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۔
2,057 دستاویزات
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 ایک LSTM ماڈل بیان کرتی ہے جو اسٹاک کی خصوصیات کی ترتیب وار ونڈوز سے US ایکویٹی پینل میں منافع کی پیش گوئی کرتا ہے۔ سادہ جدولی ماڈل کے برعکس، LSTM سیشنز کو ترتیب وار پراسیس کرتا اور ہر ونڈو میں مخفی حالت آگے لے جاتا ہے۔ سیکھی ہوئی gates کنٹرول کرتی…
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 نوٹ بک مقررہ NASDAQ-100 microstructure بیک ٹیسٹس پر stop-loss، trailing-stop اور وقت پر اخراج کے overlays کا موازنہ کرتی ہے۔ اسٹریٹیجی ہر پندرہ منٹ میں فیصلے کرتی ہے، جبکہ خطرے کے قواعد ہر منٹ قیمتیں دیکھتے ہیں، جس سے overlay کو signal updates کے درمیان…
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…
یہ مطالعہ BTC/USDT آرڈر عمل درآمد کے لیے Double Deep Q-Learning کا K-means سے تقسیم کردہ ماہرین کے امتزاج اور مساوی پیرامیٹرز والے گھنے نیٹ ورکس سے موازنہ کرتا ہے۔ جائزے میں Binance کے پانچ منٹ کے اوسط شدہ limit order book ڈیٹا کو استعمال کرکے نفاذی شارٹ…
یہ مطالعہ روزانہ، ہفتہ وار، ماہانہ اور سالانہ افق پر NSE 500 اسٹاک سے بنائے گئے فزیکل مومینٹم پورٹ فولیوز کا جائزہ لیتا ہے۔ یہ 2014–2021 کے تاریخی منافع اور خطرے کے پروفائلز کا جائزہ لیتا اور ہر افق کے بہترین کارکردگی والے پورٹ فولیو کا NIFTY 50 پورٹ فولیو…
یہ مقالہ ایک پرخطر اثاثے کے لیے بولی اور طلب کی قیمتیں دینے والے ڈیلروں کے درمیان مقابلے کا ماڈل بناتا ہے۔ ڈیلر انوینٹری کا خطرہ سنبھالتے ہوئے منافع کمانے کے لیے کلائنٹس کے آرڈر فلو کی تلاش کرتے ہیں۔ وہ کوٹ کی قیمتوں میں تبدیلی کے ذریعے مخالف سمت کا آرڈر فلو…
یہ نوٹ بک مالی اور ماڈل سے اخذ کردہ فیچرز کی اس صلاحیت کی اسکریننگ کرتی ہے کہ وہ بعد کے ریٹرنز کے مطابق ETFs کی درجہ بندی کر سکیں۔ یہ ہر تاریخ کا انفارمیشن کوایفیشنٹ فیچر کی کراس سیکشنل درجہ بندیوں کو فارورڈ ریٹرن کی درجہ بندیوں سے ملا کر نکالتی ہے، پھر حاصل…
یہ نوٹ بک ایک لانگ اونلی Bitcoin اسٹریٹیجی کے لیے قابل آڈٹ رپورٹ بناتی ہے، جو RSI کی حدوں سے انٹری اور اخراج کرتی ہے۔ یہ مجموعی اور خالص نتائج کا تقابل کرتی ہے، پھر اسی ڈیٹا، وارم اپ، ایکسپوژر، فلز اور لاگتوں کے ساتھ چلائے گئے بائے اینڈ ہولڈ معیار کے مقابل…
یہ نوٹ بک ایک مرکوز ٹیسٹ پیش کرتی ہے: کیا پرپیچوئل فنڈنگ فیچرز کی سیکوئنس نمائندگی، پریمیم یعنی پرپیچوئل اور اسپاٹ قیمتوں کے فرق کے ہاتھ سے بنائے گئے خلاصوں سے بہتر ہے؟ یہ NLinear کا تقابل ایک بار بار چلنے والے LSTM سے کرتی ہے۔ NLinear حالیہ ونڈو کی تبدیلیوں…
یہ کنفیگریشن روزانہ کی لانگ شارٹ US ایکویٹی اسٹریٹیجی بیان کرتی ہے، جو ماڈل کی پیش گوئیوں کے مطابق وسیع اسٹاک مجموعے کی درجہ بندی کرتی، اوپر کے دس فیصد کو خریدتی اور نیچے کے دس فیصد کو ہر گروپ میں مساوی وزن کے ساتھ شارٹ کرتی ہے۔ یہ اگلے سیشن کے آغاز پر…
یہ نوٹ بک 20 کرنسی جوڑوں کے لیے امیدوار خصوصیات کو ایک وقت میں الگ الگ فارورڈ ریٹرنز کے مقابل جانچتی ہے۔ یہ تجزیہ واک فارورڈ توثیقی ادوار تک محدود رکھتی ہے، ہر سیشن کو اس کا فولڈ نشان دیتی ہے، اور ہولڈ آؤٹ سے پہلے ایک حفاظتی خلا چھوڑتی ہے تاکہ لیبلز اس محفوظ…
