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

209 دستاویزات

Machine Learning for Trading

یہ نوٹ بک مومینٹم کی سابقہ خصوصیات سے 21 دن کے ETF منافع کی پیش گوئی کے لیے ٹرانسفارمر کے دو ڈیزائن کا موازنہ کرتی ہے۔ PatchTST لگاتار دنوں کو پیچز میں گروپ کرتا ہے اور ہر ٹوکن میں مقامی ساخت کی مختصر ترتیب رکھتا ہے۔ اس کے برعکس، iTransformer ہر خصوصیت کی…

حصصمشین لرننگمومینٹمبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ایک ماہانہ ETF مومینٹم اور ییلڈ کرو ریجیم اسٹریٹیجی کو دو طریقوں سے نافذ کرتی ہے: ویکٹرائزڈ ریٹرن حساب اور مرحلہ وار اکاؤنٹ کی نقل۔ دونوں میں ہدفی وزن، اثاثے، تاریخیں اور کل ٹریڈنگ لاگت یکساں ہیں، اس لیے موازنہ نفاذی انتخاب پر مرکوز رہتا ہے، مثلاً…

حصصمومینٹمبیک ٹیسٹنگآرڈر پر عمل درآمد
Machine Learning for Trading

یہ ابتدائی تجزیہ جانچتا ہے کہ تازہ ترین ماہ کو چھوڑنے والا بارہ ماہ کا مومینٹم سگنل، 100-ETF کائنات میں اگلے ماہ کے ریٹرنز سے وابستہ ہے یا نہیں۔ یہ ایڈجسٹ شدہ اختتامی قیمتوں سے ماہانہ پینل بناتا ہے، ہر ماہ اہل ETFs کو کوئنٹائلز میں رینک کرتا ہے، اور مساوی…

کئی اثاثوں پر مبنیمومینٹمشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ دستاویز ایک مقررہ ETF مومینٹم اسٹریٹیجی کے لیے لاگت کی حساسیت کا تجزیہ پیش کرتی ہے۔ یہ کائنات، وزن، شیڈول اور سیمولیٹر مستقل رکھتے ہوئے فی ٹانگ فیسوں کی ایک حد پر بیک ٹیسٹ دوبارہ چلاتی ہے۔ حاصل شدہ منحنی دکھاتی ہے کہ فرض کردہ ٹریڈنگ لاگت بڑھنے پر شارپ…

حصصمومینٹمبیک ٹیسٹنگآرڈر پر عمل درآمد
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ آیا منظم پورٹ فولیو کی چار حکمتِ عملیاں وسیع ETF باہمی حرکت کا حساب رکھنے کے بعد SPY منافع کی وضاحت کرتی ہیں۔ حکمتِ عملیاں تاخیری مومینٹم، اتار چڑھاؤ یا حالیہ منافع سے ETFs کی درجہ بندی کرتی ہیں۔ طویل تاریخ والے متوازن ETF مجموعے کے دس…

فیکٹر سرمایہ کاریمشین لرننگشماریاتمومینٹم
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ آیا مسلسل مشاہدات میں انحصار موجود ہونے پر سگنل کا انفارمیشن کوایفیشنٹ (IC) شور سے الگ پہچانا جا سکتا ہے۔ یہ مسئلہ مومینٹم سگنل اور ETF ڈیٹا سے واضح کرتی ہے، اور بتاتی ہے کہ باہم متداخل فارورڈ منافع، قائم رہنے والی سگنل درجہ بندیاں اور…

شماریاتمشین لرننگمومینٹمبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک TWS یا گیٹ وے کے ذریعے اسٹریٹیجی کو انٹرایکٹو بروکرز سے جوڑنے کا عملی ورک فلو بیان کرتی ہے۔ یہ تصدیق کرتی ہے کہ سیشن پیپر اکاؤنٹ ہے، اکاؤنٹ کی قدریں اور پوزیشنز پڑھتی ہے، اور لائیو فیڈ شروع ہونے سے پہلے اسٹریٹیجی کی حالت قائم کرنے کے لیے تاریخی…

آرڈر پر عمل درآمدرسک مینجمنٹمومینٹمحصص
Machine Learning for Trading

یہ نوٹ بک کئی اثاثہ جاتی طبقات میں لانگ شارٹ مومینٹم کی مثال کے ذریعے فیوچرز بیک ٹیسٹنگ کے طریقۂ کار کا تعارف کراتی ہے۔ یہ بتاتی ہے کہ کنٹریکٹ کی خصوصیات ملٹی پلائر کے ذریعے قیمت کی تبدیلی کو ڈالر کے منافع اور نقصان میں کیسے بدلتی ہیں، اور نوٹیشنل ایکسپوژر…

فیوچرزمومینٹمبیک ٹیسٹنگپوزیشن کا حجم طے کرنا
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ ETF مومینٹم بیک ٹیسٹ اپنی فرض کردہ ٹریڈنگ فیس کے لیے کتنا حساس ہے۔ یہ اسٹریٹیجی کے وزن اور ٹریڈنگ کے شیڈول کو برقرار رکھتے ہوئے، ہر جانب کی لاگت کی مختلف سطحوں پر سمیولیٹر دوبارہ چلاتی اور نمو، شارپ تناسب اور ڈرا ڈاؤن کا موازنہ کرتی…

حصصمومینٹمبیک ٹیسٹنگآرڈر پر عمل درآمد
Machine Learning for Trading

یہ تجزیہ مختلف اثاثوں پر مشتمل ETF پینل میں رجسٹر شدہ ماڈل خاندانوں کا واک فارورڈ توثیق کے نتائج سے موازنہ کرتا ہے۔ ماڈل 21-ٹریڈنگ دن کے ریٹرنز کی پیش گوئی کرتے ہیں اور ان کا جائزہ کراس سیکشنل انفارمیشن کوایفیشنٹس سے لیا جاتا ہے، جو بتاتے ہیں کہ ہر تاریخ پر…

