مومینٹم اسپِل اوور حکمتِ عملیوں کے لیے کمپنیوں کے روابط سیکھنا
خلاصہ
یہ دستاویز کمپنیوں کے باہمی تعلقات کے متبادل پیمانے کے طور پر خصوصیتی ویکٹر روابط تجویز کرتی ہے۔ یہ خصوصیات کے ذریعے پہلے یوکلیڈین مماثلت ناپ کر اور پھر کوانٹم کوگنیشن مشین لرننگ سے مماثلت سیکھ کر روابط کا تخمینہ لگاتی ہے۔ مقصد کمپنیوں کے باہمی تعلقات کی ایسی نمائندگی کرنا ہے جو مومینٹم اسپِل اوور ٹریڈنگ اسٹریٹیجیوں میں مدد دے سکے۔
نتائج کے مطابق دونوں مماثلتی طریقوں سے بنائی گئی حکمتِ عملیاں منافع بخش ہو سکتی ہیں، اور سیکھی گئی QCML مماثلت یوکلیڈین طریقے سے بہتر کارکردگی دکھاتی ہے۔ بیان میں ڈیٹا، نمونے کی مدت، لین دین کے اخراجات، رسک کنٹرول یا جائزے کے ڈیزائن کی نشاندہی نہیں کی گئی، اور کارکردگی کے عددی پیمانے بھی نہیں دیے گئے۔ اس لیے بیان کردہ مطالعے کے اندر موازنہ مجوزہ طریقے کی تائید کرتا ہے، مگر مختلف مارکیٹوں میں اس کی مضبوطی اور اطلاق پذیری واضح نہیں کرتا۔
اہم خیالات
- خصوصیتی ویکٹر روابط کمپنیوں کے تعلقات کے متبادل پیمانے کے طور پر تجویز کیے گئے ہیں۔
- کمپنیوں کے درمیان مماثلت کا تخمینہ لگانے کے لیے یوکلیڈین فاصلہ اور QCML استعمال ہوتے ہیں۔
- سیکھی گئی مماثلتی پیمائش مومینٹم اسپِل اوور حکمتِ عملیوں پر لاگو کی جاتی ہے۔
- دستاویز میں یوکلیڈین مماثلت کے مقابلے میں QCML مماثلت کے ساتھ حکمتِ عملی کی بہتر کارکردگی کی اطلاع دی گئی ہے۔
- اخراجات، مضبوطی اور نمونے سے باہر کی کارکردگی جانچنے کے لیے درکار تفصیلات فراہم نہیں کی گئیں۔
ٹیگز
مکمل متن
# Supervised Similarity for Firm Linkages # Supervised Similarity for Firm Linkages We introduce a novel proxy for firm linkages, Characteristic Vector Linkages (CVLs). We use this concept to estimate firm linkages, first through Euclidean similarity, and then by applying Quantum Cognition Machine Learning (QCML) to similarity learning. We demonstrate that both methods can be used to construct profitable momentum spillover trading strategies, but QCML similarity outperforms the simpler Euclidean similarity.
ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0
یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