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۔
827 دستاویزات
یہ مطالعہ پوچھتا ہے کہ آیا اختیارات کی مارکیٹ کے پیمانے مستقبل کے اسٹاک منافع کی درجہ بندی کر سکتے ہیں۔ فیچرز میں مختلف میعادوں پر مضمر اتار چڑھاؤ، پٹ کال اسکیو، ٹرم اسٹرکچر کی ڈھلوان اور ویرینس رسک پریمیم شامل ہیں۔ چونکہ بہت سے پیمانے ایک دوسرے سے ملتی جلتی…
یہ دستاویز نیویارک کے 5 PM اختتام پر بیس کرنسی جوڑوں کی درجہ بندی کے لیے روزانہ فیچر پینل تیار کرتی ہے۔ یہ درجہ بندی کے قابل سگنلز، مثلاً معیاری بنائے گئے متعدد مدت کے منافع اور چینل میں مقام، کو مارکیٹ کی حالت کے پیمانوں مثلاً اتار چڑھاؤ، ڈرا ڈاؤن، حد اور…
یہ ٹیوٹوریل ایک ماہانہ ETF گردش سمولیٹر بناتا ہے، جو گزشتہ خطرے کے مطابق ایڈجسٹ شدہ مومینٹم درجہ بندی اور ٹریژری شرحِ منافع کے منحنی دور کی فلٹر استعمال کرتا ہے۔ ہر ماہ کے آخر میں قاعدہ حالیہ قیمتوں کی تاریخ سے دس فنڈز کی درجہ بندی کرتا ہے؛ خطرہ لینے والے…
یہ نوٹ بک بتاتی ہے کہ جب کوواریئنس کے تخمینے غیر یقینی ہوں تو درجہ وار خطرہ برابری، اوسط اور تغیر کی تقسیم کا متبادل کیسے بن سکتی ہے۔ HRP ارتباطی فاصلے استعمال کرکے اثاثوں کے کلسٹر بناتی ہے، درجہ بندی کے مطابق ترتیب دیتی ہے، پھر ترتیب شدہ مجموعے کو بار بار…
یہ نوٹ بک US فرم خصوصیات کے مطالعے کے لیے ماہانہ ماڈل میٹرکس بناتی ہے، ایک جاری کردہ پینل سے جس کی خصوصیات پہلے ہی فرموں کے درمیان درجہ بند ہیں۔ یہ کسی ٹرانسفارم کو فٹ کیے یا رولنگ ونڈوز نکالے بغیر، اسی فرم اور ماہ کی قطار میں موجود اقدار سے مرکبات اور…
یہ مشترک یوٹیلٹی ماڈیول ٹائم سیریز ڈبل مشین لرننگ (DML) سے ٹریڈنگ ڈیٹا کے سببی تجزیے میں مدد دیتا ہے۔ اس کے درج شدہ اوزار میں ایمبارگو کے ساتھ واک فارورڈ تخمینہ، مخدوش ماڈلز، اور تردیدی جانچ شامل ہیں۔ پلیسبو ٹیسٹوں میں بلاک پرميوٹیشن مقامی زمانی انحصار…
یہ نوٹ بک DeePM بیان کرتی ہے، ایک سر تا سر ETF پورٹ فولیو پالیسی جو مختلف بازار حالات میں کارکردگی بہتر بنانے کے لیے بنائی گئی ہے۔ اس کے اجزا میں اتار چڑھاؤ کے مطابق معمول شدہ منافع اور رجحان کی خصوصیات، LSTM پر مبنی ماڈل، متغیر انتخاب، کنڈیشننگ پرتیں، اور…
دستاویز بتاتی ہے کہ چار بازار اثر ماڈلز کسی آرڈر سے وابستہ فی حصص ناموافق قیمت کی حرکت کا تخمینہ کیسے لگاتے ہیں: کوئی اثر نہیں، خطی اثر، جذرِ مربع اثر، اور قابلِ ترتیب قوت کا قانون۔ یہ علامت کے طریقۂ کار، شرکت، اتار چڑھاؤ، اور ماڈل کوائف کے کردار کی وضاحت…
