प्रदर्शन
वह स्क्रीन जो ईमानदारी से दिखाती है कि कौन-सी विधि काम करती है। हर दर अपने विश्वास अंतराल और नमूने के साथ, सरल बेंचमार्क के सापेक्ष, और अवशिष्ट तथा कच्चे दोनों रिटर्न के सापेक्ष दिखाई जाती है। ऊपर के टैब क्षितिज चुनते हैं।
सर्वसम्मति स्वीकृति चेतावनी
यह क्या है: एक हरा या पीला बॉक्स जो बताता है कि चुने गए क्षितिज पर D · सर्वसम्मति अपने हर घटक (A, B, C) को अलग-अलग मात देती है या नहीं।
इसे कौन-सा डेटा चलाता है: /api/performance/leaderboard → नवीनतम पूर्ण विश्लेषण रन का engineD परिणाम। तुलना उसी walk-forward खिड़की की backtest हिट दरों से होती है; कम से कम 200 प्रेक्षण आवश्यक हैं।
यह क्या दिखाता है: यह दिखाता है कि सर्वसम्मति उपयोग योग्य है या नहीं, और वह किस घटक को मात नहीं दे पाती।
इससे क्या निष्कर्ष निकाला जा सकता है: यदि चेतावनी पीली हो, तो आज स्क्रीन के «मज़बूत संकेत» कार्डों का उपयोग निर्णय के लिए नहीं करना चाहिए; सबसे अच्छे अकेले मॉडल का संकेत बेहतर है। यह नियम जानबूझकर कड़ा है: जोड़ने से मूल्य तभी जुड़ता है जब वह हर हिस्से से बेहतर हो।
अवशिष्ट रिटर्न बनाम कच्चा रिटर्न
यह क्या है: एक तालिका जिसमें वही backtest संकेत दो बार आँके जाते हैं: एक बार क्षितिज के अंत के अवशिष्ट रिटर्न के सापेक्ष, एक बार कच्चे रिटर्न के सापेक्ष। अंतर तीन अंकों से अधिक हो तो चेतावनी दिखती है।
इसे कौन-सा डेटा चलाता है: signal_daily और signal_outcome तालिकाएँ डेटाबेस में जोड़ी जाती हैं; अवशिष्ट के लिए realized_residual स्तंभ और कच्चे के लिए realized_return स्तंभ उपयोग होता है। गणना SQL में होती है।
यह क्या दिखाता है: बायाँ स्तंभ दिखाता है कि मॉडल उस लक्ष्य पर कितना अच्छा है जिस पर उसे प्रशिक्षित किया गया, दायाँ स्तंभ दिखाता है कि वह वास्तविक भाव-गति पर कितना अच्छा है।
इससे क्या निष्कर्ष निकाला जा सकता है: यह एप्लिकेशन की सबसे महत्वपूर्ण तालिका है। यदि दाएँ स्तंभ में किसी मॉडल का कौशल ग़ायब हो जाए, तो वह भाव नहीं बल्कि यह अनुमान लगा रहा है कि अवशिष्ट रिटर्न कैसे बनता है। वास्तविक डेटा पर 21 दिन पर B · अनुप्रस्थ रैंकिंग की 58% हिट दर कच्चे रिटर्न पर गिरकर 50.5% रह जाती है। निवेश के लिए जो मायने रखता है वह दायाँ स्तंभ है।
मॉडल रैंकिंग
यह क्या है: चार मॉडलों की लाइव और backtest हिट दरें, उनके सूचना गुणांक, और शांत तथा अशांत व्यवस्थाओं के अनुसार विश्लेषण।
इसे कौन-सा डेटा चलाता है: लाइव स्तंभ LIVE परत की signal_daily और signal_outcome पंक्तियों से निकाले जाते हैं। Backtest स्तंभ नवीनतम विश्लेषण रन के सहेजे गए मूल्यांकन परिणाम से आते हैं। व्यवस्था मानचित्र स्क्रीन के औसत सहसंबंध के 70वें प्रतिशतक से तय होती है।
यह क्या दिखाता है: हिट दर अपने Wilson 95% अंतराल और n के साथ दिखती है; 200 से कम प्रेक्षणों पर संख्या के बजाय «अभी अंतर नहीं बताया जा सकता» दिखाया जाता है। Backtest की कोशिकाएँ हैचिंग वाली हैं। सूचना गुणांक एक दिन के भीतर अनुमानित और वास्तविक रैंक के बीच Spearman सहसंबंध है। सबसे अच्छा backtest मॉडल उभारा जाता है। हिट की परिभाषा हर जगह एक ही है: संकेत की दिशा और क्षितिज के अंत के अवशिष्ट रिटर्न का चिह्न एक हों। अवशिष्ट रिटर्न शेयर का वह रिटर्न है जिसमें बाज़ार (XU100), क्षेत्र और USD/TRY का प्रभाव हटा दिया गया है; यह भाव स्वयं नहीं है।
इससे क्या निष्कर्ष निकाला जा सकता है: जिन दो मॉडलों के अंतराल अतिव्यापी हों उनमें कोई अंतर नहीं है। असली सवाल यह है कि जो मॉडल backtest में आगे है वह लाइव में भी आगे रहता है या नहीं; जैसे-जैसे लाइव परिणाम जमा होते हैं, यह तालिका उस सवाल का उत्तर देती है। अशांत व्यवस्था में हिट दर का गिरना दिखाता है कि मॉडल संकट के समय भरोसेमंद नहीं है।
संचयी हिट दर
यह क्या है: हर मॉडल के लिए, हर दिन तक उसके लाइव संकेतों की संचयी हिट दर का वक्र, और एक बिंदुदार 50% रेखा।
