এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
আলফা পরিসংখ্যান
একটি পোর্টফোলিওর ঝুঁকি-সমন্বিত কর্মক্ষমতার পরিমাপ, যা মেশিন লার্নিং মডেল দ্বারা উৎপন্ন বেঞ্চমার্কের তুলনায় অতিরিক্ত রিটার্নকে প্রতিনিধিত্ব করে, বাজারের পরিচিত ফ্যাক্টরগুলির এক্সপোজার নিরপেক্ষ করার পরে।
ওয়াক-ফরওয়ার্ড ব্যাকটেস্টিং
একটি শক্তিশালী বৈধকরণ পদ্ধতি যেখানে মডেলটি 'ইন-স্যাম্পল' সময়কালে প্রশিক্ষিত হয়, পরবর্তী 'আউট-অফ-স্যাম্পল' সময়কালে পরীক্ষা করা হয়, তারপর এই উইন্ডোটি সময়ের সাথে সরানো হয় বাস্তব ট্রেডিং অবস্থার অনুকরণ এবং ওভারফিটিং এড়ানোর জন্য।
সময় সিরিজ ক্রস-ভ্যালিডেশন (টাইম সিরিজ সিভি)
আর্থিক তথ্যের জন্য উপযোগী ক্রস-ভ্যালিডেশন কৌশল যা সময়গত কাঠামোকে সম্মান করে, এলোমেলো নমুনা ব্যবহার না করে পরপর সময়কালের ভিত্তিতে ফোল্ড ব্যবহার করে ভবিষ্যত থেকে অতীতের তথ্য ফাঁস রোধ করতে।
আর্থিক ফিচার ইঞ্জিনিয়ারিং
কাঁচা বাজার তথ্য থেকে পূর্বাভাসমূলক ভেরিয়েবল (ফিচার) তৈরি ও নির্বাচনের প্রক্রিয়া, যেমন প্রযুক্তিগত সূচক, সামষ্টিক অর্থনৈতিক অনুপাত বা সেন্টিমেন্ট পরিমাপ, পূর্বাভাস মডেলের কর্মক্ষমতা অপ্টিমাইজ করার জন্য।
সময় সিরিজের জন্য র্যান্ডম ফরেস্ট
র্যান্ডম ফরেস্ট অ্যালগরিদমের একটি অভিযোজন যা আর্থিক সময় সিরিজের পূর্বাভাসের জন্য ব্যবহৃত হয়, লক্ষ্য ভেরিয়েবলের ল্যাগ এবং অন্যান্য কোভেরিয়েটকে ফিচার হিসেবে ব্যবহার করে জটিল অরৈখিক সম্পর্ক ধরতে সক্ষম।
জিএআরসিএইচ (সাধারণীকৃত স্বয়ংক্রিয় রিগ্রেসিভ শর্তাধীন হেটেরোসকেডাস্টিসিটি)
সময় সিরিজের একটি পরিসংখ্যানিক মডেল যা শর্তাধীন অস্থিরতা ধারণ করে, যেখানে ত্রুটির ভ্যারিয়েন্স পূর্ববর্তী সময়কালের ভ্যারিয়েন্সের উপর নির্ভর করে, আর্থিক বাজারের অনিশ্চয়তা মডেলিং এবং পূর্বাভাসের জন্য অপরিহার্য।
ট্রেডিংয়ের জন্য গ্রেডিয়েন্ট বুস্টিং মেশিন (জিবিএম)
একটি এনসেম্বল কৌশল যা ক্রমান্বয়ে দুর্বল পূর্বাভাস মডেল (সাধারণত সিদ্ধান্ত বৃক্ষ) তৈরি করে একটি শক্তিশালী মডেল গঠন করে, প্রায়শই সম্পদের রিটার্ন বা মূল্যের দিক পূর্বাভাসের জন্য ব্যবহৃত হয়।
লুক-অ্যাহেড বায়াস
ব্যাকটেস্টিংয়ে পদ্ধতিগত ত্রুটি যেখানে পূর্বাভাসের সময়ে উপলব্ধ নয় এমন তথ্য (ভবিষ্যতের তথ্য) ব্যবহার করা হয়, যা ট্রেডিং মডেলের কর্মক্ষমতাকে অতিরিক্ত মূল্যায়ন করে।
হাই ফ্রিকোয়েন্সি মেশিন লার্নিং (HFT-ML)
