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

325 دستاویزات

Machine Learning for Trading

یہ نوٹ بک لانگ اونلی، مکمل سرمایہ کاری والے مارکووٹز فریم ورک کی تشکیل کرتی ہے، جس میں قابلِ عمل پورٹ فولیوز، مؤثر سرحد، زیادہ سے زیادہ شارپ اور کم سے کم تغیر کے حل شامل ہیں۔ یہ وضاحت کرتی ہے کہ پورٹ فولیو کا تغیر کوواریئنس میٹرکس پر کیسے منحصر ہے اور جب…

کئی اثاثوں پر مبنیپورٹ فولیو کی تشکیلشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ماڈل رینکنگز کو سادہ کرپٹو پرپیچوئل فیوچرز پورٹ فولیوز میں بدلتی ہے تاکہ بعد کے تجربات پوزیشن سائز، اخراجات یا رسک کنٹرولز بدلنے کے اثرات ناپ سکیں۔ یہ داخلے کے قواعد لاگو کرتی ہے، مثلاً لانگ کے لیے سب سے زیادہ اسکور والے اور شارٹ کے لیے سب سے کم…

کرپٹوپرپیچوئل فیوچرزبیک ٹیسٹنگپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ دستاویز CME فیوچرز اسٹریٹیجیز کے لیے متبادل پوزیشن سائزنگ طریقوں کا موازنہ کرتی ہے، جنہیں برابر وزن کی توثیقی شارپ سے درجہ بند بنیادی نمونے میں سے چنا گیا ہے۔ برابر وزن ہر منتخب مصنوعے کو یکساں سمجھتا ہے، حالانکہ فیوچرز کنٹریکٹس کی وولیٹیلیٹی اور باہمی…

فیوچرزاجناسپوزیشن کا حجم طے کرناپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ نوٹ بک ماڈل کی پیش گوئیوں کے مجموعوں کو قابلِ موازنہ ایس اینڈ پی 500 آپشن بیک ٹیسٹس میں بدلتی ہے۔ ہر ہفتہ وار فیصلہ تاریخ پر یہ پیش گوئی شدہ ریٹرنز کی درجہ بندی کرتی، سیال کائنات میں بلند ترین درجہ والے سمبل چنتی اور برابر وزن کے ایٹ دی منی اسٹریڈلز فروخت…

آپشنزحصصبیک ٹیسٹنگآرڈر پر عمل درآمد
Machine Learning for Trading

یہ نوٹ بک ایکویٹی اور آپشن تحقیق سے حاصل شدہ توثیقی پیش گوئیوں کو طویل پوزیشن والے ایکویٹی پورٹ فولیوز میں بدل کر جانچتی ہے۔ اس میں مساوی وزن والا ٹاپ-K بنیادی طریقہ استعمال ہوتا ہے، پورٹ فولیو کے مختلف ارتکاز کا موازنہ کیا جاتا ہے، اور ہر لیبل کے لیے مخصوص…

حصصآپشنزبیک ٹیسٹنگپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ نوٹ بک ایک ہی ETF یونیورس، پیش گوئیوں، ازسرِنو توازن کے شیڈول اور بیک ٹیسٹ پروٹوکول کے تحت مساوی وزن، الٹی اتار چڑھاؤ، کم سے کم ویرینس اور درجہ وار رسک پیریٹی کا موازنہ کرتی ہے۔ ایک رولنگ Ridge ماڈل مومینٹم، موونگ ایوریج سے فاصلے اور اتار چڑھاؤ کی خصوصیات…

پورٹ فولیو کی تشکیلبیک ٹیسٹنگرسک مینجمنٹمشین لرننگ
Machine Learning for Trading

یہ نوٹ بک رسک ایٹ ویلیو (VaR) کی وضاحت کرتی ہے، جو نقصان کی کوانٹائل حد ظاہر کرتا ہے، اور کنڈیشنل رسک ایٹ ویلیو (CVaR) کی، جو اس حد سے آگے کے نقصانات کا اوسط لیتا ہے۔ روزانہ کے ETF ریٹرنز سے یہ تاریخی، گاوسی، Cornish–Fisher سے ایڈجسٹ شدہ اور Student-t مونٹی…

رسک مینجمنٹاتار چڑھاؤبیک ٹیسٹنگپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ نوٹ بک درجہ وار رسک پیریٹی (HRP) بیان کرتی ہے، جو پورٹ فولیو بنانے کا ایسا طریقہ ہے جس کا مقصد شور والے کوویریئنس تخمینوں کے لیے حساسیت محدود کرنا ہے۔ یہ اس کے تین مراحل بیان کرتی ہے: اثاثوں کو باہمی تعلق کے فاصلے کے مطابق گروہوں میں بانٹنا، حاصل شدہ درجہ…

پورٹ فولیو کی تشکیلرسک مینجمنٹبیک ٹیسٹنگکئی اثاثوں پر مبنی
Machine Learning for Trading

