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

2,057 دستاویزات

Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ PatchTST متواتر مارکیٹ خصوصیات کے مقررہ طوالت والے ٹکڑوں سے NASDAQ-100 لیبلز کی پیش گوئی کیسے کرتا ہے۔ توجہ کا طریقہ پچھلے گھنٹے میں ٹکڑوں کے درمیان تعلق قائم کرتا ہے اور ہر منٹ پر توجہ کے مقابلے میں ترتیب کی لمبائی گھٹاتا ہے۔ یہ ترتیب…

حصصمشین لرننگبیک ٹیسٹنگشماریات
Machine Learning for Trading

یہ دستاویز CME فیوچرز کے تجربے کی وضاحت کرتی ہے جس میں TabM، ایک کم پیرامیٹر والا نیورل اینسمبل، وہی بنائی گئی خصوصیتی قطاریں اور واک فارورڈ فولڈز استعمال کرتا ہے جو خطی اور گریڈینٹ بوسٹنگ ماڈلز کے لیے ہیں۔ TabM کئی نیٹ ورکس کی اوسط سے تغیر میں کمی کا کچھ…

فیوچرزمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

دستاویز NLinear پیش کرتی ہے، جو اندرونِ روز خصوصیات سے NASDAQ-100 اسٹاک منافع کی پیش گوئی کرنے والا ایک سادہ سلسلہ جاتی ماڈل ہے۔ یہ مقررہ پچھلی ونڈو استعمال کرتا ہے، تازہ ترین مشاہدہ منہا کرتا ہے تاکہ ماڈل سطحوں کے بجائے تبدیلیوں پر کام کرے، اور حاصل شدہ…

حصصمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ مواد بتاتا ہے کہ الگ 2021 ہولڈ آؤٹ کی پیش گوئیاں استعمال کرتے ہوئے توثیقی ڈیٹا پر منتخب اسٹریٹیجی کا جائزہ کیسے لیا جائے۔ منتخب تخصیص، ارتکاز، خطرے کے کنٹرولز، ٹریڈنگ شیڈول اور اخراجات مقرر رہتے ہیں؛ صرف اسٹریٹیجی کو دی جانے والی پیش گوئیاں بدلتی ہیں۔…

حصصبیک ٹیسٹنگرسک مینجمنٹپورٹ فولیو کی تشکیل
Machine Learning for Trading

دستاویز SEC 8-K فائلنگز کو منظم کارپوریٹ واقعات میں تبدیل کرنے کی پائپ لائن بیان کرتی ہے۔ زبان کا ماڈل واقعات کے تعلقات اخذ کرتا ہے، جبکہ واضح اسکیما جانچ اداروں کے نام، تعلق کی اقسام، زمرے اور تاریخیں درست قرار دیتی ہے۔ مقررہ طریقے کی نارملائزیشن اداروں کی…

واقعات پر مبنیمشین لرننگشماریاتمارکیٹ مائیکرو اسٹرکچر
Machine Learning for Trading

یہ ماڈیول اس وقت رجسٹری منتقل کرنے کا طریقہ بیان کرتا ہے جب کسی لائبریری نے واک فارورڈ فولڈز کی نمبرنگ بدلی ہو مگر ان کی تاریخ کی ونڈوز اور فِٹ شدہ قدریں برقرار رہی ہوں۔ چونکہ فولڈ شناختیں تربیتی تخصیصات، پیش گوئی کیز، ان پٹ فنگرپرنٹس، ماڈل پیرامیٹرز،…

بیک ٹیسٹنگمشین لرننگشماریات
Machine Learning for Trading

یہ نوٹ بک حقیقی اسٹریٹیجی کے آڈٹ سے محفوظ نتائج کا جائزہ لیتی ہے، جس میں LEAN انجن کا مماثل ML4T بیک ٹیسٹ پروفائلز سے موازنہ کیا گیا ہے۔ یہ منجمد ان پٹس کے تحت معاون اثاثہ جاتی طبقوں کے کام کی نشاندہی کرتی ہے اور سودوں کی تکمیل، قدر بندی، قدر بندی کے ٹائم…

بیک ٹیسٹنگآرڈر پر عمل درآمدحصصفیوچرز
Machine Learning for Trading

یہ نوٹ بک US ایکویٹیز کے کیس اسٹڈی کی ہولڈ آؤٹ ونڈو کے لیے پیش گوئیاں بنانے کا طریقہ بیان کرتی ہے، جب توثیقی فولڈز پر ترتیب منتخب ہو چکی ہو۔ یہ منتخب ترتیب طے کرتی ہے، اس کے چیک پوائنٹ کا انتخاب برقرار رکھتی ہے اور ہولڈ آؤٹ شروع ہونے سے پہلے دستیاب ڈیٹا سے…

