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۔
1,238 دستاویزات
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…
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۔…
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…
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…
یہ دستاویز سگنل کے محرک، آمدنی کے اعلان یا معاشی اجرا جیسے واقعات کے آس پاس ریٹرنز ناپنے کا طریقہ بتاتی ہے۔ اس کی عملی مثال نقدشیل ای ٹی ایف میں مومینٹم بریک آؤٹس استعمال کرتی ہے۔ ہر واقعے کے لیے واقعے سے پہلے کی تخمینی ونڈو پر فِٹ کیا گیا مارکیٹ ماڈل معمول…
یہ نوٹ بک تخمینہ لگاتی ہے کہ آیا کرپٹو پرپیچوئل کا پریمیم زیڈ اسکور بعد کے آٹھ گھنٹے کے ریٹرنز پر اثر انداز ہوتا ہے، جب تین بیان کردہ عوامل—قیمت کا اتار چڑھاؤ، فنڈنگ کی شرح اور اوسط پریمیم انحراف—مستقل رکھے جائیں۔ چونکہ ٹریٹمنٹ مسلسل ہے، ہدف ایک ڈھلوان ہے جو…
یہ نوٹ بک مالیاتی زمانی سلسلے بنانے کے لیے غیر مشروط سگ ویسرسٹین GAN پیش کرتی ہے۔ یہ سیکھے ہوئے حقیقی بمقابلہ مصنوعی امتیاز کار کی جگہ متوقع پاتھ سگنیچرز پر مبنی فاصلہ استعمال کرتی ہے؛ یہ پاتھ کی مسلسل حرکات کے ریاضیاتی خلاصے ہیں۔ نیورل جنریٹر شور سے پاتھ…
یہ نوٹ بک روزانہ ETF ریٹرنز سے بتاتی ہے کہ GARCH ماڈلز اتار چڑھاؤ کے جھرمٹ کو کیسے پکڑ کر اسے ہر سیشن کا فیچر بناتے ہیں۔ پہلے بصری تشخیص اور ARCH-LM ٹیسٹ سے جانچا جاتا ہے کہ آیا مربع ریٹرنز کا انحصار اپنے ہی پچھلے وقفوں پر ہے۔ پھر GARCH(1,1) ماڈل حالیہ جھٹکے…
یہ نوٹ بک پیغام بہ آرڈر ڈیٹا سے ایک علامت کی NASDAQ لمٹ آرڈر بک دوبارہ بنانے کا طریقہ بتاتی ہے۔ یہ نئے آرڈرز، نفاذ، منسوخی، حذف اور تبدیلیوں پر عمل کرتے ہوئے ہر فعال آرڈر کا باقی حجم برقرار رکھتی ہے۔ تبدیلیوں کو خاص طور پر سنبھالنا ضروری ہے، کیونکہ ان سے…
یہ ماخذ ماڈیول امریکی ایکویٹی قیمتوں، انڈیکس ڈیٹا، آپشنز، مارکیٹ مائیکرو اسٹرکچر، بنیادی معلومات اور ادارہ جاتی ہولڈنگز کے لیے لوڈرز فراہم کرتا ہے۔ اس کی سب سے اہم طریقۂ کار کی تفصیل انٹراڈے ٹریڈ ڈیٹا کی دوبارہ نمونہ بندی سے متعلق ہے: اوپن، ہائی، لو، کلوز…
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۔…
یہ ابتدائی تجزیہ کرپٹو پرپیچوئل معاہدوں کے فی گھنٹہ OHLCV اور آٹھ گھنٹے کے پریمیم انڈیکس کا جائزہ لیتا ہے۔ یہ علامتوں اور تاریخوں کی کوریج، معاہدوں کی بدلتی شمولیت، پریمیم کی اکائیوں اور تقسیم، OHLC کی درستگی، غائب قدروں، اور فی گھنٹہ قیمتوں کو کم بار بار…
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…
یہ نوٹ بک متنوع ETF کائنات کے لیے لانگ اونلی، مکمل سرمایہ کاری والا اوسط واریئنس فریم ورک بناتی ہے۔ یہ قابلِ عمل پورٹ فولیوز اور مؤثر فرنٹیئر بناتی ہے، پھر تخمینی ریٹرنز اور کوویریئنس استعمال کرکے زیادہ سے زیادہ شارپ اور کم سے کم واریئنس کے وزن حل کرتی ہے۔…
