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 نوٹ بک پہلے سے تربیت یافتہ دو ٹائم سیریز بنیاد ماڈلز، Chronos اور TinyTimeMixer، کا ایک LSTM اور جرمانہ شدہ لکیری بنیادی معیار کے ساتھ ETF پینل پر موازنہ کرتی ہے۔ ہر ماڈل کو یک متغیر تاریخی سیاق ملتا ہے؛ پہلے سے تربیت یافتہ ماڈلز اسی سلسلے کی پیش گوئی…

مشین لرننگحصصمومینٹمبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک NASDAQ-100 کے مائیکرو اسٹرکچر فیچرز پر لکیری ماڈلز فٹ کرتی ہے، جو ایک منٹ کے وقفوں میں دیکھے گئے تاکہ مختلف مستقبل کے دورانیوں کے منافع کی پیش گوئی کی جا سکے۔ اس کا مقصد زیادہ اظہار پذیر ماڈلز سے پہلے ایک سادہ بنیادی معیار قائم کرنا ہے۔ چونکہ…

حصصمشین لرننگشماریاتتکنیکی اشارے
Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ پہلے سے منتخب FX اسٹریٹیجی کو ہولڈ آؤٹ پیش گوئیوں پر کیسے جانچا جائے۔ یہ منتخب ترتیب کی رجسٹرڈ بیک ٹیسٹ تصریح دوبارہ استعمال کرتی ہے اور سگنل، مختص کاری، خطرے کے کنٹرول، دوبارہ توازن کے اصول، لاگتوں اور اکاؤنٹ کی ترتیبات کو مقرر رکھتی…

فاریکسبیک ٹیسٹنگرسک مینجمنٹپوزیشن کا حجم طے کرنا
Machine Learning for Trading

یہ دستاویز روزانہ کے US ایکویٹی ڈیٹا سیٹ کی وضاحت کرتی ہے، جس میں 1962 سے مارچ 2018 تک تقریباً 3,200 کمپنیاں شامل ہیں۔ اس میں ڈی لسٹ شدہ جاری کنندگان بھی ہیں، اس لیے یہ تاریخی تحقیق کے لیے مفید ہے جہاں ناکام یا ڈی لسٹ شدہ کمپنیوں کو نکالنے سے نتائج بگڑ سکتے…

حصصامریکی مارکیٹیںبیک ٹیسٹنگ
Machine Learning for Trading

یہ فیچر جائزہ CME فیوچرز کے مستقبل کے منافع کے مقابل مالی اور ماڈل سے اخذ کردہ امیدواروں کی چھان بین کرتا ہے۔ ہر فیچر کے لیے یہ ڈیٹا کی دستیابی اور پرانے پن کو جانچتا، فیچر قدروں اور مستقبل کے منافع کے درمیان روزانہ کراس سیکشنل درجہ جاتی باہمی تعلق ناپتا،…

فیوچرزشماریاتمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ لین دین کی لاگت کے مفروضے ایک منتخب S&P 500 ایکویٹی اور آپشنز مختص کاری کے توثیقی شارپ کو کیسے متاثر کرتے ہیں۔ جہاں دستیاب ہو، یہ منجمد امیدوار مجموعے سے منتخب کردہ ترتیب کو برقرار رکھتی ہے، پھر اسی سلسلۂ انتخاب کو تجارتی برائے نام قدر…

حصصآپشنزآرڈر پر عمل درآمدبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک SPY کی یک متغیر قیمت کی پیش گوئی کے لیے خام PyTorch، sktime، اور Darts کے نفاذ کا موازنہ کرتی ہے۔ اس کا بنیادی مقصد عملی محنت کا جائزہ لینا ہے: کوڈ کی طوالت، انٹرفیس کی ضروریات، تنصیب کی کامیابی، اور فٹ کرنے اور پیش گوئی کرنے کا مجموعی وقت۔ آخری…

حصصمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ جائزہ نوٹ بک کرپٹو پرپیچول فیوچرز کے اگلے آٹھ گھنٹے کے منافع سے تعلق کے لیے مالی اور ماڈل پر مبنی خصوصیات چھانٹتی ہے۔ یہ واک فارورڈ توثیقی ونڈوز سے جائزے کا نمونہ بناتی ہے، آخری ہولڈ آؤٹ کو تجزیے سے باہر رکھتی ہے اور ہر سیٹلمنٹ پر کراس سیکشنل درجہ بندی کے…