یہ نوٹ بک اسٹریٹیجی کے پورے عمل میں رجسٹرڈ ETF بیک ٹیسٹس کا جائزہ لیتی ہے، سگنلز اور اثاثوں کی تخصیص سے لے کر لاگت اور رسک اوورلیز تک۔ یہ ماڈلز فٹ کرنے یا نئے بیک ٹیسٹ شامل کرنے کے بجائے موجودہ پیش گوئیاں اور بیک ٹیسٹس پڑھتی ہے، اور رجسٹرڈ نتائج سے گروہوں…

کئی اثاثوں پر مبنیحصصپورٹ فولیو کی تشکیلبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ایک ہی پیش گوئی کردہ درجہ بندی سے منتخب ETF پورٹ فولیوز کو وزن دینے کے چھ طریقوں کا موازنہ کرتی ہے: برابر وزن، اسکور کے مطابق وزن، معکوس اتار چڑھاؤ، رسک پیریٹی، اوسط۔تغیر اصلاح، اور درجہ بند درختی رسک پیریٹی۔ یہ منتخب فنڈز کی تعداد کو تخصیص کے…

حصصپورٹ فولیو کی تشکیلبیک ٹیسٹنگرسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک متعدد ٹریڈنگ کیس اسٹڈیز سے رجسٹرڈ ڈبل مشین لرننگ تخمینے جمع کرتی ہے اور ان کی غیر یقینی اور تشخیصی پیمانوں کا موازنہ کرتی ہے۔ یہ ہر مطالعے کی رجسٹری سے موجودہ قطاریں لوڈ کرتی، رجسٹری کی سالمیت اور لیبلز کی یکتائی جانچتی، کوریج واضح کرتی، اور HAC…

شماریاتمشین لرننگرسک مینجمنٹبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک ETF تخصیصی بیک ٹیسٹ کے لیے تشخیصی فریم ورک پیش کرتی ہے۔ یہ شارپ، سورٹینو، کالمر، اتار چڑھاؤ، ویلیو ایٹ رسک اور زیادہ سے زیادہ ڈرا ڈاؤن جیسے رسک اور ریٹرن پیمانے نکالتی ہے؛ مسلسل کارکردگی اور ڈرا ڈاؤن سے بحالی ٹریک کرتی ہے؛ اور الفا، بیٹا، ٹریکنگ…

پورٹ فولیو کی تشکیلرسک مینجمنٹبیک ٹیسٹنگحصص
Machine Learning for Trading

یہ نوٹ بک چھ سرمایہ مختص کرنے کے طریقوں کا ان کرپٹو پرپیچوئل اسٹریٹیجیز پر موازنہ کرتی ہے جو بنیادی انتخابی مراحل سے گزر چکی ہیں۔ یہ ہر اسٹریٹیجی کی پیش گوئیاں اور داخلے کے قواعد مقرر رکھتی، پھر سرمایہ مختص کرنے کا طریقہ بدلتی ہے: ایک طریقہ ماڈل اسکور، کئی…

کرپٹوپرپیچوئل فیوچرزپوزیشن کا حجم طے کرناپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ ماڈیول بتاتا ہے کہ توثیق کے مراحل اور اسٹریٹیجی لیبلز میں ہولڈ آؤٹ انتخابی مجموعہ کیسے مرتب کیا جائے۔ یہ ان اختلافات کو حل کرتا ہے جن سے منجمد امیدوار مجموعے اور براہِ راست دوبارہ تشکیل مختلف کنفیگریشن منتخب کر سکتے ہیں، یا بعد کا تجزیہ فاتح کے بجائے کسی…

بیک ٹیسٹنگرسک مینجمنٹپورٹ فولیو کی تشکیلشماریات
Machine Learning for Trading

یہ نوٹ بک متوقع لاگ دولت کو زیادہ سے زیادہ کرکے دو ممکنہ نتائج والی شرط کے لیے کیلی کا حجم اخذ کرتی ہے، پھر دکھاتی ہے کہ شرط کا حجم نقلی دولت کے راستوں کی تقسیم کو کیسے بدلتا ہے۔ یہ طریقہ مسلسل منافع اور کئی اثاثوں والے پورٹ فولیوز تک پھیلاتی ہے، جہاں معروف…

پوزیشن کا حجم طے کرنارسک مینجمنٹپورٹ فولیو کی تشکیلشماریات
Machine Learning for Trading

یہ نوٹ بک پہلے سے منتخب کردہ ETF اسٹریٹیجی کو محفوظ ہولڈ آؤٹ مدت پر جانچتی ہے۔ یہ تربیتی شناخت اور چیک پوائنٹ سے مطابقت رکھنے والی پیش گوئیاں حاصل کرتی، پہلے سے طے شدہ اسٹریٹیجی کی تفصیل اور ٹریڈنگ لاگتیں لاگو کرتی، اور نتیجے کا بیک ٹیسٹ رجسٹر کرتی ہے۔ ہولڈ…

