منصوبے کے بارے میں

Nordic Insider Signal ایک ایونٹ پر مبنی مقداری ٹریڈنگ سسٹم ہے جو Nasdaq Stockholm اور First North پر درج سویڈش ایکویٹیز پر مرکوز ہے۔ اس کا بنیادی محرک اندرونی کلسٹر کا پتہ لگانا ہے: مختصر لوک بیک ونڈو میں ایک ہی اسٹاک خریدنے والے الگ الگ اندرونی افراد کی قابل ترتیب کم از کم تعداد۔ سرمایہ لگانے سے پہلے، Groq Llama، Anthropic Haiku، یا مقامی Ollama استعمال کرنے والی LLM تصدیقی پرت ایک سنیٹی گیٹ کے طور پر کام کرتی ہے۔ سگنل اسکورنگ 0–100 پوائنٹ پیمانے پر چار آزاد پرتوں کو یکجا کرتی ہے: اندرونی سرگرمی (کلسٹر سائز، عہدے کی سینئرٹی، حالیہ فروخت کے مقابلے میں خالص SEK خریداری)، بنیادی باتیں (آمدنی کا رجحان، منافع، بیلنس شیٹ کا معیار)، میکرو حالات (SEK/USD رفتار، OMX ریجیم فلٹر)، اور سیکٹر کی طاقت۔ کمائی کی ونڈوز، لاک-اپ کی میعاد ختم ہونے، اور حالیہ رائٹس ایشوز کے لیے سخت ویٹو لاگو ہوتے ہیں، جس میں ٹریڈنگ کے لیے کم از کم 65 کا اعتماد اسکور درکار ہوتا ہے۔ حدیں config/strategy.yaml میں طے شدہ ہیں اور بیک ٹیسٹنگ کے بعد ایڈجسٹ نہیں کی جاتیں۔ رسک مینجمنٹ ہاف-کیلی پوزیشن سائزنگ استعمال کرتا ہے، جس میں پوزیشن ویلیو زیادہ سے زیادہ پورٹ فولیو فیصد اور اوسط روزانہ حجم کے زیادہ سے زیادہ فیصد دونوں سے محدود ہوتی ہے۔ 20 دن کے ADV کا 2% کا لیکویڈیٹی کیپ چھوٹے کیپ ناموں پر مارکیٹ اثر کو محدود کرتا ہے۔ اخراج میں قابل ترتیب ٹریلنگ اسٹاپ، ٹائم پر مبنی اسٹاپ، اور منافع کا ہدف شامل ہے، جن کا روزانہ جائزہ لیا جاتا ہے۔ بیک ٹیسٹنگ انجن ایونٹ پر مبنی اور واک-فارورڈ ہے، جو حقیقت پسندانہ اشاعت کے وقفے کو ماڈل کرنے کے لیے دن d+1 کی بند پر ٹریڈ داخل کرتا ہے۔ یہ پوائنٹ-ان-ٹائم درست ہے، قیمت کا یونیورس والیڈیشن ونڈو کھلنے سے پہلے OpenFIGI کے ذریعے حل کیا جاتا ہے۔ دستاویزی حدود میں v1 میں لین دین کے اخراجات شامل نہیں، ڈاؤن لوڈ شدہ یونیورس میں سروائیورشپ بایس، اور yfinance کوریج کے خلا کو ہیلڈ پوزیشنز کے طور پر سمجھا جانا شامل ہے۔ ڈیٹا کے ذرائع میں سویڈش اندرونی فائلنگ کے لیے Finansinspektionen، OHLCV قیمت کی تاریخ کے لیے yfinance، ISIN سے ٹکر حل کرنے کے لیے OpenFIGI، اور LLM تصدیقی گیٹ کے لیے Groq، Anthropic، یا Ollama شامل ہیں۔ پروجیکٹ کو ایجنٹس، بیک ٹیسٹنگ، کنفیگریشن، ڈیٹا اکٹھا کرنے، Nordnet کے ذریعے عمل درآمد، نگرانی، رسک، اور سگنلز کے ماڈیولز میں منظم کیا گیا ہے۔ یہ Python 3.11، pandas، yfinance، SQLite، PyYAML، اور OpenFIGI API کے ساتھ بنایا گیا ہے۔