یہ نوٹ بک US اسٹاکس کے ایک زیادہ نقدشیل ذیلی مجموعے پر پرنسپل کمپوننٹ تجزیہ استعمال کرکے مجموعی نمائش کے مطابق نارملائزڈ ایگن پورٹ فولیوز بناتی اور پوشیدہ رسک عوامل کے طور پر ان کا کردار دیکھتی ہے۔ یہ وضاحت شدہ تغیر کا جائزہ لیتی، شعبہ جاتی ETF ارتباط کے…
یہ رہنما علّی سوالات کو Python لائبریریوں سے جوڑتی اور فرض کردہ علّی ساخت کے تحت اثر کا تخمینہ لگانے اور ڈیٹا سے ممکنہ ساخت دریافت کرنے کا فرق واضح کرتی ہے۔ یہ ایڈجسٹ شدہ treatment effects کے لیے double machine learning، DoWhy سے graph-based شناخت اور تردید،…
یہ فریم ورک روزانہ US ایکویٹی OHLCV ڈیٹا پر ڈیٹا کے معیار کی جانچ دکھاتا ہے۔ ساختی توثیق قیمتوں کے تعلق، مثبت قیمتوں، غیر منفی حجم، گم شدہ قدروں، دہرائی گئی تاریخوں، زمانی ترتیب، پرانی قیمتوں اور انتہائی منافع کو جانچتی ہے۔ نوٹ بک معلوم خرابیاں داخل کرکے اور…
یہ نوٹ بک ETFs کے cross-section کی قیمت بندی کے لیے stochastic discount factor ماڈل متعارف کراتی ہے۔ فنڈ exposures اور factor returns الگ الگ اندازہ کرنے کے بجائے، یہ نیٹ ورکس کو مشترک discount-factor سلسلہ تلاش کرنے کی تربیت دیتی ہے جس کا فنڈ منافع کے ساتھ…
یہ نوٹ بک TabM، یعنی وزن مشترک کرنے والے neural ensemble، کو cryptocurrency perpetual-futures خصوصیات کے پینل پر لاگو کرتی ہے۔ اس کے اجزا neural backbone مشترک رکھتے ہیں، مگر الگ scaling vectors اور output layers رکھتے ہیں، یوں مؤثر ensembling کو باہم مربوط…
یہ نوٹ بک مارچ 2020 کے ایک سیشن میں ہر AAPL ٹریڈ کے وقت موجود بہترین بولی اور طلب کو دوبارہ بناتی ہے، پھر Lee–Ready طریقہ لاگو کرکے اندازہ لگاتی ہے کہ ٹریڈ خریدار یا فروخت کنندہ نے شروع کی۔ یہ quote اور trade واقعات کو timestamp کی ترتیب سے ملاتی، تازہ ترین…
یہ نوٹ بک جانچتی ہے کہ SHAP خصوصیات کی نسبتیں ماڈل کو مختصر کرنے، خطرے کے فیصلوں یا رپورٹنگ کے لیے کافی مستحکم ہیں یا نہیں۔ ETF پیش گوئی کے کام میں یہ پہلے ایسے آزمائشی نمونے تلاش کرتی ہے جن کی پیش گوئیاں قریب ہوں مگر SHAP پروفائل مختلف ہوں۔ پھر یہ مختلف…
یہ نوٹ بک ETF خصوصیات پر خطی ماڈلز کا موازنہ کرتی ہے، جو اوورلیپ ہوتی منافع ونڈوز اور متعلقہ مومینٹم، اتار چڑھاؤ اور oscillator پیمانوں سے بنتی ہیں۔ ایسی پیش گوئیاں باہم مربوط ہوتی ہیں، جس سے ordinary least squares کے coefficients غیر مستحکم ہو جاتے ہیں۔…
یہ نوٹ بک بتاتی ہے کہ ٹریڈنگ سگنل یا اعلان جیسے واقعات مارکیٹ بینچ مارک سے بڑھ کر منافع کی پیش گوئی کرتے ہیں یا نہیں، یہ کیسے جانچیں۔ یہ لیکویڈ ETFs میں مومینٹم بریک آؤٹس کی مثال سے طریقۂ کار دکھاتی ہے: واقعے سے پہلے کے منافع سے market model کا تخمینہ…
یہ دستاویز بتاتی ہے کہ تاریخ وار entity ریکارڈز کو latent-factor کیس اسٹڈیز کے لیے arrays میں کیسے بدلا جائے۔ ایک طریقہ صرف وہ entities رکھتا ہے جو اہلیت کے ڈیٹاسیٹ سے سیکھے گئے coverage threshold پر پورا اتریں، اور گم شدہ مشاہدات کو NaN رکھتے ہوئے مستقل…