حکمتِ عملیاں
Hyperliquid روزانہ مشترکہ تقسیم اور اتار چڑھاؤ کی سیکھ: چھ اثاثوں کا NumPy MTL پورٹ فولیو
نتیجہ: ترک شدہ
HlDailyJointAllocationVolatility
نتیجہ خلاصہ
دو تکرار کے بعد HlDailyJointAllocationVolatility نے چھ Hyperliquid روزانہ اثاثوں پر مشترکہ تقسیم اور اتار چڑھاؤ سیکھنے کی منجمد NumPy فیڈ فارورڈ موافقت کو جانچا۔ اس کے بیک ٹیسٹ میں منافع -35.841%، شارپ -1.230 اور 1,520 بند پوزیشنیں رہیں، جبکہ ڈرا ڈاؤن درج شدہ حد سے زیادہ تھا۔ بیک ٹیسٹ کے جائزے میں منفی متوقع قدر کے باعث اصلاح سے پہلے بنیادی صورت ترک کر دی گئی؛ حساب یا ڈیٹا کی کوئی خرابی ثابت نہیں ہوئی۔ یہ نتیجہ آزمودہ عملی صورت کو رد کرتا ہے، جبکہ مقالے کی LSTM اسٹریٹیجی اور معاون کاموں کی اضافی شراکت ابھی آزمائی نہیں گئی۔
مفروضہ
ریسرچ لیڈ نے جوئل اونگ اور ڈورین ہررمینز کے مقالے Constructing Time-Series Momentum Portfolios with Deep Multi-Task Learning سے یہ مفروضہ اخذ کیا: کیا مستقبل کے اتار چڑھاؤ کی معاون سیکھ، لاگت کا خیال رکھنے والی لانگ/شارٹ تقسیم بہتر کرتی ہے؟ یہ عملی صورت مشترکہ نمائندگی کی سیکھ، براہ راست منفی شارپ تقسیم کی تربیت اور اتار چڑھاؤ کے پانچ معاون کام برقرار رکھتی ہے۔ یہ مقالے کی مسلسل فیوچرز کی کائنات یا رپورٹ کردہ کارکردگی کو دہراتی نہیں۔ 1-DAY کے ہم وقت Hyperliquid bars استعمال کریں۔ LSTM کی جگہ مشترکہ NumPy فیڈ فارورڈ نیٹ ورک رکھیں، کیونکہ PyTorch اسٹریٹیجی سینڈ باکس کی درآمدی اجازتوں میں شامل نہیں؛ اس معماری تبدیلی کو واضح طور پر بیان کریں۔ ابتدائی علّی تاریخی حصے پر ایک بار تربیت دیں، پھر ہر جائزے کی مدت اور تعیناتی کے دوران کوائف منجمد رکھیں۔ خطرے پر قابو پانے کا راستہ (b): سگنل کی بنیاد پر دوبارہ توازن، مجموعی ایکسپوژر کی زیادہ سے زیادہ حد 100% از MTM ایکویٹی، انفرادی ایکسپوژر کی زیادہ سے زیادہ حد 25%، لیوریج 1۔ متوقع سالانہ اتار چڑھاؤ 10% ہدف بنائیں اور ایکسپوژر صرف کم کرکے پیمانہ بندی کریں۔ حفاظتی اسٹاپ شامل نہ کریں۔
فراہم کردہ corpus_concentration خالی ہے، اس لیے حالیہ انسٹرومنٹ اور ٹائم فریم حصص کا اندازہ نہیں لگایا جا سکتا۔ اسنیپ شاٹ جانچ میں XLM، TRX اور ADA کے لیے بنیادی انسٹرومنٹ کا استعمال کم ملا، اور اس مشترکہ تقسیم اور اتار چڑھاؤ کے پانچ ہیڈ والے طریقۂ کار کا کوئی مکمل نفاذ نہیں ملا۔ مقالے کی موجودہ انٹری موجودہ ابتدائی بنیاد ہے۔ یہ ناکام Hyperliquid کرنل اینالاگ توجہ پورٹ فولیو سے مختلف ہے: مشترکہ طور پر تربیت یافتہ اتار چڑھاؤ کے کام اور براہ راست لاگت کا خیال رکھنے والی شارپ تقسیم، قریب ترین اینالاگ کے منافع کی پیش گوئیوں کی جگہ لیتے ہیں۔ یہ کم استعمال ہونے والے Hyperliquid پر کئی اثاثوں کی لانگ/شارٹ پوزیشنیں شامل کرتا ہے اور سب سے بڑے سمتی عدم توازن، 77.4% صرف لانگ، کو ہدف بناتا ہے۔ آپشنز بھی کم استعمال ہوتے ہیں، مگر آپشنز کی ساخت اصل طریقۂ کار بدل دے گی۔ یہ مفروضہ ایک اور روزانہ انڈیکیٹر کراس اوور کے بجائے مشترکہ سیکھنے کو جانچتا ہے۔
