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 دیکھتا ہے کہ Ridge ریگولرائزیشن معلوماتی عدد (IC) کی کارکردگی کو کیسے متاثر کرتی ہے اور ہائپر پیرامیٹر کی تلاش رپورٹ شدہ توثیقی نتائج کو کیسے متعصب کر سکتی ہے۔ پہلے یہ واک فارورڈ فولڈز کے ساتھ الفا کی وسیع گرڈ کا جائزہ لیتا ہے اور ہر تربیتی فولڈ کے…
یہ نوٹ Tail-GAN پیش کرتا ہے، جو مالیاتی منظرناموں کے آخری سرے کے خطرے، بالخصوص ویلیو ایٹ رسک (VaR) اور متوقع شارٹ فال (ES) کو دوبارہ پیدا کرنے کے لیے بنایا گیا ایک جنریٹو ایڈورسریل طریقہ ہے۔ یہ تفریقی ترتیب استعمال کرتا ہے تاکہ کوانٹائل پر مبنی خطرے کے…
یہ نوٹ متعدد احتمالی پیش گوئیوں کو ملانے کے طریقوں کا جائزہ لیتا ہے۔ یہ سادہ اوسط کو بنیادی معیار کے طور پر پیش کرتا اور Neyman extremization کی وضاحت کرتا ہے، جو پیش گوئی کرنے والوں کی تعداد اور فرض کردہ باہمی تعلق کے مطابق پینل کی اوسط کو بنیادی شرح سے…
یہ جائزہ فرم خصوصیات سے ریٹرنز کی پیش گوئی کرنے والے ماڈلز کے ایک خاندان کی وضاحت کرتا ہے۔ ہر خصوصیت کو براہِ راست ریٹرن کی پیش گوئی سمجھنے کے بجائے، یہ ماڈل فرض کرتے ہیں کہ ریٹرنز چند غیر مشاہدہ شدہ مشترک فیکٹرز سے چلتے ہیں اور ہر فرم کی ان سے وابستگی کا…
یہ دستاویز مومینٹم خصوصیات کے سلسلوں سے ETF ریٹرنز کی پیش گوئی کے لیے تدریسی مقصد کا Mamba طرز کا سلیکٹو اسٹیٹ اسپیس ماڈل پیش کرتی ہے۔ توجہ اور گھنی زمانی آمیزش کے برعکس، اسٹیٹ اسپیس ماڈل سلسلے میں مقررہ حجم کی حالت لے کر چلتا ہے اور اس کا حسابی کام سلسلے کی…
یہ دستاویز کنڈیشنل آٹواینکوڈر بیان کرتی ہے، جو فرم کی پوشیدہ ریٹرن فیکٹرز سے وابستگی کو فرم کی خصوصیات کا غیر خطی فنکشن سمجھ کر ماڈل کرتا ہے۔ IPCA کی طرح، یہ فیکٹر ساخت کا تخمینہ لگاتا ہے جس میں پیش گوئی شدہ ریٹرنز فرم کے مخصوص ایکسپوژرز اور فیکٹر ریٹرنز کو…
یہ دستاویز جدولی خصوصیات سے ای ٹی ایف کی درجہ بندی کے لیے TabM نیورل نیٹ ورک بیان کرتی ہے۔ اس کا مشترک دو تہوں والا بیک بون کئی اراکین کو اِن پٹ دیتا ہے، جن میں سے ہر ایک کا سیکھا ہوا اسکیلنگ ویکٹر اور آؤٹ پٹ لیئر ہے؛ ان کی پیش گوئیوں کا اوسط ابتدائی عمل کے…
یہ باب کا جائزہ بتاتا ہے کہ گریڈینٹ بوسٹڈ درخت مالیاتی جدولی پیش گوئی کے لیے فیصلہ جاتی درختوں اور رینڈم فارسٹ سے کیسے آگے بڑھتے ہیں۔ بوسٹنگ سابقہ غلطیاں درست کرنے کے لیے سیکھنے والے ماڈلز یکے بعد دیگرے شامل کرتی ہے، جس سے غیر خطی تعلقات اور حدی اثرات پکڑنے…
