ہے، روزانہ منافع، مومینٹم، اتار چڑھاؤ اور قیمت سے اخذ کردہ مختصر فیچر…
یہ نوٹ بک CME فیوچرز کے پینل کے لیے نیورل اسٹوکاسٹک ڈسکاؤنٹ فیکٹر ماڈل پیش کرتی ہے۔ یہ ماڈل مصنوعاتی منافع اور مشاہدہ کی جا سکنے والی خصوصیات، مثلاً کیری، مومینٹم اور اتار چڑھاؤ، دونوں استعمال کرکے پوشیدہ عوامل بناتا اور طے شدہ مستقبل کے منافع کی مدتوں کے…
یہ یوٹیلٹی عوامی SEC 10-Q، 10-K اور 8-K فائلنگز جمع کرنے اور انہیں بعد کی تحقیق کے لیے ایک مشترک جدولی ڈیٹاسیٹ میں تبدیل کرنے کا طریقۂ کار بیان کرتی ہے۔ یہ ہر فارم کے لیے مخصوص متن اخذ کرتی ہے: سہ ماہی فائلنگز سے انتظامیہ کا تبصرہ، سالانہ فائلنگز میں سپلائر…