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

827 دستاویزات

Machine Learning for Trading

یہ دستاویز کراس ایسیٹ مومینٹم کے مفروضے کو 100-ETF کے کائنات میں ماہانہ ابتدائی آزمائش میں بدلتی ہے۔ یہ ماہ کے آخر کی ایڈجسٹ شدہ قیمتیں بناتی ہے، 12-سے-1-ماہ کا مومینٹم ناپتی ہے، پھر اہل ETFs کو مساوی وزن کے پانچ گروپس میں درجہ بندی کرکے ان کے اگلے ماہ کے…

کئی اثاثوں پر مبنیمومینٹمرجحان کی پیرویشماریات
Machine Learning for Trading

یہ نوٹ بک ایکویٹی آپشن تجزیے کے کیس اسٹڈی پر لاگو پانچ مخفی عامل طریقوں کا خاندانی سطح پر جائزہ پیش کرتی ہے۔ PCA منافع کے پینل سے مشترک حرکات کا براہِ راست اندازہ کرتا ہے؛ IPCA خصوصیات کو خطی طور پر ایکسپوژر سے جوڑتا ہے؛ مشروط آٹو اینکوڈر غیر خطی نقشہ…

آپشنزمشین لرننگفیکٹر سرمایہ کاریشماریات
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ یکساں سگنل کے باوجود دو بیک ٹیسٹنگ انجن مختلف نتائج کیوں دے سکتے ہیں۔ یہ اسٹریٹیجی اور قابلِ تجارت کائنات مقرر رکھتی، پیش گوئیاں برابر ہونے پر پورٹ فولیو وزنوں کو متعین بناتی اور عمل درآمد کی ترتیبات، مثلاً جزوی یا مکمل حصص، فیس کے…

بیک ٹیسٹنگآرڈر پر عمل درآمدپوزیشن کا حجم طے کرنارسک مینجمنٹ
Machine Learning for Trading

یہ باب بیک ٹیسٹ کو واضح مفروضوں کے ذریعے اسٹریٹیجی کو غلط ثابت کرنے کی کوشش سمجھتا ہے: سگنل کا وقت، عمل درآمد، دوبارہ توازن، حجم، اخراجات، پابندیاں اور بنیادی معیار۔ یہ ویکٹرائزڈ اور واقعہ سے چلنے والے سیمولیشن کا حالت، آرڈرز کی ترتیب، نقد اور تکمیلوں کے…

بیک ٹیسٹنگآرڈر پر عمل درآمدرسک مینجمنٹشماریات
Machine Learning for Trading

یہ ماخذ ناقابلِ تبدیلی تربیتی تفصیل سے ماڈل کی درخواست دوبارہ بنانے اور حاصل شدہ رَن کی توثیق کے حفاظتی اقدامات بیان کرتا ہے۔ یہ جانچتا ہے کہ درخواست میں معاون شناختی ورژن، معیاری عمل درآمد درجہ، مماثل ماڈل خاندان اور مطالعہ، اور غیر تبدیل شدہ تربیتی شناخت…

مشین لرننگبیک ٹیسٹنگشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک آلہ جاتی پرنسپل کمپوننٹ تجزیے کو حصصی منافع کے ماڈل کے طور پر پیش کرتی ہے۔ ہر فرم کی خصوصیات کو براہِ راست منافع کے وزن دینے کے بجائے، IPCA خصوصیات سے عامل ایکسپوژر تک مشترک خطی نقشہ اور ماہانہ عامل منافع کا اندازہ کرتا ہے۔ یہ باری باری کم سے کم…

حصصفیکٹر سرمایہ کاریمشین لرننگشماریات
Machine Learning for Trading

یہ نوٹ بک آٹھ ایکسچینج ٹریڈڈ فنڈز کے ڈیٹا کو یکجا کرکے، ماضی کے منافع کی ونڈو سے اگلے روزانہ منافع کی پیش گوئی کے ایک ہی کام پر نیورل نیٹ ورک کے چار ڈیزائنوں کا موازنہ کرتی ہے۔ یہ بیان کرتی ہے کہ مکمل مربوط نیٹ ورک، یک بُعدی کنولوشن، ایک LSTM اور ایک GRU اس…

مشین لرننگبیک ٹیسٹنگحصصشماریات
Machine Learning for Trading

یہ نوٹ بک آپشن سطح اور قیمتوں کی تاریخ کی ونڈوز استعمال کرکے S&P 500 اسٹاکس کی درجہ بندی کے لیے سلسلہ وار ماڈلز کا جائزہ لیتی ہے۔ یہ ایک معمول بند خطی ماڈل، جس میں تکراری نیٹ ورک کی یادداشت نہیں، کا موازنہ LSTM سے کرتی ہے، جس کے گیٹ وقت کے ساتھ معلومات لے…

مشین لرننگحصصآپشنزبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک بتاتی ہے کہ جب روزانہ IC مشاہدات ایک دوسرے پر منحصر ہوں تو عام ٹی ٹیسٹ معلوماتی کوفیشنٹ (IC) کی قوت کو زیادہ کیوں دکھا سکتے ہیں۔ یہ ETF ڈیٹا پر مومینٹم سگنل بناتی، IC کے خودباہم تعلق کا جائزہ لیتی اور اعتماد کے وقفوں کے لیے بلاک بوٹسٹریپ کے ساتھ…

شماریاتبیک ٹیسٹنگمومینٹم
Machine Learning for Trading

یہ نوٹ بک Yahoo Finance، WikiPrices اور FRED کے درمیان یکساں OHLCV انٹرفیس دکھاتی ہے، پھر ان ذرائع سے موجودہ ETF ڈیٹا، طویل تاریخ والے حصص اور معاشی سلسلے حاصل کرتی ہے۔ یہ حصول کے لیے ترجیحی ترتیب پر مبنی متبادل طریقہ بیان کرتی اور ہر مشاہدے کا ذریعہ درج…

حصصکئی اثاثوں پر مبنیمارکیٹ مائیکرو اسٹرکچربیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک متعدد منٹ کے افق پر آئندہ منافع کی پیش گوئی کے لیے NASDAQ-100 مائیکرو اسٹرکچر خصوصیات پر طویل مختصر مدتی حافظے کا نیٹ ورک فٹ کرتی ہے۔ سیدھے کیے گئے خطی ماڈل کے برعکس، ایک LSTM ہر مشاہدے کو ترتیب سے پراسیس کرتا اور سیکھتا ہے کہ ماضی کی کتنی معلومات…

مشین لرننگمارکیٹ مائیکرو اسٹرکچرحصصبیک ٹیسٹنگ
Machine Learning for Trading

یہ باب وضاحت کرتا ہے کہ ہر فیصلے کے وقت دستیاب معلومات کا لحاظ رکھتے ہوئے مالی مشین لرننگ ماڈلز کا جائزہ کیسے لیا جائے۔ یہ تربیت، توثیق اور آخری ہولڈ آؤٹ میں فرق کرتا ہے، اور بتاتا ہے کہ بے ترتیب طور پر خلط ملط کیے گئے k-fold توثیق میں ماضی کی پیش گوئی کرتے…

مشین لرننگبیک ٹیسٹنگشماریاترسک مینجمنٹ
Machine Learning for Trading

یہ نوٹ بک متعدد ٹریڈنگ کیس اسٹڈیز کی رجسٹریوں سے استفسار کرتی اور سگنل، تخصیص، لاگت اور خطرے کے موازنوں کے لیے مختلف ڈیٹا سیٹس کی جدولیں بناتی ہے۔ یہ توثیق میں درجہ بند ترتیبوں کے مجموعے کے تشخیصی پیمانے رپورٹ کرتی ہے، جن میں پہلے اور دسویں شارپ کا فرق، فولڈ…

بیک ٹیسٹنگشماریاتکئی اثاثوں پر مبنیرسک مینجمنٹ
Machine Learning for Trading

یہ اختتامی نوٹ بک متنوع ETF کائنات میں مشترک سگنل استعمال کرتے ہوئے مساوی وزن، الٹا اتار چڑھاؤ، اوسط-تغیر کی اصلاح اور درجہ وار رسک پیریٹی کا موازنہ کرتی ہے۔ ایک رولنگ رج ماڈل رفتار، متحرک اوسط سے فاصلے اور اتار چڑھاؤ کی خصوصیات استعمال کرکے آئندہ منافع کا…

پورٹ فولیو کی تشکیلبیک ٹیسٹنگحصصآرڈر پر عمل درآمد
Machine Learning for Trading

یہ نوٹ بک ہر کیس اسٹڈی کا منتخب سگنل مقرر رکھ کر پورٹ فولیو کی تخصیص کو الگ سے جانچتی اور تخصیص کے مرحلے کے بیک ٹیسٹ کا موازنہ کرتی ہے۔ اس میں مساوی وزن، الٹا اتار چڑھاؤ، اسکور وزن، اوسط-تغیر کی اصلاح، رسک پیریٹی اور درجہ وار رسک پیریٹی جیسے طریقے شامل ہیں۔…

پورٹ فولیو کی تشکیلبیک ٹیسٹنگرسک مینجمنٹشماریات
Machine Learning for Trading

یہ نوٹ بک مختلف کیس اسٹڈیز میں پورٹ فولیو مختص کرنے کے طریقوں کا موازنہ کرتی ہے، جبکہ ہر مطالعے کی منتخب سگنل پیش گوئی مقرر رکھی جاتی ہے۔ یہ اسی بنیادی پیش گوئی سے وابستہ تخصیص کے مرحلے کے بیک ٹیسٹ لوڈ کرتی ہے، پھر مساوی وزن، الٹا اتار چڑھاؤ، اوسط-تغیر کی…