کرپٹوپرپیچوئل فیوچرزمشین لرننگشماریات
Machine Learning for Trading

یہ نوٹ بک ماڈل فٹ کرنے سے پہلے جانچتی ہے کہ آیا روزانہ US ایکویٹی درجہ بندی کی اسٹریٹیجی کے پاس منصفانہ جائزے کے لیے کافی قابلِ استعمال ڈیٹا ہے۔ یہ بتاتی ہے کہ تاریخی اجزا استعمال کر کے وقت کے مطابق کائنات کیسے بنائیں؛ قابلِ ٹریڈ ہونے کی چھانٹی کے لیے درج…

حصصامریکی مارکیٹیںبیک ٹیسٹنگآرڈر پر عمل درآمد
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ باہمی تعلق رکھنے والی خصوصیات کے گروہوں سے بنے CME فیوچرز ماڈل پر ریگولرائزیشن کا کیا اثر ہوتا ہے، جن میں کیری، رولنگ شارپ، مومینٹم اور اتار چڑھاؤ کے پیمانے شامل ہیں۔ یہ رِج، لاسو اور ایلاسٹک نیٹ کا موازنہ کرتی ہے: رِج خصوصیات برقرار…

فیوچرزمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک فیوچرز کے ہر منافع کے افق کے لیے توثیق میں سب سے اونچے درجے کے سگنل یا تخصیص کی اسٹریٹیجی پر ترتیب دیے گئے اسٹاپ لاس، ٹریلنگ اسٹاپ اور وقت پر اخراج کے قواعد لاگو کرتی ہے۔ ہر قاعدے کو اپنی بنیادی اسٹریٹیجی پر جانچا جاتا ہے؛ پیرامیٹر پہلے سے مقرر…

فیوچرزاثاثہ رکھنے کی لاگت یا آمدناوسط کی جانب واپسیرسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک پہلے سے منتخب US ایکویٹیز کی ترتیب کو ہولڈ آؤٹ پیش گوئیوں پر چلاتی ہے۔ منتخب ماڈل، پیش گوئیاں، تخصیص کنندہ، ارتکاز، رسک اوورلے، ری بیلنس کی رفتار اور لین دین کی لاگت کے مفروضے پہلے کے مراحل سے وراثت میں آتے ہیں۔ اس کا بنیادی طریقہ تربیتی شناخت اور…

حصصامریکی مارکیٹیںبیک ٹیسٹنگرسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک مصنوعی ETF منافع کی سیریز بنانے کے لیے Diffusion-TS کو ڈھالنے کا طریقہ بیان کرتی ہے۔ اس کا ڈینوائزر صاف سیریز کو کثیر رقمی رجحان، فوئری موسمی جزو اور باقیاتی جزو کے مجموعے کے طور پر پیش گوئی کرتا ہے؛ جبکہ وقت کے ڈومین اور فوئری ڈومین کے مشترکہ لاس…

مشین لرننگشماریاتاتار چڑھاؤکئی اثاثوں پر مبنی
Machine Learning for Trading

دستاویز بتاتی ہے کہ پرپیچول فنڈنگ پینل ڈیٹا کی ماڈلنگ کے لیے TabM کیوں استعمال ہوتا ہے: اس کا مشترکہ نیورل بیک بون تمام اِن پٹ خصوصیات کو یکجا کرتا ہے، جبکہ غیر خطی پرتیں باہمی اثرات ظاہر کر سکتی ہیں۔ اس درخت کے برعکس جو ہر تقسیم پر ایک خصوصیت چنتا ہے، یہ…

کرپٹوپرپیچوئل فیوچرزمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک پہلے سے منتخب ETF ترتیب کو اس کی مختص ہولڈ آؤٹ مدت پر لاگو کرتی ہے۔ یہ منتخب تربیتی شناخت اور چیک پوائنٹ سے مطابقت رکھنے والی ہولڈ آؤٹ پیش گوئیاں اخذ کرتی ہے، پھر ہولڈ آؤٹ پر ٹیوننگ کیے بغیر اسٹریٹیجی کی موجودہ ارتکاز، تخصیص، رسک اوورلے، ری بیلنس…

حصصبیک ٹیسٹنگپورٹ فولیو کی تشکیلرسک مینجمنٹ
Machine Learning for Trading

یہ جائزہ طریقۂ کار NASDAQ-100 کے دن کے اندر کے پینل کے لیے مالی اور ماڈل پر مبنی خصوصیات کو آئندہ منافع کے مقابلے میں جانچتا ہے۔ پہلے آخری ٹیسٹ مدت الگ رکھی جاتی ہے اور وہ مشاہدات خارج کیے جاتے ہیں جن کے آئندہ لیبل اسی مدت میں طے ہوتے۔ ہر خصوصیت کے لیے لیبل…

حصصشماریاتمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

بینچ مارک بنانے کا یہ طریقہ کیس اسٹڈی میں متعین اثاثوں سے مساوی وزن والی روزانہ منافع کی سیریز تیار کرتا ہے۔ پہلے ہر سیشن میں ہر علامت کی آخری اختتامی قیمت لی جاتی ہے، پھر اختتام سے اختتام تک منافع نکال کر دستیاب منافع کا علامتوں کے درمیان اوسط لیا جاتا ہے۔…

بیک ٹیسٹنگپورٹ فولیو کی تشکیلشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ دستاویز NASDAQ ڈیٹا لنک کے وکی پرائسز آرکائیو سے حاصل کردہ روزانہ US ایکویٹیز ڈیٹاسیٹ بیان کرتی ہے۔ اس میں 1962 سے مارچ 2018 تک ہزاروں کمپنیاں شامل ہیں، بشمول ڈی لسٹ شدہ فرمیں؛ اس لیے یہ تاریخی تحقیق میں بقا کے تعصب کو کم کرنے کے لیے مفید ہے۔ قیمتیں…

حصصامریکی مارکیٹیںبیک ٹیسٹنگ
Machine Learning for Trading

یہ تجزیہ نو اثاثہ جاتی گروپوں میں 100 ای ٹی ایف کی ایک مقررہ کائنات کا جائزہ لیتا ہے۔ یہ فنڈ اور سال کے لحاظ سے کوریج جانچتا ہے، تصدیق کرتا ہے کہ قیمتوں کا پینل گروپ کی ترتیب سے مطابقت رکھتا ہے، خالی اندراجات اور OHLC کی ترتیب کا جائزہ لیتا ہے، اور گروپوں کے…

کئی اثاثوں پر مبنیشماریاترسک مینجمنٹبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک کرپٹو پرپیچولز میں منافع اور سمت کی پیش گوئی کے لیے گریڈینٹ بوسٹنگ ماڈلز کا مطالعہ کرتی ہے۔ اس کی گرڈ میں درختوں کی گنجائش اور لاس فنکشن بدلتے ہیں، جن میں اسکوائرڈ ایرر، ابسولیٹ ایرر اور ہیوبر مقاصد شامل ہیں، جبکہ تربیت کے متعدد مراحل پر ماڈلز کی…

کرپٹوپرپیچوئل فیوچرزمشین لرننگمومینٹم
Machine Learning for Trading

یہ دستاویز کثیر متغیر زمانی سلسلوں کی پیش گوئی کے لیے پیچ ٹی ایس ٹی نیورل نیٹ ورک کا بنیادی ڈھانچہ پیش کرتی ہے۔ یہ ہر اِن پٹ سلسلے کو باہم متداخل پیچز میں تقسیم کرتی، ہر پیچ کو سیکھے گئے فیچر اسپیس میں منتقل کرتی، پوزیشنل انکوڈنگ شامل کرتی، اور پھر بنے ہوئے…

مشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک کیس اسٹڈی رجسٹری سے ماڈل تجربات کی فہرست دوبارہ بنانے اور اس کے مشمولات کا ایم ایل فلو سے موازنہ کرنے کا طریقہ بتاتی ہے۔ یہ تربیتی رنز، پیش گوئیوں کے مجموعوں اور بیک ٹیسٹ رنز کے دوران تجربات کا سراغ لگاتی ہے اور ہر مرحلے کو پچھلے مرحلے سے جوڑتی ہے۔…

مشین لرننگبیک ٹیسٹنگشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ کیس اسٹڈی ایسے فیچرز بناتی ہے جن سے تحقیق کی جا سکے کہ آیا ایٹ دی منی مضمر واریئنس، ایس اینڈ پی 500 کے ناموں میں بعد کی حقیقی واریئنس سے زیادہ ہے، اور آیا یہ فرق سکیورٹیز کے درمیان بدلتا ہے۔ یہ واریئنس پریمیم، اتار چڑھاؤ، آپشن مارکیٹ کے حالات اور متعلقہ…

آپشنزاتار چڑھاؤحصصبیک ٹیسٹنگ
Machine Learning for Trading

یہ باب ایکویٹیز، معاشی سلسلوں، فیوچرز، کرپٹو اور پیش گوئی کی مارکیٹوں میں وقت کے لحاظ سے ہم آہنگ بنیادی اور متبادل ڈیٹا کی تحقیق بنانے کا طریقہ بیان کرتا ہے۔ اس کے مرکزی طریقوں میں بائی ٹیمپورل ذخیرہ کاری اور ’’اس وقت تک‘‘ کے سوالات، ماخذ سے باخبر اشاعت کا…

بیک ٹیسٹنگشماریاتمشین لرننگآن چین ڈیٹا