حصصمشین لرننگبیک ٹیسٹنگرسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ پوشیدہ مارکوف ماڈلز منافع اور حالیہ اتار چڑھاؤ سے غیر مشاہدہ شدہ مارکیٹ حالتوں کا اندازہ کیسے لگاتے ہیں۔ پہلے سادہ موازنے کے اصول متعین کیے جاتے ہیں: دباؤ کے لیے اتار چڑھاؤ انڈیکس کی حد اور رجحان کے لیے طویل متحرک اوسط کے مقابلے میں…

مشین لرننگشماریاتاتار چڑھاؤتکنیکی اشارے
Machine Learning for Trading

نوٹ بک روزانہ ایکویٹیز اور فی گھنٹہ کرپٹو پرپیچوئل فیوچرز کے لیے حصول، توثیق، ماخذ کی لیبلنگ اور ذخیرے پر مشتمل مکمل پائپ لائنز تیار کرتی ہے۔ ایکویٹی کی مثال تاریخی WikiPrices ڈیٹا کو نسبتاً حالیہ Yahoo فیڈ سے جوڑتی ہے۔ چونکہ فراہم کنندگان کی اسپلٹ ایڈجسٹمنٹ…

حصصکرپٹوفیوچرزمارکیٹ مائیکرو اسٹرکچر
Machine Learning for Trading

یہ نوٹ بک ایسا فریم ورک پیش کرتی ہے جو جانچتا ہے کہ آیا مومینٹم سگنل کا بظاہر معیار معقول تحقیقی انتخاب کے بعد بھی برقرار رہتا ہے۔ مقررہ ہولڈ آؤٹ مدت سے پہلے کے حقیقی ETF ڈیٹا سے یہ ایک وقت میں ایک پچھلے دورانیے کا پیرامیٹر بدلتی ہے اور HAC-ایڈجسٹ شدہ…

حصصمومینٹمشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

نوٹ بک ٹریڈنگ سیشن کے دوران بڑے ایکویٹی آرڈر کو چھوٹے آرڈرز میں تقسیم کرنے کے دو طریقوں کا موازنہ کرتی ہے۔ TWAP ہر وقفے میں تقریباً برابر مقدار بھیجتا ہے اور اسے بازار کی پیش گوئی درکار نہیں۔ VWAP حصص کو اندازہ شدہ اندرونِ روز حجم کے خاکے کے مطابق مختص کرتا…

حصصآرڈر پر عمل درآمدمارکیٹ مائیکرو اسٹرکچربیک ٹیسٹنگ
Machine Learning for Trading

نوٹ بک بتاتی ہے کہ S&P 500 آپشنز کے پیش گوئی ماڈلز کا موازنہ کیسے کیا جائے تاکہ نامکمل یا غیر مماثل جانچ کے نمونے نتائج کو بگاڑ نہ سکیں۔ یہ ہر ماڈل کی شناخت خاندان، ترتیب اور چیک پوائنٹ کے ذریعے کرتی ہے، جانچتی ہے کہ پیش گوئیاں درج شدہ اہلیت کے معاہدوں پر…

آپشنزمشین لرننگشماریاتبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک Ridge regression اور تین کنفارمل طریقوں—اسپلٹ کنفارمل پیش گوئی، کنفارملائزڈ کوانٹائل ریگریشن، اور موافق کنفارمل استنباط—کے ذریعے ETF کے آئندہ منافع کے لیے غیر یقینی کے وقفے بناتی ہے۔ یہ واک فارورڈ فولڈز کے ذریعے ان کا جائزہ لیتی ہے اور محدود نمونے…

حصصمشین لرننگشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک ڈبل مشین لرننگ کے ذریعے تخمینہ لگاتی ہے کہ آیا پرپیچوئل فیوچرز کا پریمیم زیڈ اسکور چھ قبل از علاج کنٹرولز کے لیے ایڈجسٹ کرنے کے بعد اگلے آٹھ گھنٹے کے منافع سے وابستہ ہے۔ یہ الگ فِٹس اور علاج بہ حکومتِ بازار تعامل کے ذریعے بلند اور کم اتار چڑھاؤ…

کرپٹوپرپیچوئل فیوچرزمشین لرننگشماریات
Machine Learning for Trading

یہ نوٹ بک ایک مشروط آٹواینکوڈر کی وضاحت کرتی ہے جو اسٹاک کے منافع کو خصوصیات پر منحصر فیکٹر لوڈنگز اور پوشیدہ فیکٹرز کی ضرب کے طور پر ماڈل کرتا ہے۔ پہلے مشترکہ کراس سیکشنل کم سے کم مربعات فِٹ کے ذریعے خصوصیات کے زیرِ انتظام پورٹ فولیو منافع کا تخمینہ لگایا…