یہ دستاویز اثاثوں کی قیمت گذاری میں مشین لرننگ تحقیق کے لیے ماہانہ US ایکویٹی ڈیٹاسیٹ بیان کرتی ہے۔ اس میں ریٹرنز کے ساتھ 94 رینک تبدیل شدہ فرم خصوصیات، بشمول اکاؤنٹنگ پیمانے اور تکنیکی خصوصیات، شامل ہیں۔ فرموں کی شناخت پوشیدہ ہے اور ڈیٹا میں ڈی لسٹ شدہ…
یہ نوٹ بک مالیاتی دستاویزات کے سوال و جواب کے نظام کے حفاظتی کنٹرولز کو چھ ہاتھ سے لکھے گئے کیسز کے ذریعے جانچتی ہے۔ یہ کیسز بالواسطہ پرامپٹ انجیکشن، ناقابلِ اعتماد مواد میں گھڑا ہوا ڈیٹا، کارروائی کی کوششوں اور غلط حوالوں کی نمائندگی کرتے ہیں۔ یہ تمام حاصل…
یہ نوٹ بک US ایکویٹیز پر مشین لرننگ تحقیق کے لیے شائع شدہ پینل متعارف کراتی ہے۔ اس میں کئی دہائیوں کے ماہانہ مشاہدات، 46 فرم خصوصیات اور اگلے ماہ کے اضافی ریٹرنز شامل ہیں۔ خصوصیات کو معاشی معنی کے لحاظ سے گروپ کیا گیا ہے اور ہر ماہ انہیں مشترک محدود پیمانے…
یہ باب بتاتا ہے کہ مالیاتی نالج گراف کیسے بنائے اور استعمال کیے جائیں، جب سوالات کا انحصار ملکیت، سپلائی چین یا سرایت جیسے تعلقات پر ہو۔ اس میں اداروں کی شناخت، اقسام کے مطابق تعلقاتی اسکیمے، ماخذ کی سراغ پذیری، اور فائلنگز سے LLM کی مدد سے معلومات اخذ کرنا…
یہ نوٹ بک آٹھ سابقہ مومینٹم خصوصیات سے 21 روزہ ETF ریٹرنز کی پیش گوئی کے لیے دو ٹرانسفارمر ڈیزائنز کا موازنہ کرتی ہے۔ PatchTST مسلسل دنوں کو پیچز میں گروپ کرتا ہے، جس سے توجہ کے ٹوکنز کی تعداد کم اور مقامی زمانی پیٹرنز کی ایمبیڈنگ ممکن ہوتی ہے۔ iTransformer…
یہ دستاویز بتاتی ہے کہ قیمت کی سیریز کی سطح سے کچھ معلومات برقرار رکھتے ہوئے اسے زیادہ اسٹیشنری بنانے کے لیے فرکشنل ڈیفرینسنگ کیسے استعمال کی جاتی ہے۔ یہ فرکشنل فرق کی بائنومیئل توسیع سے وقفہ جاتی وزن اخذ کرتی ہے اور دکھاتی ہے کہ چھوٹے وزن کو حذف کرنے سے…
یہ نوٹ بک مختصر مدتی، اٹ دی منی اسٹرڈل پوزیشنوں کی واپسیوں کی پیش گوئی کرنے والے گریڈینٹ بوسٹڈ ماڈلز کے لیے مربعی خطا، مطلق خطا اور ہیوبر لاس کا موازنہ کرتی ہے۔ ہدف میں منافع محدود ہے اور ممکنہ نقصانات شدید ہو سکتے ہیں، اس لیے فٹنگ لاس اس بات پر اثر انداز ہو…
یہ نوٹ بک US کمپنی منافع کے کراس سیکشن کی قیمت بندی کے لیے اسٹاکاسٹک ڈسکاؤنٹ فیکٹر (SDF) ماڈل کی وضاحت کرتی ہے۔ یہ ایسے وزن سیکھتا ہے جن سے رعایتی اثاثہ منافع عدم آربیٹریج مومنٹ شرائط پوری کرے، بجائے اس کے کہ منافع کی پیش گوئی کا خسارہ بہتر بنائے۔ تربیت غیر…