इसे कौन-सा डेटा चलाता है: LIVE परत की signal_daily और signal_outcome पंक्तियाँ। केवल लाइव रिकॉर्ड खींचे जाते हैं; लाइव रिकॉर्ड न हों तो चार्ट ख़ाली रहता है और यह स्पष्ट कह देता है।
यह क्या दिखाता है: यह दिखाता है कि समय के साथ वक्र किस स्तर पर स्थिर होता है। शुरुआती दिनों में वक्र बहुत उछलता है, क्योंकि नमूना छोटा है।
इससे क्या निष्कर्ष निकाला जा सकता है: जो वक्र स्थायी रूप से 50% रेखा के ऊपर रहता है वह वास्तविक कौशल की ओर इशारा करता है। जो वक्र ऊँचा शुरू होकर 50% की ओर आता है वह दिखाता है कि पहले परिणाम भाग्य थे; निष्कर्ष निकालने के लिए कुछ महीने प्रतीक्षा करनी होती है।
बेंचमार्क
यह क्या है: चार सरल नियमों की हिट दरें जिन्हें किसी मॉडल को मात देनी चाहिए।
इसे कौन-सा डेटा चलाता है: नवीनतम विश्लेषण रन का मूल्यांकन परिणाम। वही परीक्षण दिन और वही अवशिष्ट रिटर्न उपयोग होते हैं।
यह क्या दिखाता है: यादृच्छिक (50%); क्षेत्र स्थायित्व (आज के औसत क्षेत्र अवशेष का चिह्न कल भी बना रहता है); शेयर का अपना AR(1) (आज के अवशेष का चिह्न बना रहता है); बाज़ार स्थायित्व (आज सूचकांक का चिह्न बना रहता है)।
इससे क्या निष्कर्ष निकाला जा सकता है: वास्तविक डेटा पर ये नियम 49% और 51% के बीच रहते हैं। यदि किसी मॉडल की हिट दर इनसे अलग न की जा सके, तो उसने कुछ नहीं पाया, चाहे उसकी निरपेक्ष दर कुछ भी हो।
पोर्टफोलियो वक्र
यह क्या है: उस समान-भार पोर्टफोलियो का संचयी रिटर्न जो स्कोर के अनुसार ऊपर के 10% शेयर ख़रीदता है और नीचे के 10% को शॉर्ट बेचता है; लेनदेन लागत के साथ और बिना।
इसे कौन-सा डेटा चलाता है: नवीनतम विश्लेषण रन का मूल्यांकन परिणाम। रिटर्न अवशिष्ट रिटर्न पर निकाले जाते हैं। पुनर्संतुलन क्षितिज के बराबर चरणों में, अ-अतिव्यापी अवधियों पर होता है; लागत एकतरफ़ा 15 आधार अंक है।
यह क्या दिखाता है: Sharpe अनुपात (√(252/क्षितिज) से वार्षिकीकृत), अधिकतम गिरावट, टर्नओवर और अवधियों की संख्या। बिंदुदार रेखा लागत रहित है, ठोस रेखा लागत सहित।
इससे क्या निष्कर्ष निकाला जा सकता है: निर्णय के लिए लागत सहित वक्र देखें। चूँकि रिटर्न अवशिष्ट रिटर्न पर हैं, «अवशिष्ट / कच्चा रिटर्न» तालिका वाला कृत्रिम प्रभाव यहाँ भी लागू होता है: B · अनुप्रस्थ रैंकिंग और D · सर्वसम्मति का ऊँचा Sharpe किसी वास्तविक भाव-पोर्टफोलियो का रिटर्न नहीं है।
युग्मवार जाँचें
यह क्या है: एक तालिका जिसमें मॉडलों के युग्म एक ही शेयर-दिनों पर तुलना किए जाते हैं; लाइव और backtest अलग पंक्तियों में।
इसे कौन-सा डेटा चलाता है: युग्मित हिट पर McNemar जाँच; हानियों पर Diebold–Mariano जाँच। लाइव के लिए डेटाबेस से और backtest के लिए नवीनतम रन के परिणाम से निकाली जाती है।
यह क्या दिखाता है: «B > A, p=0.003» जैसा परिणाम, या नमूना अपर्याप्त होने पर «अभी अंतर नहीं बताया जा सकता»।
इससे क्या निष्कर्ष निकाला जा सकता है: केवल p < 0.05 वाले अंतरों को ही वास्तविक अंतर गिनना चाहिए। बड़े नमूने पर बहुत छोटे अंतर भी सार्थक निकल सकते हैं; सार्थकता का यह अर्थ नहीं कि अंतर उपयोगी होने लायक बड़ा है।
यहाँ दी गई निवेश संबंधी जानकारी, टिप्पणियाँ और सिफ़ारिशें निवेश परामर्श सेवाओं के दायरे में नहीं आतीं। निवेश परामर्श सेवाएँ ग्राहक और ब्रोकरेज हाउस, पोर्टफोलियो प्रबंधन कंपनियों, या जमा स्वीकार न करने वाले बैंकों के बीच हस्ताक्षरित निवेश परामर्श अनुबंध के अंतर्गत दी जाती हैं। यहाँ के संकेत सांख्यिकीय मॉडलों से ऐतिहासिक डेटा से बनाए जाते हैं, सभी को एक जैसे दिखाए जाते हैं और व्यक्तिगत नहीं हैं; हो सकता है वे आपकी वित्तीय स्थिति या जोखिम और प्रतिफल की आपकी प्राथमिकताओं के अनुकूल न हों। इसलिए केवल यहाँ दी गई जानकारी के आधार पर निवेश निर्णय लेने से ऐसे परिणाम नहीं मिल सकते जो आपकी अपेक्षाओं पर खरे उतरें।