کئی اثاثوں پر مبنیحصصمومینٹمشماریات
Machine Learning for Trading

یہ نوٹ بک وسیع US اسٹاک مجموعے کی درجہ بندی کے لیے قیمت سے اخذ کردہ خصوصیات بناتی ہے۔ یہ مومینٹم، اتار چڑھاؤ، متحرک اوسط اور تکنیکی اشاریوں کے خاندان بیان کرتی، پھر ان کی ایک سیشن آگے کے منافع کے لیبل سے جانچ کرتی ہے۔ مرکزی اصول یہ ہے کہ ہر سٹاک کے متحرک…

حصصامریکی مارکیٹیںتکنیکی اشارےمومینٹم
Machine Learning for Trading

یہ نوٹ بک شائع شدہ فیکٹر منافع کو پورٹ فولیو کے ممکنہ بنیادی اجزا کے طور پر جانچتی ہے۔ یہ تین سوال الگ کرتی ہے: کیا فیکٹر کا اوسط منافع سخت شماریاتی حد سے زیادہ ہے، کیا فیکٹرز ایسے اسباب کی بنا پر ایک دوسرے کو متنوع بناتے ہیں جو برقرار رہ سکتے ہیں، اور منتخب…

فیکٹر سرمایہ کاریشماریاتپورٹ فولیو کی تشکیلرسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک زمانی ترتیب کے ہولڈ آؤٹ کو برقرار رکھتے ہوئے مومینٹم پورٹ فولیو کے لیے اسٹاپ لاس، ٹیک پرافٹ اور ٹریلنگ اسٹاپ کے قواعد کی ٹیوننگ دکھاتی ہے۔ اس میں ایک جہتی پیرامیٹر سویپس، مشترکہ قواعد کے گرڈز، اور بند ٹریڈز میں قیمت کی زیادہ سے زیادہ ناموافق اور…

رسک مینجمنٹبیک ٹیسٹنگپوزیشن کا حجم طے کرنامومینٹم
Machine Learning for Trading

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…

حصصمومینٹممشین لرننگشماریات
Machine Learning for Trading

یہ مظاہرہ USD اسپاٹ بروکر سے منسلک مسلسل چلنے والی کرپٹو اسٹریٹیجی کے عملی ڈھانچے کی وضاحت کرتا ہے۔ یہ پرپیچوئل فیوچرز کے بڑے کیس اسٹڈی یونیورس کو دستیاب اسپاٹ جوڑوں کے چھوٹے مجموعے سے ہم آہنگ کرتا ہے، پھر مومنٹم زیڈ اسکور کے متبادل سگنل کو بروکر سے جڑے لوپ…

کرپٹوپرپیچوئل فیوچرزاسپاٹ مارکیٹیںمومینٹم
Machine Learning for Trading

یہ تعلیمی نوٹ بک مقداری تحقیق میں استعمال ہونے والے قیمت اور حجم سے اخذ کردہ فیچرز کا جائزہ لیتی ہے۔ اس میں مختلف دورانیوں کے سادہ اور لاگرتھمی منافع، ایک مدت چھوڑ کر مومینٹم، رات بھر اور انٹرا ڈے منافع، متحرک اوسط سے فاصلہ، رجحان اور الٹ پھیر کے پیمانے،…

حصصتکنیکی اشارےاتار چڑھاؤمومینٹم
Machine Learning for Trading

یہ نوٹ بک جانچنے کا طریقۂ کار پیش کرتی ہے کہ آیا چھ ماہ کا حالیہ مدت چھوڑنے والا مومینٹم 21 روزہ مستقبل کے منافع کو متاثر کرتا ہے اور آیا بازار کی اتار چڑھاؤ کے ساتھ اس کا اثر بدلتا ہے۔ یہ اتار چڑھاؤ اور پیداوار کے منحنی کنٹرولز اور بازار کی اتار چڑھاؤ کو…

حصصمومینٹممشین لرننگشماریات
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 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 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…

حصصواقعات پر مبنیمومینٹمبریک آؤٹ
Machine Learning for Trading

یہ ترتیب فرم کی خصوصیات کی بنیاد پر درجہ بند ماہانہ لانگ شارٹ US ایکویٹی پورٹ فولیوز بیان کرتی ہے۔ اس میں 46 خصوصیات پر مشتمل مکمل ریکارڈز کی کائنات، ماہ کے اختتام پر فیصلے، اگلے اوپن پر نفاذ، لانگ اور شارٹ حصوں میں مساوی وزن، اور قرض لینے سمیت نمایاں لین…

حصصفیکٹر سرمایہ کاریمومینٹمبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ماہانہ ETF rotation بیک ٹیسٹ بناتی ہے، پورٹ فولیو منافع سے لے کر simulated trades تک۔ یہ گزشتہ risk-adjusted منافع سے دس فنڈز کی درجہ بندی کرتی، Treasury yield-curve regime کے ذریعے سرکردہ فنڈز اور دفاعی بانڈ allocation میں انتخاب کرتی، اور اگلے…

بیک ٹیسٹنگمومینٹمآرڈر پر عمل درآمدپورٹ فولیو کی تشکیل
Machine Learning for Trading

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۔…

کئی اثاثوں پر مبنیمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

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…

شماریاتبیک ٹیسٹنگمومینٹمبریک آؤٹ