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 یوٹیلٹی اثاثہ گروپ کے لیبلز اور گروپوں کے درمیان اختیاری روابط سے اثاثوں کی باہمی مجاورت کا بولین میٹرکس بناتی ہے۔ ایک ہی میکرو گروپ میں رکھے گئے اثاثے ایک دوسرے سے منسلک ہوتے ہیں، اور فراہم کردہ ہر بین الجماعتی کنارہ دونوں گروپوں کے تمام ارکان کو دونوں…
یہ ترتیب سے متعلق نوٹ وضاحت کرتا ہے کہ L1 پینلٹی والی تین کلاس کی لاجسٹک رجریشن واضح طور پر سخت کی گئی ٹالرنس کے ساتھ SAGA کیوں استعمال کرتی ہے۔ یہ Nasdaq 100 مائیکرو اسٹرکچر پیش گوئی پینل پر SAGA کا liblinear سے موازنہ کرتا ہے، اور ناپے گئے رنز میں SAGA کے…
یہ نوٹ بک راستے کے دستخط کو مقررہ طوالت کی خصوصیات کے طور پر متعارف کراتی ہے، جو ٹائم سیریز ونڈو میں مشاہدات کی ترتیب اور مشترکہ جیومیٹری محفوظ رکھتے ہیں۔ پہلی سطح ہر محدد کی مجموعی تبدیلی درج کرتی ہے؛ دوسری سطح محدد کے جوڑوں کے درمیان علامت دار رقبہ محفوظ…
یہ نوٹ بک بڑھتی ہوئی ونڈو کے ڈبل مشین لرننگ تجزیے کی وضاحت کرتی ہے کہ آیا 12-سے-2-ماہ کا مومینٹم، Beta، IdioVol، LME اور Variance کو ملحوظ رکھنے کے بعد اگلے ماہ کے US فرم ریٹرنز کی پیش گوئی کرتا ہے۔ معاون ماڈل پہلے کے فیصلہ جاتی مہینوں پر تربیت پاتے ہیں،…
یہ نوٹ بک تحقیقی ایجنٹس کے لیے ایک منظم حالت کا ریکارڈ پیش کرتی ہے، جو رن کا سوال، آخری حد، شواہد، غیر حل شدہ سوالات، ٹول کی تاریخ، معیار کی جانچ کے نتائج اور ترکیب کی حالت محفوظ رکھتا ہے۔ یہ حالت کو گفتگو کے ریکارڈ سے الگ کرتی ہے: گفتگو کا ریکارڈ بتاتا ہے…
یہ نوٹ بک کرپٹو پرپیچوئل مارکیٹس کے ایک گروپ کے معیاری بنائے گئے فی گھنٹہ ریٹرنز پر ایک سادہ آٹواینکوڈر تربیت دیتی ہے۔ اس کا انکوڈر متعدد اثاثوں کے ریٹرن ویکٹر کو دو جہتی مخفی نمائندگی میں سمیٹتا ہے اور اس کا ڈیکوڈر ان پٹ دوبارہ بناتا ہے۔ مشاہدہ شدہ اور…
یہ نوٹ بک روزانہ ETF ریٹرن کی پیش گوئیوں کے گرد غیر یقینی کیفیت کا اندازہ لگانے کے طریقوں کے طور پر مونٹی کارلو ڈراپ آؤٹ اور ڈیپ اینسیمبلز کا موازنہ کرتی ہے۔ بار بار پیش گوئی کے دوران ڈراپ آؤٹ فعال رہتا ہے، جبکہ اینسیمبل کے ارکان کو الگ الگ تربیت دی جاتی ہے؛…
یہ نوٹ بک FinMarBa کی سرخیوں پر پہلے سے تربیت یافتہ مالیاتی جذباتی ماڈل کا جائزہ لیتی ہے اور واضح کرتی ہے کہ یہ جذبات کی منتقلی کا صاف امتحان کیوں نہیں۔ FinBERT کو متن کے جذبات سے متعلق انسانی فیصلوں پر تربیت دی گئی تھی، جبکہ FinMarBa کے منفی، غیر جانب دار…