بیک ٹیسٹنگپورٹ فولیو کی تشکیلرسک مینجمنٹپوزیشن کا حجم طے کرنا
Machine Learning for Trading

یہ ماڈیول رجسٹرڈ پیش گوئی مجموعوں سے اوسط پیش گوئی کا مجموعہ بناتا ہے، جس میں تکرار پذیری اور انتخابی تعصب سے بچنے پر خاص توجہ ہے۔ یہ ہاتھ سے لکھی ارکان کی فہرست برقرار رکھنے کے بجائے رجسٹری سے اہل ماڈل ترتیبات نکالتا ہے، نامکمل یا ریٹائر شدہ پیش گوئیاں خارج…

مشین لرننگشماریاتبیک ٹیسٹنگپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ نوٹ بک US ایکوئٹیز کے سیال ذیلی مجموعے پر پرنسپل کمپوننٹ اینالیسس استعمال کرکے مخفی عوامل اخذ اور لانگ شارٹ ایگن پورٹ فولیوز بناتی ہے۔ یہ وضاحت کرتی ہے کہ معیاری بنائے گئے PCA ویکٹر خام منافع کے وزن میں کیسے بدلے اور مجموعی نمائش کے مطابق معمول پر لائے…

حصصفیکٹر سرمایہ کاریشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک کرنسی جوڑوں کے مجموعے میں خطی ماڈل کی ریگولرائزیشن دیکھتی ہے، جہاں مشترک کرنسیوں کے درمیان کوٹ ہونے کی وجہ سے جوڑوں کے منافع باہم مربوط ہیں۔ یہ فیچر کولینیئرٹی، جس سے رِج، لاسّو اور ایلاسٹک نیٹ نمٹ سکتے ہیں، درجہ بند اثاثوں کے باہمی انحصار سے الگ…

فاریکسشماریاتمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک تاریخی US ایکویٹی منافع سے باہمی نسبت کا نیٹ ورک بنا کر پورٹ فولیو سازی کا جائزہ لیتی ہے۔ یہ تخمینے کی مدت کے ڈیٹا سے سیال اثاثوں کا مجموعہ چنتی، جوڑی وار باہمی نسبتوں کو فاصلوں میں بدلتی اور کم از کم پھیلا ہوا درخت (MST) نکالتی ہے تاکہ انحصار کے…

حصصامریکی مارکیٹیںپورٹ فولیو کی تشکیلرسک مینجمنٹ
Machine Learning for Trading

یہ کیس اسٹڈی جانچتی ہے کہ آیا لسٹڈ آپشنز کی معلومات ایس اینڈ پی 500 اسٹاک منتخب کرنے میں مدد دے سکتی ہیں۔ یہ روزانہ کی ایکویٹی قیمتوں کو آپشن سے اخذ کردہ اتار چڑھاؤ کی سطحوں، اسکیو، ٹرم اسٹرکچر اور ویرینس رسک پریمیم کے پیمانوں کے ساتھ 633 اسٹاکوں پر 2017 سے…

حصصآپشنزبیک ٹیسٹنگرسک مینجمنٹ
Machine Learning for Trading

دستاویز FX پورٹ فولیو مختص کی ایسی آزمائش بیان کرتی ہے جو پوزیشن کے حجم کو سگنل کے انتخاب سے الگ رکھتی ہے۔ یہ توثیقی بیک ٹیسٹ کارکردگی کے مطابق رینک کیے گئے، منجمد یکساں وزن کے بنیادی امیدواروں سے شروع کرتی ہے، پھر ہر ماڈل چیک پوائنٹ اور سگنل نقشہ برقرار…

فاریکسپورٹ فولیو کی تشکیلبیک ٹیسٹنگرسک مینجمنٹ
Machine Learning for Trading

یہ مختلف کیسز کا تجزیہ دیکھتا ہے کہ انفارمیشن کوایفیشنٹ (IC) سے ناپی گئی پیش گوئی کی معلومات نو ٹریڈنگ کیس اسٹڈیز میں پورٹ فولیو شارپ سے کیسے جڑتی ہیں۔ مرکزی نکتہ یہ ہے کہ اس تعلق میں نفاذ درمیانی کردار ادا کرتا ہے: داخلے کے قواعد، پوزیشن کا حجم، ری بیلنسنگ…

کئی اثاثوں پر مبنیشماریاتبیک ٹیسٹنگپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ کیس اسٹڈی CME فیوچرز کے لیے پوزیشن کے حجم کے متبادل طریقوں کا یکساں وزن کی بنیاد سے موازنہ کرتی ہے۔ یہ بتاتی ہے کہ الٹے اتار چڑھاؤ کے مطابق حجم ہر کنٹریکٹ کا اپنا اتار چڑھاؤ استعمال کرتا ہے، جبکہ کوواریئنس پر مبنی طریقے پروڈکٹس کے باہمی تعلق کو بھی ملحوظ…

فیوچرزپوزیشن کا حجم طے کرناپورٹ فولیو کی تشکیلرسک مینجمنٹ