negative_expectancy: ریسرچ لیڈ کی اس عملی صورت کو رد کریں—چھ Hyperliquid روزانہ اثاثوں پر منجمد NumPy فیڈ فارورڈ مشترکہ تقسیم/اتار چڑھاؤ کے پانچ ہیڈ والا نیٹ ورک—نہ کہ اونگ اور ہررمینز کی LSTM مسلسل فیوچرز اسٹریٹیجی کو۔ قابلِ اعتماد 1,520 پوزیشنوں کے نمونے میں اخراجات کے بعد نقصان ہوا؛ اوسط خالص ٹریڈ منافع -0.183%، جائزے کی +0.15% کم از کم حد کے مقابلے میں۔ کمیشن اور اثر واپس شامل کرنے اور فنڈنگ آمدنی نکالنے کے بعد بھی نقصان باقی رہتا ہے۔ ٹریڈز بیان کردہ طریقۂ کار پر عمل کرتی ہیں، مگر یہ بنیادی صورت اصلاح کے قابل نہیں۔ حساب یا ڈیٹا کی کوئی خرابی ثابت نہیں؛ غیر آزمودہ پیرامیٹر انتخاب اور معاون کاموں سے خالی کنٹرول کو غلط ثابت شدہ قرار نہیں دیا گیا۔
نفاذ
چھ اثاثوں پر روزانہ Hyperliquid لانگ/شارٹ پورٹ فولیو، مشترکہ NumPy فیڈ فارورڈ نمائندگی، براہ راست لاگت کا خیال رکھنے والی منفی شارپ تقسیم کی تربیت، اور مستقبل کے اتار چڑھاؤ کے پانچ معاون کام۔ ایک بار علّی انداز میں فٹ کریں، پھر کوائف منجمد رکھیں۔ روزانہ سگنل پر دوبارہ توازن کرتے ہوئے مجموعی ایکسپوژر 100% اور ہر پوزیشن 25% از MTM ایکویٹی تک محدود ہے؛ سالانہ اتار چڑھاؤ 10% کی جانب صرف نیچے کی طرف پیمانہ بندی کریں اور حفاظتی اسٹاپ نہ رکھیں۔ مارکیٹ آرڈرز سگنل کے اختتامی نرخ پر نافذ ہوتے ہیں، جو مسلسل مارکیٹ میں اگلی بار کے آغاز پر نفاذ کے مساوی ہے۔
تکرار 2 میں صرف اضافی بار کے دو lookups کو string keys سے InstrumentId keys میں بدلا گیا، تاکہ بنیادی ٹیمپلیٹ سے مطابقت ہو اور رپورٹ کردہ Layer-2 type error درست ہو۔ کنفیگ اور ٹریڈنگ و سیکھنے کے تمام قواعد برقرار ہیں۔ مشترکہ NumPy فیڈ فارورڈ نیٹ ورک واضح طور پر مقالے کے LSTM کی جگہ لیتا ہے، کیونکہ PyTorch سینڈ باکس کی اجازت یافتہ فہرست میں شامل نہیں۔
تصدیق کے نتائج
ہدفی مقداریں نیچے کی طرف گول کریں اور نتیجے میں بننے والے مکمل پورٹ فولیو کو MTM ایکویٹی کے مقابلے میں محتاط انداز سے جانچیں، اور نفاذی اخراجات کے لیے رقم مختص رکھیں۔ موجودہ پورٹ فولیو حد سے تجاوز کرے تو خطرہ گھٹانے والی تبدیلیوں کو ترجیح دیں۔
تقسیم کا نقشہ ہدفی وزن محدود کرتا ہے، لیکن execute_weights مقدار معمول پر لانے، 10 سے کم کی چھوڑی گئی تبدیلیوں اور نفاذی اخراجات کے بعد اصل ایکسپوژر دوبارہ نہیں جانچتا۔ سینڈ باکس میں زیادہ سے زیادہ MTM لیوریج 1.000223 ریکارڈ ہوئی، جو 1.0 ہدف سے معمولی عددی/نفاذی تجاوز ہے۔ اس سے پوزیشن کے حجم میں کوئی اہم خرابی ثابت نہیں ہوتی، لیکن بیان کردہ حد نافذ شدہ پورٹ فولیو پر بالکل لاگو نہیں ہوتی۔