یہ نوٹ بک ہفتہ وار گرڈ والے سلسلہ ماڈلز کا موازنہ اس پانچ سیشن کے مستقبل کے منافع کی پیش گوئی کے لیے کرتی ہے جو روزانہ گرڈ پر بھی استعمال ہوتا ہے۔ جمعہ کے دن نمونہ لینے سے یہ لیبل تقریباً ایک قدم آگے کا ہدف بنتا ہے، جس سے براہِ راست ریگریشن کی تشکیل کا…
یہ نوٹ بک US کمپنی کی 10-K فائلنگز کے اقتباسات پر بازیافت سے تقویت یافتہ تحقیقی معاون بناتی ہے۔ یہ فائلنگز لوڈ کرتی، متن کو جملوں کی ونڈوز میں تقسیم کرتی، مقامی ماڈل سے حصوں کی ایمبیڈنگ بناتی اور مماثلت کی تلاش کے لیے انڈیکس کرتی ہے۔ مظاہرے کا رن قابلِ جواب…
یہ نوٹ بک روزانہ ETF خصوصیات پر تفریقی رازداری کے ساتھ جنریٹو ایڈورسریئل نیٹ ورک کی تربیت دکھاتی ہے۔ یہ رازداری کی ضمانت اور بجٹ متعارف کراتی ہے، پھر Opacus کے ذریعے ہر نمونے کے ڈسکریمنیٹر گرَیڈینٹ کو الگ الگ محدود کرتی ہے؛ اس کے بعد گرَیڈینٹس کو جمع کرکے…
یہ نوٹ بک ایکویٹی آپشن خصوصیات سے بنائے گئے اسٹاک منافع کے اہداف پر TabM، یعنی وزن بانٹنے والا نیورل انسمبل، لاگو کرتی ہے۔ اس کے ارکان مشترکہ دو لیئر نیٹ ورک بنیادی حصہ استعمال کرتے ہیں، جبکہ ایکٹیویشن اسکیلنگ ویکٹر اور آؤٹ پٹ ہیڈز الگ ہوتے ہیں اور پیش…
یہ باب مصنوعی مالیاتی ڈیٹا بنانے کے طریقوں اور یہ طے کرنے کا جائزہ لیتا ہے کہ حاصل شدہ ڈیٹا مفید ہے یا نہیں۔ یہ حقیقی مارکیٹ کے محدود راستوں اور اس خطرے سے شروع ہوتا ہے کہ بار بار اسٹریٹیجی تلاش کرنے سے بیک ٹیسٹ کی ظاہری کارکردگی بڑھ سکتی ہے۔ یہ قابلِ تشریح…
یہ نوٹ بک میعاد تک S&P 500 آپشن منافع پر ویرینس رسک پریمیم کے اثر کا ڈبل مشین لرننگ تجزیہ متعین اور چلاتی ہے۔ یہ عمل سے پہلے ہدفی مقدار، مشاہدہ شدہ وقت، کنفاؤنڈرز، وقتی کراس ویلیڈیشن سیٹ اپ، نیوسنس ماڈل، HAC کوواریئنس ڈیزائن، اور پلیسبو تردیدی طریقہ نمایاں…
یہ نوٹ بک US اسٹاک فیچرز کی ایک فلیٹ جدول پر TabM لاگو کرتی ہے اور اسے پینلٹائزڈ خطی ماڈلز اور ٹری اینسمبلز کے درمیان رکھتی ہے۔ ہر انسمبل رکن ایک نیورل نیٹ ورک کا مشترکہ بنیادی حصہ استعمال کرتا ہے، مگر اس کا اپنا اسکیلنگ ویکٹر اور آؤٹ پٹ لیئر ہوتا ہے؛ ارکان…
یہ نوٹ بک ایک زیرِ نگرانی آٹواینکوڈر بیان کرتی ہے جو ETF فیچر قطاروں کو کم جہتی نمائندگی میں سکیڑتا ہے اور اسی نمائندگی سے براہِ راست مستقبل کے منافع کی پیش گوئی کرتا ہے۔ مشروط آٹواینکوڈر کے برعکس، یہ فرض نہیں کرتا کہ منافع چند مشترکہ عامل حرکات سے پیدا ہوتا…