یہ نفاذ اثاثوں کی قیمت بندی کے تعلقات جانچنے کے لیے نیورل اسٹاکاسٹک ڈسکاؤنٹ فیکٹر ماڈل اور مخالفانہ مومنٹ نیٹ ورک بیان کرتا ہے۔ SDF نیٹ ورک اثاثوں کی خصوصیات، اور اختیاری طور پر LSTM سے معاشی دورانیے کی نمائندگی، کو اثاثہ وزن میں بدلتا ہے۔ یہ وزن اور منافع…
یہ ماڈل اڈاپٹر طویل مدتی زمانی سلسلہ پیش گوئی کے لیے Transformer آرکیٹیکچر PatchTST کو اسکیلر ریگریشن پر لاگو کرتا ہے۔ یہ وقت اور خصوصیت کے لحاظ سے ترتیب دیے گئے سلسلے لیتا، انہیں بنیادی ماڈل کے مطابق ترتیب دیتا اور ہر خصوصیت کے آؤٹ پٹ کو ایک پیش گوئی میں…
یہ دستاویز جانچتی ہے کہ سیکھی ہوئی گراف ایمبیڈنگز عام جدولی خصوصیات سے آگے حصص کے منافع کی پیش گوئی بہتر کرتی ہیں یا نہیں۔ یہ تاریخی حصص منافع کے باہمی تعلق سے نیٹ ورک بناتی، پیش گوئی کی کھڑکی سے پہلے دستیاب معلومات سے مومینٹم، اتار چڑھاؤ اور رجحان کی…
یہ نوٹ بک گمنام کمپنی خصوصیات سے حصص کے منافع کی پیش گوئی میں رینڈم فارسٹ بیگنگ کا XGBoost، LightGBM اور CatBoost سے معیار جانچتی ہے۔ یہ پہلے سے متعین زمانی تربیتی، توثیقی اور آزمائشی تقسیم استعمال کرتی ہے، مرکزی پیمانے کے طور پر Spearman درجہ معلوماتی…
یہ نوٹ بک بڑے آرڈر کے اجرا کو محدود افق کے کنٹرول مسئلے کے طور پر پیش کرتی ہے۔ ٹیبلر Q-learning ایجنٹ VWAP پر مبنی تجارتی رفتار کے ضرب کا انتخاب کرتا ہے، جس میں باقی وقت، باقی انوینٹری، اور حال ہی میں مکمل شدہ وقفے کے اسپریڈ اور اتار چڑھاؤ کے ادوار استعمال…
یہ باب جائزہ شدہ مارکیٹ ڈیٹا سے ماڈل کی جانچ تک تحقیقی مراحل کا نقشہ پیش کرتا ہے۔ اس میں ڈیٹا کو تقسیم کے مطابق پہلے سے تیار کرنا، انکوڈنگ اور گم شدہ ڈیٹا کے فیصلے، پھر عمل درآمد سے ہم آہنگ ہدف بنانا شامل ہے، جس میں مقررہ مدت اور واقعہ پر مبنی لیبل بھی آتے…
یہ دستاویز روزانہ FX جوڑوں کے ڈیٹا پر زمانی کنولوشن نیٹ ورک تربیت دینے کا مشترکہ طریقۂ کار بیان کرتی ہے۔ ماڈل مقررہ طوالت کا سلسلہ لیتا ہے، اور متوقع دن غائب ہو تو اس خلا کو پار کرنے والی ہر کھڑکی نااہل ہو جاتی ہے۔ رَنر درست اختتامی نقاط کا گرڈ بناتا، توثیقی…
یہ نوٹ بک Mamba پر مبنی ایک تعلیمی انتخابی اسٹیٹ اسپیس ماڈل کی وضاحت کرتی ہے اور اسے ETF کے منافع کی پیش گوئی کے لیے جانچتی ہے۔ مقررہ پیرامیٹر والے اسٹیٹ اسپیس ماڈل کے برعکس، یہ موجودہ ان پٹ سے ان پٹ تا حالت جزو، حالت تا آؤٹ پٹ جزو اور قدم کا حجم اخذ کرتی…