یہ نوٹ بک N-BEATS بناتی ہے، ایک مکمل مربوط عصبی پیش گوئی کا فنِ تعمیر جو پورے ان پٹ وقفے کو دیکھ کر مستقبل کی راہ کی پیش گوئی کرتا ہے۔ اس کا قابلِ تشریح ماڈل ورژن بلاکس کو محدود کرتا ہے تاکہ وہ اجزا کو کثیر رقمی رجحان اور فوریئر موسمی بنیادوں کے ذریعے ظاہر…
یہ ترتیب سے متعلق نوٹ ان سیٹنگز میں فرق کرتی ہے جو بیک ٹیسٹ کی شناخت میں دکھائی دیتی ہیں اور ان سیٹنگز میں جو واقعی فرضی ٹریڈنگ اخراجات پر اثر ڈالتی ہیں۔ بیان کردہ کیس اسٹڈی میں تمام رجسٹرڈ رنز ویکٹرائزڈ، منافع تا میعاد ختم ہونے والا راستہ استعمال کرتے ہیں۔…
یہ نوٹ بک ایک ETF پیش گوئی اسٹریٹیجی کا عملی دور دکھاتی ہے: مارکیٹ ڈیٹا تازہ کرنا، مالیاتی فیچرز دوبارہ نکالنا، رِج ماڈل کو دوبارہ تربیت دینا، تعیناتی کے اجزا محفوظ کرنا، موجودہ کراس سیکشنل پیش گوئیاں بنانا، انہیں بیک ٹیسٹ انجن سے دوبارہ چلانا اور منتخب…
یہ نوٹ بک کراس سیکشنل ETF ریٹرن پیش گوئی کے لیے لائٹ جی بی ایم کا موازنہ ایک کم سے کم ملٹی لیئر پرسیپٹرون، ٹیبل ایم اور اختیاری ٹیبل پی ایف این سے کرتی ہے۔ ماڈلز مشترک واک فارورڈ فولڈز پر رینک معلوماتی کوایفیشنٹ سے جانچے جاتے ہیں، اور زمانی ترتیب والے توثیقی…
یہ نوٹ بک حقیقی اسٹریٹیجی کے محفوظ شدہ رنز کا مماثل ML4T بیک ٹیسٹ پروفائلز سے موازنہ کرنے والے آڈٹ میں سے LEAN انجن کے نتائج الگ کرتی ہے۔ یہ چار معاون کاموں کی نشاندہی کرتی ہے: ETF کی سرمایہ تقسیم، کرپٹو پرپیچوئلز فنڈنگ، USD میں قیمت شدہ FX کی سرمایہ تقسیم،…
یہ نوٹ بک گمنام کردہ فرم کی خصوصیات اور ریٹرنز کے ڈیٹا پینل پر رینڈم فاریسٹ کا موازنہ ایکس جی بوسٹ، لائٹ جی بی ایم اور کیٹ بوسٹ سے کرتی ہے۔ ڈیٹا سیٹ میں وقت کے لحاظ سے تربیت، توثیق اور ٹیسٹ کے الگ حصے ہیں۔ ماڈلز کا بنیادی پیمانہ اسپیرمین رینک معلوماتی…
نوٹ بک ویلیو ایٹ رسک کو نقصان کے کوانٹائل اور مشروط ویلیو ایٹ رسک، یا متوقع شارٹ فال، کو اس حد سے آگے کے اوسط نقصان کے طور پر بیان کرتی ہے۔ یہ وسیع ایکویٹی ETF کے لیے ایک روزہ دم کے خطرے کا چار طریقوں سے تخمینہ لگاتی ہے: تجرباتی تاریخی کوانٹائلز، گاوسی ماڈل،…
یہ نوٹ بک منتخب کرپٹو پرپیچوئلز فنڈنگ اسٹریٹیجی کے لیے ہولڈ آؤٹ پیش گوئیاں بنانے کا طریقہ بیان کرتی ہے۔ یہ توثیقی نتائج سے کنفیگریشن اخذ کرتی، منتخب چیک پوائنٹ برقرار رکھتی اور ہولڈ آؤٹ ونڈو سے پہلے ختم ہونے والے ڈیٹا سے تربیت کی نئی تفصیل بناتی ہے۔ لیبل بفر…