یہ نوٹ بک بتاتی ہے کہ متعدد ایجنٹوں کی احتمالی پیش گوئیوں کو کیسے ملائیں اور حاصل شدہ احتمالات کو کیسے کیلیبریٹ کریں۔ یہ Neyman extremization پیش کرتی ہے، جو پینل کے حجم اور فرض کردہ باہمی تعلق کے مطابق اوسط پیش گوئی کو بنیادی شرح سے دور لے جاتی ہے۔ کم فرض…
یہ ڈیٹا یوٹیلٹی Chen، Pelger اور Zhu کے اثاثہ قیمتوں کے ڈیٹا سیٹ پر کام میں مدد دیتی ہے، جس میں اسٹاک ریٹرنز، کمپنی کی خصوصیات، میکرو اکنامک سیریز اور اسپلٹ سے پہلے کے فیچر ٹینسرز شامل ہیں۔ اس کا کنورژن طریقہ شائع شدہ ٹریننگ، توثیق اور ٹیسٹ ٹینسرز سے Parquet…
یہ نوٹ بک ماڈل کی درجہ بندی کو سادہ کرپٹو پرپیچوئل پورٹ فولیوز میں بدلتی ہے۔ ہر فنڈنگ ٹائم اسٹیمپ پر انٹری کا قاعدہ درجہ بندی کے اوپر یا نیچے سے کنٹریکٹس منتخب کرکے انہیں مساوی وزن دیتا ہے۔ مساوی وزن ایک حوالہ فراہم کرتا ہے: اس کے بعد سائزنگ کو یکساں رکھتے…
یہ نوٹ بک پیمائش کرتی ہے کہ اٹ دی منی S&P 500 آپشن اسٹرَیڈلز کا توثیقی شارپ، مفروضہ ایگزیکیوشن لاگتوں اور آپشنز کے دو دائروں میں کیسے بدلتا ہے۔ یہ اسپریڈ لاگت کو کوٹ کیے گئے آپشن ہاف اسپریڈ کے حصے کے طور پر ظاہر کرتی ہے، کیونکہ آپشن پریمیم اور بنیادی اثاثے…
یہ ماڈیول کئی ماڈل خاندانوں کے لیے واک فارورڈ ٹریننگ اور توثیقی فولڈز تیار کرنے کا مشترک طریقہ بیان کرتا ہے۔ یہ مہنگے، ماڈل سے آزاد کام—وقت کی ونڈوز کاٹنا، ہر فولڈ کی ماڈل پر مبنی خصوصیات لگانا، غائب لیبل والی قطاریں ہٹانا، اور ٹریننگ ڈیٹا کا نمونہ لینا—بعد…
یہ نوٹ بک فیوچرز کی پیش گوئی کے لیے LSTM اور NLinear سیکوئنس ماڈلز کا جائزہ لیتی ہے۔ ہر فیصلے کے لیے ایک فیچر قطار استعمال کرنے والے ماڈلز کے برعکس، سیکوئنس ماڈلز ماضی کے مشاہدات کی ترتیب وار ونڈوز لیتے ہیں اور ممکن ہے کہ ایسے نمونے سیکھیں جو مقررہ خلاصوں…
یہ نوٹ بک پرپیچوئل فیوچرز کی فنڈنگ تحقیق کے لیے کئی ماڈل خاندانوں کی توثیقی پیش گوئیوں کا تقابل کرتی ہے۔ یہ بتاتی ہے کہ انفارمیشن کوایفیشنٹ پیش گوئیوں اور بعد کے ریٹرنز کے درمیان درجہ جاتی تعلق ناپتا ہے، AUC اوپر یا نیچے کے لیبلز کی درجہ بندی ناپتا ہے، اور…
یہ نفاذ بتاتا ہے کہ ڈیپ لرننگ مطالعات میں استعمال ہونے والے پینل ڈیٹا کے لیے بیچوں میں سیکوئنس ونڈوز کیسے بنائے جائیں۔ ونڈوز ہر اثاثے کے مشاہدات کو مسلسل قطاروں میں سمیٹنے کے بجائے پینل کے متوقع کیلنڈر کے مطابق چلتی ہیں۔ غائب سیشن غیر مشاہدہ شدہ خلیوں کی…
یہ نوٹ بک مارکیٹ اور کمپنی کے ڈیٹا کو صاف کرنے کے عملی طریقے پیش کرتی ہے، جن میں نقلوں کو سنبھالنا، خلا کے نشانات، ڈومین فلٹرز، الٹ پھیر پر مبنی تیز حرکت کی شناخت، آؤٹ لائرز کو محدود کرنا، زمرہ جاتی انکوڈنگ، اور مختلف فریکوئنسی والے ڈیٹا سیٹس کو ہم آہنگ کرنا…
یہ نوٹ بک بتاتی ہے کہ US ایکویٹی پینل پر بنی اسٹریٹیجیز ٹریڈنگ کی رگڑ برداشت کر سکتی ہیں یا نہیں، اس کا جائزہ کیسے لیں۔ یہ توثیقی شارپ سے ہر لیبل کے لیے ایک کنفیگریشن مقرر کرتی ہے، پھر اسی اسٹریٹیجی کی قیمت مقررہ لاگت کی سطحوں پر دوبارہ طے کرتی ہے۔ اس سے…
یہ نوٹ بک جانچتی ہے کہ آیا SHAP کی فیچر انتسابات اس وقت مستحکم رہتی ہیں جب پیش گوئیاں ملتی جلتی ہوں یا مختلف رینڈم سیڈز اور آرکیٹیکچرز سے ماڈلز دوبارہ فٹ کیے جائیں۔ ETF کے فارورڈ ریٹرنز استعمال کرکے یہ ایسے نمونوں کے جوڑے تلاش کرتی ہے جن کی پیش گوئیاں قریب…