মাইক্রোসেকেন্ড বা মিলিসেকেন্ড স্তরে বাজারের ডেটা বিশ্লেষণের জন্য এমএল অ্যালগরিদমের প্রয়োগ, স্বয়ংক্রিয় ট্রেডিং কৌশলের মাধ্যমে অতি-স্বল্পমেয়াদী মূল্যের অদক্ষতা শনাক্ত ও কাজে লাগানো।
হাইব্রিড ARIMA-ML মডেল
একটি পদ্ধতি যা একটি ARIMA মডেলকে ব্যবহার করে আর্থিক সময় সিরিজের রৈখিক ও স্বয়ংক্রিয় সম্পর্কযুক্ত উপাদানগুলো ধরতে এবং মেশিন লার্নিং মডেল (যেমন নিউরাল নেটওয়ার্ক) ব্যবহার করে অরৈখিক অবশিষ্টাংশগুলো মডেল করতে।
আর্থিক ক্ষেত্রে রিকারেন্ট নিউরাল নেটওয়ার্ক (RNN)
ডিপ লার্নিংয়ের একটি আর্কিটেকচার যা ডেটার সিকোয়েন্স (যেমন ঐতিহাসিক মূল্য) প্রক্রিয়াকরণের জন্য ডিজাইন করা হয়েছে, পূর্ববর্তী অবস্থাগুলোর স্মৃতি ধরে রাখে, যা আর্থিক সময় সিরিজের পূর্বাভাসের জন্য বিশেষভাবে উপযুক্ত।
মডেলের শার্প রেশিও
একটি মূল্যায়ন মেট্রিক যা মেশিন লার্নিং মডেল দ্বারা তৈরি ট্রেডিং কৌশলের ঝুঁকি-সামঞ্জস্যপূর্ণ রিটার্ন পরিমাপ করে, ঝুঁকিমুক্ত হারের তুলনায় অতিরিক্ত রিটার্নকে রিটার্নের স্ট্যান্ডার্ড ডেভিয়েশন দ্বারা ভাগ করে।
কোইন্টিগ্রেশন দ্বারা স্টেশনারিটি
একটি ধারণা যেখানে একাধিক অ-স্টেশনারি আর্থিক সময় সিরিজের (যেমন দুটি স্টকের মূল্য) একটি রৈখিক সমন্বয় নিজেই স্টেশনারি হয়, যা ট্রেডিং পেয়ার এবং গড় প্রত্যাবর্তন কৌশল তৈরির সুযোগ দেয়।
ট্রেন্ড ক্লাসিফিকেশনের জন্য সাপোর্ট ভেক্টর মেশিন (SVM)
একটি সুপারভাইজড অ্যালগরিদম যা ডেটাকে শ্রেণিতে বিভক্ত করার জন্য একটি সর্বোত্তম হাইপারপ্লেন খুঁজে বের করে (যেমন 'বৃদ্ধি', 'হ্রাস', 'সাইডওয়েজ'), যা আর্থিক সম্পদের ভবিষ্যৎ মূল্যের দিক পূর্বাভাসের জন্য ব্যবহৃত হয়।
আর্থিক ক্ষেত্রে ওভারফিটিং (সারাপ্রশিক্ষণ)
একটি ঘটনা যেখানে মেশিন লার্নিং মডেল প্রশিক্ষণের ঐতিহাসিক ডেটার নির্দিষ্ট শব্দ শিখে নেয়, অন্তর্নিহিত সংকেতের পরিবর্তে, যার ফলে ব্যাকটেস্টে চমৎকার পারফরম্যান্স দেখায় কিন্তু বাস্তব ট্রেডিংয়ে দুর্বল ফলাফল দেয়।
আর্থিক সময় সিরিজের জন্য ট্রান্সফরমার
অ্যাটেনশন মেকানিজম ভিত্তিক একটি ডিপ লার্নিং আর্কিটেকচার, যা বাজারের ডেটায় দীর্ঘমেয়াদী নির্ভরতা মডেল করার জন্য উপযুক্ত, প্রায়শই জটিল পূর্বাভাসের কাজে RNN এবং LSTM-কে ছাড়িয়ে যায়।
ভোলাটিলিটি স্টোকাস্টিক এমসিএমসি দ্বারা
অনুমানিত অদৃশ্য প্রক্রিয়া হিসেবে ভোলাটিলিটির মডেলিং, যার প্যারামিটারগুলো মার্কভ চেইন মন্টে কার্লো (এমসিএমসি) পদ্ধতি ব্যবহার করে অনুমান করা হয়, যা বাজারের অনিশ্চয়তার আরও সমৃদ্ধ ও নমনীয় বর্ণনা প্রদান করে।