প্রকল্প সম্পর্কে

এই রিপোজিটরিতে স্টেফান জ্যানসেনের Machine Learning for Trading, 3rd Edition-এর সাথে থাকা কোড হোস্ট করা হয়েছে। এটি একটি একক এন্ড-টু-এন্ড ওয়ার্কফ্লোকে কেন্দ্র করে সংগঠিত: একটি গবেষণা ধারণা সংজ্ঞায়িত করা এবং ধাপে ধাপে সেটিকে এমন একটি স্ট্র্যাটেজিতে বিকশিত করা যা লাইভ মার্কেটে চালানো ও রক্ষণাবেক্ষণ করা যায়। এই উপাদান ২৭টি অধ্যায় ও নয়টি কেস স্টাডি জুড়ে বিস্তৃত, যা কাঁচা ডেটা থেকে শুরু করে ফিচার, মডেল, ব্যাকটেস্ট, লেনদেন খরচ ও ঝুঁকি পেরিয়ে ডিপ্লয়মেন্ট ও মনিটরিং পর্যন্ত যায়। README-তে বর্ণিত তৃতীয় সংস্করণে যা যোগ হয়েছে: - আরও বিস্তৃত মডেল টুলকিট, যার মধ্যে রয়েছে গ্রেডিয়েন্ট বুস্টিং (XGBoost, LightGBM, CatBoost), ডিপ টাইম-সিরিজ আর্কিটেকচার (PatchTST, iTransformer, TSMixer, TCN, Mamba), এবং ট্যাবুলার বা লেটেন্ট-ফ্যাক্টর মডেল যেমন TabPFN, TabM, এবং conditional/supervised autoencoder। - লেনদেন খরচ ও ঝুঁকি ব্যবস্থাপনার উপর আলাদা অধ্যায়, সাথে পোর্টফোলিও গঠন ও স্ট্র্যাটেজি সংশ্লেষণ। - একটি প্রোডাকশন ট্র্যাক যা লাইভ ট্রেডিং সিস্টেম (Interactive Brokers, Alpaca, QuantConnect), MLOps এবং গভর্নেন্স বিষয় যেমন ড্রিফট ডিটেকশন, নিরাপদ রোলআউট, সার্কিট ব্রেকার, ফিচার স্টোর এবং এক্সপেরিমেন্ট ট্র্যাকিং কভার করে। - জেনারেটিভ AI উপাদান: SEC ফাইলিং-ভিত্তিক retrieval-augmented generation, নলেজ গ্রাফ ও Graph RAG, এবং মাল্টি-এজেন্ট গবেষণা সিস্টেম। - কজাল মেশিন লার্নিং (Double ML, Bayesian structural time series, causal discovery), এক্সিকিউশন, মার্কেট মেকিং ও হেজিংয়ের জন্য রিইনফোর্সমেন্ট লার্নিং, এবং সিন্থেটিক ফাইন্যান্সিয়াল ডেটা জেনারেটর (TimeGAN, Tail-GAN, Sig-CWGAN, ডিফিউশন-ভিত্তিক পদ্ধতি)। README পদ্ধতিগত কঠোরতার উপর জোর দেয়: অন্বেষণ ও নিশ্চিতকরণের মধ্যে একটি স্পষ্ট প্রমাণ-সীমানা, walk-forward ক্রস-ভ্যালিডেশন, এবং মাল্টিপল-টেস্টিং ও ওভারফিটিং নিয়ন্ত্রণের টুল যেমন Deflated Sharpe Ratio, Rademacher Anti-Serum, White's Reality Check, এবং conformal prediction। ডেটা লেয়ারে Polars ব্যবহার করা হয়, এবং অধ্যায়গুলো রিপ্রোডিউসিবল Docker পরিবেশে সরবরাহ করা হয় বলে বর্ণনা করা হয়েছে, যেখানে মডেলিং ও ভিজুয়ালাইজেশন স্ট্যাকে রয়েছে PyTorch, LightGBM, Optuna, এবং Plotly। বইটিতে নয়টি