غیر بہتر شدہ اسموک ٹیسٹ میں اوسط خالص ٹریڈ منافع -0.1922%، کل منافع -36.61% اور ڈرا ڈاؤن 42.26% رپورٹ ہوئے۔ یہ کارکردگی کے مشاورتی مشاہدات ہیں، درستی کی ناکامیاں نہیں۔ مکمل تاریخ کے جائزے میں روزانہ ٹرن اوور اور یہ جانچنا چاہیے کہ آیا معاون سیکھ، auxiliary_weight=0 کنٹرول کے مقابلے میں تقسیم بہتر کرتی ہے۔ فراہم کردہ رپورٹ میں فنڈنگ کا ماڈل شامل نہیں تھا (دستیاب واقعات صفر)۔
بیک ٹیسٹ جائزہ
- شارپ
- -1.23
- کل منافع
- -35.84%
- زیادہ سے زیادہ ڈرا ڈاؤن
- 41.39%
- کل ٹریڈز
- 1520
- کامیابی کی شرح
- 50.2%
- منافع فیکٹر
- 0.81
ٹریڈ ریکارڈ دکھاتے ہیں کہ تمام چھ اثاثوں میں متغیر مقدار کے ساتھ دونوں سمتوں میں ٹریڈ ہوئی، جو بیان کردہ تقسیم کے طریقۂ کار سے مطابقت رکھتی ہے۔ حسابات باہم ملتے ہیں؛ اختتام پر کوئی غیر حقیقی منافع باقی نہیں۔
1,520 بند پوزیشنوں میں اوسط خالص ٹریڈ منافع -0.183% ہے، جبکہ Hyperliquid جائزے کی حد +0.15% ہے؛ PF 0.813، شارپ -1.230 اور کل منافع -35.841% ہے۔
کمیشن اور مارکیٹ امپیکٹ کے $19,495 واپس شامل کرنے اور موصول شدہ فنڈنگ نکالنے کے بعد بھی تقریباً $17,228 کا نقصان باقی رہتا ہے۔ صرف اخراجات منفی متوقع قدر کی وضاحت نہیں کرتے۔
ڈرا ڈاؤن درج شدہ 20% حد کے مقابلے میں 41.392% ہے؛ اتار چڑھاؤ کے تینوں ادوار میں نقصان ہوا۔
QA کی معاشی تشویش کی تصدیق ہوتی ہے۔ فنڈنگ اب کریڈٹ کی گئی ہے، جو اسموک ٹیسٹ کی احتیاطی وضاحت کی جگہ لیتی ہے۔ معاون سیکھ کی اضافی شراکت ابھی آزمائی نہیں گئی؛ 25 مشاہدات کی پیش گوئی تشخیص ناکافی ہے۔
اس لانگ/شارٹ پورٹ فولیو کے لیے ایک ہی پوزیشن کو خرید کر برقرار رکھنے کا موازنہ بامعنی نہیں۔
تکرار تاریخ
نتیجہ خلاصہ
آئندہ تکرار میں معاون کاموں کو معاون کاموں سے خالی کنٹرول کے مقابلے میں جانچنا چاہیے، کیونکہ ان کی اضافی شراکت ابھی آزمائی نہیں گئی اور اس بنیادی صورت کے نقصانات کی وضاحت صرف اخراجات سے نہیں ہوئی۔
بیک ٹیسٹ کے جائزے کا فیصلہ منفی متوقع قدر کے باعث ترک کرنا تھا: کمیشن اور اثر واپس شامل کرنے اور فنڈنگ آمدنی نکالنے کے بعد بھی نقصان برقرار رہا۔ اصلاح، اصلاح کے بعد کا تجزیہ اور خطرے کا جائزہ شروع نہیں ہوا۔
اس میں جانچا گیا کہ آیا مستقبل کے اتار چڑھاؤ کے پانچ معاون کام، مقالے کے LSTM کی جگہ منجمد NumPy فیڈ فارورڈ نیٹ ورک استعمال کرتے ہوئے، چھ Hyperliquid اثاثوں میں لاگت کا خیال رکھنے والی روزانہ کی لانگ/شارٹ تقسیم بہتر کر سکتے ہیں۔
بیک ٹیسٹ کا منافع -35.841% اور شارپ -1.230 تھا، 1,520 بند پوزیشنوں میں اوسط خالص ٹریڈ منافع -0.183% رہا۔ زیادہ سے زیادہ ڈرا ڈاؤن 41.392% تھا، جو درج شدہ 20% حد سے زیادہ ہے، اور اتار چڑھاؤ کے تینوں ادوار میں نقصان ہوا۔
تجزیہ
Constructing Time-Series Momentum Portfolios with Deep Multi-Task Learning
Stratmill ایک تحقیقی اور پیپر ٹریڈنگ ٹول ہے، مالیاتی مشورہ یا بروکر نہیں۔ بیک ٹیسٹ اور پیپر نتائج فرضی ہیں۔ ٹریڈنگ میں نقصان کا خطرہ شامل ہے۔