یہ نوٹ بک رجسٹرڈ اور مکمل کوریج والے امیدواروں سے توثیقی کنفیگریشن دوبارہ بنا کر منتخب ایس اینڈ پی 500 ایکویٹی اور آپشنز اسٹریٹیجی کا جائزہ لیتی ہے۔ یہ مساوی وزن والے بنیادی معیار سے شروع ہوکر سرمایہ کی تقسیم، رسک کنٹرولز اور اخراجات کی حساسیت تک انتخابی…
یہ دستاویز بتاتی ہے کہ ریٹرنز کو اوورلیپ ہوتی ونڈوز میں تقسیم کرکے اور ہر ونڈو کو تجرباتی تقسیم سمجھ کر مارکیٹ کے ادوار کی شناخت کیسے کی جائے۔ یہ باہم ملتے، ترتیب دیے ہوئے کوانٹائلز سے ونڈوز کے درمیان فاصلہ ناپتی ہے؛ یوں پوری تقسیم کے فرق، بشمول انتہائی…
یہ نوٹ بک رجسٹرڈ بیک ٹیسٹس اور مقررہ انتخابی عمل سے ہفتہ وار ایس اینڈ پی 500 آپشنز اسٹریڈل اسٹریٹیجی کا جائزہ لیتی ہے۔ مائع کائنات کی پابندی لگانے کے بعد یہ رجسٹری سے منتخب کنفیگریشن اخذ کرتی ہے، پھر اسٹریٹیجی چننے کے لیے ہولڈ آؤٹ استعمال کیے بغیر توثیقی اور…
یہ دستاویز بتاتی ہے کہ توثیقی ڈیٹا پر منتخب کنفیگریشن استعمال کرتے ہوئے محفوظ NASDAQ-100 مائیکرو اسٹرکچر ہولڈ آؤٹ مدت کے لیے پیش گوئیاں کیسے بنائی جائیں۔ یہ منتخب ماڈل کو صرف اس تاریخ پر ختم ہونے والے ڈیٹا سے دوبارہ فٹ کرتی ہے جو ہولڈ آؤٹ سے پہلے کی ہو، اور…
یہ کیس اسٹڈی میعاد ختم ہونے تک رکھی گئی شارٹ ایٹ دی منی اسٹریڈلز کے ریٹرنز پر ریگولرائزڈ خطی ماڈلز فٹ کرتی ہے۔ چونکہ پریمیم آمدنی نفع کو محدود کرتی ہے جبکہ نقصان بے حد بڑھ سکتا ہے، اس لیے چند شدید نقصانات اسکوائرڈ ایرر ریگریشن کے مقصد پر غالب آ جاتے ہیں۔ نوٹ…
یہ نوٹ بک حقیقی ETF ڈیٹا استعمال کرکے جانچتی ہے کہ نظرثانی کی مدت، مارکیٹ کے دور اور نفاذ میں معقول تبدیلیوں کے باوجود مومینٹم سگنل مفید رہتا ہے یا نہیں۔ یہ مومینٹم اور آئندہ ریٹرنز کے درمیان کراس سیکشنل معلوماتی کوایفیشنٹس نکالتی ہے، پھر کارکردگی کو رسپانس…
یہ نوٹ بک ایس اینڈ پی 500 آپشنز کی تحقیق کے لیے ماڈل پر مبنی چار خصوصیات بناتی ہے: GJR-GARCH اور اسٹوکاسٹک اتار چڑھاؤ سے اگلے دن کے اتار چڑھاؤ کی پیش گوئیاں، اور ہر پیش گوئی اور آپشن مارکیٹ کے مضمر اتار چڑھاؤ کے درمیان فرق۔ یہ بتاتی ہے کہ ہر دوبارہ فٹنگ کی…
یہ دستاویز آئندہ ایکویٹی منافع اور خطرے کے مطابق تعدیل شدہ منافع کی پیش گوئی کے لیے آپشنز کی سطح سے اخذ کردہ خصوصیات پر ٹی اے بی ایم، یعنی مشترک وزن والا نیورل اینسمبل، فٹ کرتی ہے۔ اس کے اجزا ایک مشترکہ دو تہوں والا نیٹ ورک، الگ ایکٹیویشن اسکیلنگ اور آؤٹ پٹ…