حصصفیکٹر سرمایہ کاریمشین لرننگپورٹ فولیو کی تشکیل
Machine Learning for Trading

یہ ڈیٹا رہنما مسلسل CME فیوچرز کنٹریکٹس کے مجموعے کو بیان کرتا ہے جو ایکویٹی اشاریوں، شرحوں، توانائی، دھاتوں، کرنسیوں، زراعت اور مویشیوں پر محیط ہے۔ یہ فی گھنٹہ ماخذ ڈیٹا اور اس سے اخذ کردہ روزانہ فریکوئنسی، کنٹریکٹ کی متعدد مدتوں، پراڈکٹ ترتیب اور لوڈر کے…

فیوچرزکئی اثاثوں پر مبنیاجناسبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک دیکھتی ہے کہ ماڈل کے اثاثوں کی رینکنگ کے بعد مختص کے قواعد ETF اسٹریٹیجیز کو کیسے متاثر کرتے ہیں۔ یہ پیش گوئی سیٹ اور دوبارہ توازن کا کیلنڈر مقرر رکھتی ہے، ہر موازنے کے لیے ایک ہی ٹاپ-کے باسکٹ چنتی ہے اور باسکٹ کے اندر دیے گئے وزن بدلتی ہے۔ طریقوں…

حصصپورٹ فولیو کی تشکیلپوزیشن کا حجم طے کرنارسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ آیا پورٹ فولیو کی تشکیل لاگت سے مغلوب، ہر بار چلنے والی NASDAQ-100 اسٹریٹیجی کو بچا سکتی ہے۔ یہ مقررہ انتخابی کائنات سے نمایاں بنیادی پیش گوئیاں چنتی ہے، پھر پوری کائنات پر تخصیص کے موازنے کرتی ہے۔ تجربے میں ہولڈنگز کی تعداد بدلتی ہے…

حصصپورٹ فولیو کی تشکیلپوزیشن کا حجم طے کرناآرڈر پر عمل درآمد
Machine Learning for Trading

یہ نوٹ بک یکساں وزن والے سگنل مرحلے کی بنیادی صورت سے نمایاں ویلیڈیشن پیش گوئی ترتیبات لیتی ہے اور انہی پیش گوئیوں پر متبادل مختص طریقے آزماتی ہے۔ یہ اسکور پر مبنی اور کنفارمل وزن کا موازنہ الٹا اتار چڑھاؤ، رسک پیریٹی، اوسط-تغیر اصلاح اور درجہ وار رسک پیریٹی…

حصصپورٹ فولیو کی تشکیلپوزیشن کا حجم طے کرنابیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ رجسٹرڈ ETF پیش گوئی سیٹ پورٹ فولیو میں تبدیل ہونے پر کیسی کارکردگی دکھاتے ہیں۔ یہ ہر ویلیڈیشن پیش گوئی سیٹ کو مقررہ داخلہ طریقوں، مثلاً مختلف ٹاپ-کے ہولڈنگز، کے ساتھ ملاتی ہے، جبکہ ٹریڈنگ کیلنڈر، دوبارہ توازن کی رفتار اور مقررہ کمیشن و…

حصصبیک ٹیسٹنگپورٹ فولیو کی تشکیلرسک مینجمنٹ
Machine Learning for Trading

جزوی تفاضل لاگ قیمتوں پر وقفہ تفاضل عمل کار کی غیر صحیح قوت لاگو کرتا ہے۔ اس کے بائنومیئل وزن سابقہ مشاہدات کے ساتھ گھٹتے ہیں، اس لیے نتیجے میں قیمت کی تبدیلیوں کے ساتھ سطح کی کچھ باقی معلومات بھی شامل ہوتی ہیں۔ جزوی درجۂ قوت سمجھوتے کو قابو کرتا ہے: کم درجے…

شماریاتتکنیکی اشارےمشین لرننگ
Machine Learning for Trading

یہ باب تحقیق سے حقیقی عمل درآمد تک کا راستہ بیان کرتا ہے، جس میں اسٹریٹیجی کی منطق بیک ٹیسٹ، پیپر ٹریڈنگ اور لائیو ٹریڈنگ کے ماحول میں چل سکتی ہے۔ اس میں بروکر اور پلیٹ فارم انضمام، تعیناتی کے چکر، ڈیٹا اور فیچر مطابقت کی جانچ، آرڈر کے پورے دورانیے کا انتظام…

آرڈر پر عمل درآمدرسک مینجمنٹبیک ٹیسٹنگمارکیٹ مائیکرو اسٹرکچر
Machine Learning for Trading

یہ نوٹ بک ایک کراس سیکشنل مفروضے کے لیے فیچرز بناتی ہے: پرپیچوئل فیوچرز میں غیر معمولی طور پر مہنگی لانگ پوزیشننگ سے ہجوم زدہ ٹریڈز کھلنے پر نسبتی کمزوری پہلے ظاہر ہو سکتی ہے۔ یہ فنڈنگ ریٹس اور پریمیم انڈیکس ڈیٹا کو سطحوں، تاریخی زیڈ اسکورز، تصفیے کے اندرونی…

کرپٹوپرپیچوئل فیوچرزاثاثہ رکھنے کی لاگت یا آمدنبیک ٹیسٹنگ