منصوبے کے بارے میں

یہ ریپوزٹری سٹیفن جانسن کی کتاب Machine Learning for Trading، تیسرے ایڈیشن کے ساتھ شامل کوڈ کی میزبانی کرتی ہے۔ اسے ایک مکمل اینڈ ٹو اینڈ ورک فلو کے گرد ترتیب دیا گیا ہے: ایک تحقیقی خیال کی تعریف اور اسے تکراری طور پر ایک حکمت عملی میں ترقی دینا جسے لائیو مارکیٹ میں چلایا اور برقرار رکھا جا سکے۔ مواد 27 ابواب اور نو کیس اسٹڈیز پر محیط ہے، خام ڈیٹا سے لے کر فیچرز، ماڈلز، بیک ٹیسٹس، لین دین کے اخراجات اور خطرے سے لے کر تعیناتی اور نگرانی تک۔ تیسرے ایڈیشن میں جو کچھ شامل کیا گیا ہے، README کے مطابق: - ایک وسیع تر ماڈل ٹول کٹ، جس میں گریڈیئنٹ بوسٹنگ (XGBoost، LightGBM، CatBoost)، گہرے ٹائم سیریز آرکیٹیکچرز (PatchTST، iTransformer، TSMixer، TCN، Mamba)، اور ٹیبلر یا لیٹنٹ فیکٹر ماڈلز جیسے TabPFN، TabM، اور کنڈیشنل/سپروائزڈ آٹو اینکوڈرز شامل ہیں۔ - لین دین کے اخراجات اور رسک مینجمنٹ پر مخصوص ابواب، پورٹ فولیو کی تعمیر اور حکمت عملی کی ترکیب کے ساتھ۔ - ایک پروڈکشن ٹریک جس میں لائیو ٹریڈنگ سسٹمز (Interactive Brokers، Alpaca، QuantConnect)، MLOps اور گورننس کے موضوعات جیسے ڈرفٹ ڈیٹیکشن، محفوظ رول آؤٹ، سرکٹ بریکرز، فیچر اسٹورز، اور تجربہ ٹریکنگ شامل ہیں۔ - جنریٹو AI مواد: SEC فائلنگز پر مبنی ریٹریول-آگمینٹڈ جنریشن، نالج گرافس اور Graph RAG، اور ملٹی ایجنٹ ریسرچ سسٹم۔ - کازل مشین لرننگ (Double ML، Bayesian structural time series، causal discovery)، ایگزیکیوشن، مارکیٹ میکنگ اور ہیجنگ کے لیے کمک سیکھنا، اور مصنوعی مالیاتی ڈیٹا جنریٹرز (TimeGAN، Tail-GAN، Sig-CWGAN، ڈفیوژن پر مبنی طریقے)۔ README طریقہ کار کی سختی پر زور دیتا ہے: تلاش اور تصدیق کے درمیان ایک واضح ثبوت کی حد، واک فارورڈ کراس ویلڈیشن، اور متعدد ٹیسٹنگ اور اوور فٹنگ کنٹرول کے لیے ٹولز جیسے Deflated Sharpe Ratio، Rademacher Anti-Serum، White's Reality Check، اور conformal prediction۔ ڈیٹا پرت Polars استعمال کرتی ہے، اور ابواب کو قابل تولید Docker ماحول میں بھیجنے کے طور پر بیان کیا گیا ہے، جس میں PyTorch، LightGBM، Optuna، اور Plotly ماڈلنگ اور ویژولائزیشن اسٹیک میں شامل ہیں۔ کتاب میں نو کیس اسٹڈیز چلتی ہیں، ہر ایک اسی پائپ لائن سے گزرتی ہے: ETFs (روزانہ، کراس اثاثہ مومینٹم اور مین ریورژن)، کریپٹو پرپیچوئلز (8 گھنٹے، فنڈنگ ریٹ آربیٹریج)، NASDAQ-100 (15 منٹ انٹرا ڈے مائیکرو اسٹرکچر)، S&P 500 ایکویٹی پلس آپشنز (روزانہ)، امریکی فرم خصوصیات (ماہانہ)، FX جوڑے (روزانہ کیری اور مومینٹم)، CME فیوچرز (روزانہ ٹرم اسٹرکچر اور رول ییلڈ)، S&P 500 آپشنز (روزانہ)، اور ایک وسیع امریکی ایکویٹیز پینل (روزانہ فیکٹر ایکسپوژرز)۔ نوٹ بکس چھ ساتھی Python لائبریریوں پر بنائے گئے ہیں، ہر ورک فلو مرحلے کے لیے ایک: ml4t-data مارکیٹ ڈیٹا حصول کے لیے متعدد فراہم کنندگان سے، ml4t-engineer فیچرز، لیبلز، متبادل بارز اور لیکیج سے محفوظ ڈیٹاسیٹ تیاری کے لیے، ml4t-models فنانس نیٹو لیٹنٹ فیکٹرز اور پورٹ فولیو لرننگ کے لیے، ml4t-diagnostic فیچر توثیق، حکمت عملی تشخیص اور Deflated Sharpe Ratio کے لیے، ml4t-backtest ایونٹ سے چلنے والے بیک ٹیسٹنگ کے لیے، اور ml4t-live بروکر انٹیگریشنز کے ساتھ پروڈکشن ٹریڈنگ کے لیے۔ README کہتا ہے کہ ہر ایک دستاویزی ہے اور خود استعمال کے قابل ہے۔ ایک ساتھی ویب سائٹ کا حوالہ 112 مفت پرائمرز، کوڈنگ ایجنٹس کے لیے 61 ایجنٹ اسکلز، اور چھ لائبریریوں کے لیے دیا گیا ہے۔ README میں ادا شدہ کورسز، ورکشاپس، اور مفت لائیو سیشنز کے ساتھ ساتھ Linux، Windows WSL2، macOS، Docker، اور GPU سیٹ اپس کا احاطہ کرنے والی انسٹالیشن گائیڈ بھی درج ہے۔ کوئیک اسٹارٹ ہدایات یا تو Docker Compose ماحول یا مقامی uv ماحول پیش کرتی ہیں؛ مقامی راستہ کئی انحصار مرتب کرتا ہے اور اسے C/C++ کمپائلر اور تقریباً 16 GB ڈسک کی ضرورت ہوتی ہے۔ پلیٹ فارم گائیڈنس Intel macOS پر Docker اور Apple Silicon پر مقامی ماحول کی سفارش کرتی ہے، ہر ایک کی وجوہات کے ساتھ۔ یہ مقداری فنانس اور مشین لرننگ کے لیے تعلیمی اور تحقیقی کوڈ ہے، کوئی پیک شدہ ٹریڈنگ پروڈکٹ نہیں؛ README واضح طور پر قارئین کو ایک دستاویز کی طرف اشارہ کرتا ہے جو بیان کرتی ہے کہ ریپوزٹری کیا ہے اور کیا نہیں، بشمول اس کے لیے حقیقی کمپیوٹ یا لائسنس یافتہ ڈیٹا کی ضرورت ہے۔