پورٹ فولیو کی تشکیلبیک ٹیسٹنگرسک مینجمنٹشماریات
Machine Learning for Trading

یہ نوٹ بک جانچتی ہے کہ توازنِ نو کی رفتار ETF کے اعلیٰ درجہ والے مومینٹم پورٹ فولیو کی خرید و فروخت، مجموعی کارکردگی اور لاگت کے بعد نتائج کو کیسے متاثر کرتی ہے۔ یہ روزانہ، ہفتہ وار، ہر دو ہفتے اور ماہانہ نظام الاوقات میں تاریخی ہدفی وزنوں کی تبدیلی سے خرید…

حصصمومینٹمآرڈر پر عمل درآمدبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک دو مدتوں کے لیے ETF ریٹرنز کی پیش گوئی میں LightGBM ماڈلز کا رِج بنیادی معیار سے موازنہ کرتی ہے۔ یہ بتاتی ہے کہ درخت ادوار کے تابع باہمی اثرات کیسے دریافت کر سکتے ہیں، مثلاً مارکیٹ دباؤ میں مومینٹم کا مختلف برتاؤ؛ جبکہ جب فیچرز میں باہمی ارتباط…

حصصمشین لرننگبیک ٹیسٹنگشماریات
Machine Learning for Trading

یہ نوٹ بک ایتھر کی ٹریڈنگ کے لیے ڈی فائی ٹوٹل ویلیو لاکڈ سیریز کو متبادل ڈیٹا کے طور پر جانچتی ہے۔ جائزے کو چار سوالات کے گرد منظم کیا گیا ہے: کیا سیریز مستقبل کے ریٹرنز سے تعلق رکھتی ہے، کیا ڈیٹا درست اور دوبارہ تشکیل دینے کے قابل ہے، کیا اس کا استعمال…

کرپٹوڈی فائیآن چین ڈیٹاشماریات
Machine Learning for Trading

یہ نوٹ بک 15 منٹ کے بیک ٹیسٹ ورک فلو کو NASDAQ-100 اسٹاکس کی پیش گوئیوں پر بیان کرتی ہے۔ پہلے یہ بے ترتیب سگنل کی بنیادی جانچ کرتی ہے: چونکہ اخراجات کے بعد بے ترتیب ٹریڈنگ کو نقصان ہونا چاہیے، مسلسل منافع بخش نتیجہ لیکیج، غلط طور پر ہم آہنگ ڈیٹا یا لاگت نہ…

حصصبیک ٹیسٹنگآرڈر پر عمل درآمدمارکیٹ مائیکرو اسٹرکچر
Machine Learning for Trading

یہ نوٹ بک ایک ہی ETF ریٹرن پینل استعمال کرتے ہوئے PyPortfolioOpt، Riskfolio-Lib، اور skfolio کی پورٹ فولیو تخصیصات کا موازنہ کرتی ہے۔ یہ تربیتی مدت میں تخصیص کنندگان کو فِٹ کرتی ہے، جانچتی ہے کہ مساوی مقاصد اور ہم آہنگ وزن سولور کی رواداری کی حدود میں متفق…

کئی اثاثوں پر مبنیپورٹ فولیو کی تشکیلبیک ٹیسٹنگآرڈر پر عمل درآمد
Machine Learning for Trading

یہ نوٹ بک ایسی اسٹریٹیجی کے لیے مستقبل کے ریٹرن لیبلز بناتی ہے جو لسٹڈ آپشن سگنلز پڑھ کر بنیادی حصص ٹریڈ کرتی ہے۔ یہ روزانہ حصص کی قیمتوں کو اسپلٹس اور ڈیویڈنڈز کے لیے ایڈجسٹ کرتی ہے، مستقل سیکیورٹی شناخت استعمال کرتی ہے، اور مطلوبہ داخلے اور اخراج پر قابلِ…

حصصآپشنزمشین لرننگبیک ٹیسٹنگ
Machine Learning for Trading

یہ نوٹ بک اندازہ لگاتی ہے کہ زندہ رہنے والی US ایکویٹیز کا یکساں وزن والا پورٹ فولیو ان فرموں کو شامل کرنے والے پورٹ فولیو کے مقابلے میں ریٹرنز کو کتنا بڑھا چڑھا کر دکھا سکتا ہے جو ڈیٹاسیٹ سے نکل گئیں۔ پہلے یہ دیکھتی ہے کہ پینل اخراج کب ریکارڈ کرتا ہے، اور…

حصصامریکی مارکیٹیںبیک ٹیسٹنگشماریات
Machine Learning for Trading

یہ نوٹ بک بار بار توازنِ نو کی جانے والی NASDAQ-100 اسٹریٹیجی پر لین دین کے اخراجات کے اثرات کا مطالعہ کرتی ہے۔ پہلے یہ اخراجات لاگو ہونے سے پہلے کے موجودہ بیک ٹیسٹس پر بیسس پوائنٹ لاگت کے مفروضے لاگو کرتی ہے تاکہ دکھایا جا سکے کہ اخراجات بڑھنے پر شارپ کیسے…

حصصآرڈر پر عمل درآمدمارکیٹ مائیکرو اسٹرکچربیک ٹیسٹنگ