اسٹاک آپشن کی پیش گوئی کے لیے مشین لرننگ مجموعے اور ٹریڈنگ اسٹریٹیجیز

خلاصہ

یہ مقالہ اسٹاک آپشن کے رجحانات کی مشین لرننگ سے پیش گوئی اور ان پیش گوئیوں کو ٹریڈنگ میں لاگو کرنے کے ایک بعد کے مطالعے کی وضاحت کرتا ہے۔ یہ ریکرنٹ نیورل نیٹ ورکس اور لانگ شارٹ ٹرم میموری نیٹ ورکس کا جائزہ لیتا ہے، پھر متعدد ماڈلز کو یکجا کرنے کی جانچ کرتا ہے تاکہ معلوم ہو کہ ان کی پیش گوئیاں بہتر فیصلوں میں مدد دے سکتی ہیں یا نہیں۔ اس کام میں کوازی ریورسیبلٹی طریقہ بھی لاگو کیا گیا ہے، جسے خلاصۂ مقالہ پیش گوئی کے طریقے کا حصہ بتاتا ہے۔

ٹریڈنگ کے حصے میں مقالہ دو اسٹریٹیجیز اور سرمایہ کاری کے فرضی نتائج پیش کرتا ہے۔ سرمایہ کاری کے نتائج کا اندازہ لگانے کے لیے یہ وقت کے ساتھ منقطع اتفاقی بائنوئیل اثاثہ قیمت بندی ماڈل اور پورٹ فولیو ہیجنگ استعمال کرتا ہے۔ خلاصۂ مقالے کے مطابق تجزیہ تاریخی ڈیٹا پر مبنی ہے، مگر ڈیٹاسیٹ، جائزے کے ڈیزائن، مخصوص نتائج یا یہ کہ فرضی حالات میں لین دین کے اخراجات اور بدلتی مارکیٹ کی صورت حال شامل ہیں یا نہیں، ان کی تفصیل نہیں دی گئی۔ لہٰذا یہ دعوے تحقیقی طریقۂ کار اور سیمولیشن بیان کرتے ہیں، لائیو ٹریڈنگ کی کارکردگی کا ثبوت نہیں۔

اہم خیالات

• مطالعہ اسٹاک آپشن کے رجحانات کی پیش گوئی کے لیے ریکرنٹ نیورل نیٹ ورکس اور لانگ شارٹ ٹرم میموری نیٹ ورکس استعمال کرتا ہے۔
• یہ پیش گوئی اور فیصلہ سازی میں مدد کے لیے متعدد مشین لرننگ ماڈلز کو یکجا کرنے کا جائزہ لیتا ہے۔
• کوازی ریورسیبلٹی طریقہ پیش گوئی کی تحقیق میں شامل ہے۔
• فرضی سرمایہ کاری کے نتائج کے ذریعے دو ٹریڈنگ اسٹریٹیجیز کا جائزہ لیا جاتا ہے۔
• سرمایہ کاری کے تجزیے میں وقت کے ساتھ منقطع بائنوئیل قیمت بندی ماڈل اور پورٹ فولیو ہیجنگ شامل ہیں۔

ٹیگز

# Optimizing Stock Option Forecasting with the Assembly of Machine Learning Models and Improved Trading Strategies


# Optimizing Stock Option Forecasting with the Assembly of Machine Learning Models and Improved Trading Strategies









This paper introduced key aspects of applying Machine Learning (ML) models, improved trading strategies, and the Quasi-Reversibility Method (QRM) to optimize stock option forecasting and trading results. It presented the findings of the follow-up project of the research "Application of Convolutional Neural Networks with Quasi-Reversibility Method Results for Option Forecasting". First, the project included an application of Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM) networks to provide a novel way of predicting stock option trends. Additionally, it examined the dependence of the ML models by evaluating the experimental method of combining multiple ML models to improve prediction results and decision-making. Lastly, two improved trading strategies and simulated investing results were presented. The Binomial Asset Pricing Model with discrete time stochastic process analysis and portfolio hedging was applied and suggested an optimized investment expectation. These results can be utilized in real-life trading strategies to optimize stock option investment results based on historical data.

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۔