یہ تجزیہ مشترکہ کراس اثاثہ پینل پر مختلف خاندانوں کے رجسٹر شدہ ETF پیش گوئی ماڈلز کا موازنہ کرتا ہے۔ یہ معلوماتی ضریب استعمال کرکے جانچتا ہے کہ ہر ماڈل بعد کے منافع کے لحاظ سے فنڈز کی درجہ بندی کتنی اچھی کرتا ہے، اعتماد کے وقفوں اور فولڈ کی سطح پر یکسانیت کا…
یہ نوٹ بک منافع کی علامت والی پیش گوئیوں کو دوئی پوزیشنز میں بدلنے کے تین طریقوں کا موازنہ کرتی ہے: صفر کی مقررہ حد، ہر سیکیورٹی کے اپنے اسکورز کا گزشتہ پرسنٹائل، اور سیکیورٹیز میں کراس سیکشنل پرسنٹائل۔ یہ ای ٹی ایف اور کرپٹو پرپیچوئلز کی درج شدہ توثیقی پیش…
یہ دستاویز مشروط پوشیدہ عامل ماڈلز کے کنٹرول کے طور پر زیرِ نگرانی آٹواینکوڈر پیش کرتی ہے۔ یہ کمپنی کی خصوصیات سے براہِ راست فارورڈ منافع کی پیش گوئی کرتا ہے، جبکہ 57 اِن پٹس کو مختصر درمیانی تہہ میں سمیٹتا ہے۔ اسی درمیانی تہہ والے مشروط آٹواینکوڈر سے موازنہ…
یہ تجربہ ماہانہ ETF رینکنگ کے لیے گریڈینٹ بوسٹڈ ٹری ماڈل، ٹیبلر نیورل نیٹ ورک اور پوشیدہ عامل ماڈل کی توثیقی پیش گوئیوں کو یکجا کرتا ہے۔ پہلے پیش گوئیوں کو کراس سیکشن میں زیڈ اسکور سے معیاری بناتا ہے، پھر ان کی اوسط لیتا ہے۔ اینسمبل کا جائزہ معلوماتی عدد…
یہ دستاویز مستقبل کے مشاہدات استعمال کیے بغیر فٹ شدہ ماڈل فیچرز بنانے کے مشترکہ طریقے پیش کرتی ہے۔ پوشیدہ مارکوف ماڈلز کے لیے یہ موجودہ وقت تک کے مشاہدات پر مبنی فلٹر شدہ حالت کے امکانات کو، پوری ترتیب پر شرط رکھنے والے اسموتھڈ امکانات سے الگ کرتی ہے جن سے…
یہ نوٹ بک ڈبل مشین لرننگ استعمال کرکے اندازہ لگاتی ہے کہ آیا پرپیچوئل فیوچرز کے پریمیم میں انحراف کے بعد اگلے آٹھ گھنٹوں کے منافع سے کوئی تعلق ہے، اور آیا یہ تخمینی تعلق زیادہ اور کم اتار چڑھاؤ والی مارکیٹوں میں مختلف ہے۔ یہ کرپٹو علامتوں پر پینل ڈیزائن بیان…
یہ نوٹ بک امکان کی پیش گوئیوں کا جائزہ لینے اور پیش گوئی کے عمل کو منظم کرنے کا طریقہ بتاتی ہے۔ یہ بریئر اور لاگ اسکور، متوقع کیلیبریشن خطا اور شارپنس کا موازنہ کرتی ہے؛ دکھاتی ہے کہ ریلی ایبلٹی ڈایاگرام کہاں پیش گوئیاں حد سے زیادہ یا کم پراعتماد ظاہر کرتے…
تعیناتی کا یہ مظاہرہ بڑی FX جوڑیوں کے کراس سیکشن کے تاریخی یومیہ ڈیٹا پر رِج ماڈل کو دوبارہ تربیت دیتا ہے، انٹرایکٹو بروکرز کے پیپر سیشن کے ذریعے موجودہ بارز حاصل کرتا ہے، جوڑیوں کی درجہ بندی کرتا ہے اور لانگ باسکٹ بناتا ہے۔ اس میں بروکر سے رابطہ، مختصر فیچر…