কেস স্টাডি রয়েছে, প্রতিটি একই পাইপলাইনের মধ্য দিয়ে চালানো হয়: ETF (দৈনিক, ক্রস-অ্যাসেট মোমেন্টাম ও মিন রিভার্সন), ক্রিপ্টো পারপেচুয়াল (৮-ঘণ্টাভিত্তিক, ফান্ডিং-রেট আরবিট্রাজ), NASDAQ-100 (১৫-মিনিট ইন্ট্রাডে মাইক্রোস্ট্রাকচার), S&P 500 ইকুইটি প্লাস অপশন (দৈনিক), মার্কিন ফার্ম ক্যারেক্টারিস্টিকস (মাসিক), FX পেয়ার (দৈনিক ক্যারি ও মোমেন্টাম), CME ফিউচার (দৈনিক টার্ম স্ট্রাকচার ও রোল ইল্ড), S&P 500 অপশন (দৈনিক), এবং একটি বিস্তৃত মার্কিন ইকুইটিজ প্যানেল (দৈনিক ফ্যাক্টর এক্সপোজার)। নোটবুকগুলো ছয়টি সহযোগী পাইথন লাইব্রেরির উপর নির্মিত, ওয়ার্কফ্লো স্টেজ প্রতি একটি: একাধিক প্রোভাইডার থেকে মার্কেট-ডেটা সংগ্রহের জন্য ml4t-data, ফিচার, লেবেল, অল্টারনেটিভ বার এবং লিকেজ-নিরাপদ ডেটাসেট প্রস্তুতির জন্য ml4t-engineer, ফাইন্যান্স-নেটিভ লেটেন্ট ফ্যাক্টর ও পোর্টফোলিও লার্নিংয়ের জন্য ml4t-models, ফিচার ভ্যালিডেশন, স্ট্র্যাটেজি ডায়াগনস্টিকস ও Deflated Sharpe Ratio-এর জন্য ml4t-diagnostic, ইভেন্ট-ড্রিভেন ব্যাকটেস্টিংয়ের জন্য ml4t-backtest, এবং ব্রোকার ইন্টিগ্রেশনসহ প্রোডাকশন ট্রেডিংয়ের জন্য ml4t-live। README-তে বলা হয়েছে প্রতিটি লাইব্রেরি ডকুমেন্টেড এবং স্বাধীনভাবে ব্যবহারযোগ্য। ১১২টি ফ্রি প্রাইমার, কোডিং এজেন্টের জন্য ৬১টি এজেন্ট স্কিল, এবং ছয়টি লাইব্রেরির জন্য একটি সহযোগী ওয়েবসাইটের রেফারেন্স দেওয়া হয়েছে। README-তে পেইড কোর্স, ওয়ার্কশপ ও ফ্রি লাইভ সেশনও তালিকাভুক্ত করা হয়েছে, সাথে Linux, Windows WSL2, macOS, Docker এবং GPU সেটআপ কভার করা একটি ইনস্টলেশন গাইড। কুইক-স্টার্ট নির্দেশনায় হয় Docker Compose পরিবেশ বা স্থানীয় uv পরিবেশ দেওয়া হয়; স্থানীয় পথে কয়েকটি ডিপেন্ডেন্সি কম্পাইল হয় এবং এতে C/C++ কম্পাইলার ও প্রায় ১৬ GB ডিস্ক প্রয়োজন বলে উল্লেখ করা হয়েছে। প্ল্যাটফর্ম নির্দেশনায় Intel macOS-এ Docker এবং Apple Silicon-এ স্থানীয় পরিবেশ সুপারিশ করা হয়েছে, প্রতিটির কারণ উল্লেখ করে। এটি কোয়ান্টিটেটিভ ফাইন্যান্স ও মেশিন লার্নিংয়ের জন্য শিক্ষামূলক ও গবেষণামূলক কোড, কোনো প্যাকেজড ট্রেডিং পণ্য নয়; README স্পষ্টভাবে পাঠকদের একটি ডকুমেন্টের দিকে নির্দেশ করে যেখানে বর্ণনা করা হয়েছে এই রিপোজিটরি কী এবং কী নয়, যার মধ্যে কোনটির জন্য প্রকৃত কম্পিউট বা লাইসেন্সড ডেটা প্রয়োজন তাও রয়েছে।