کوانٹیفیکیشن کی حکمت عملی کے لیے ڈیٹا کے ٹیسٹ کی ضرورت

حقیقی جنگ کے بڑے اعداد و شمار۔ مقدار سازی کی حکمت عملی کے لیے نمونہ سے باہر ڈیٹا کی جانچ کی ضرورت۔

• NO:01

  انسان کی زندگی ، چھوٹے سے بڑے تک ، بڑے سے بوڑھے تک ، غلطیوں ، اصلاحات اور غلطیوں کا ایک مستقل عمل ہے ، اور تقریبا کوئی بھی اس میں مستثنیٰ نہیں ہے۔ شاید آپ نے بہت ساری غلطیاں کیں ، جو اب بہت کم نظر آتی ہیں۔ یا شاید آپ نے بہت سارے ٹریننگ کے مواقع کھو دیئے ہیں ، جیسے: جائیداد ، انٹرنیٹ ، ڈیجیٹل کرنسی وغیرہ۔

  یہاں تک کہ ایک سننے والا کہتا ہے "مجھے شروع میں نہیں کرنا چاہیے تھا۔" "اگر۔۔۔ میں۔۔۔"

  میں نے اس سوال کے بارے میں سوچا تھا، اور یہ ایک طویل عرصے تک جاری نہیں رہا تھا، لیکن بعد میں یہ سمجھ میں آیا تھا۔ حقیقت میں، یہ خوفناک نہیں تھا، کیونکہ اس وقت ہر انتخاب، چاہے وہ صحیح ہو یا غلط، ہمیں پہلے سے طے شدہ نتائج سے دور لے جائے گا اور نامعلوم کی طرف لے جائے گا؛ اور ہماری عکاسی صرف تاریخی اعداد و شمار سے باہر خدا کی نقطہ نظر کو کھولتا ہے.

• NO:02

  میں نے بہت سارے تجارتی نظام دیکھے ہیں جن کی کامیابی کی شرح 50 فیصد سے زیادہ ہوسکتی ہے۔ اس طرح کی اعلی جیت کی شرح کے پیش نظر ، 1 سے زیادہ منافع اور نقصان کی شرح بھی ہوسکتی ہے۔ لیکن ، کوئی استثناء نہیں ، ایک بار جب یہ سسٹم اصلی پلیٹ فارم پر ڈال دیا جاتا ہے تو ، یہ بنیادی طور پر نقصان دہ ہوتے ہیں۔ نقصانات کی وجہ سے بہت ساری وجوہات ہیں ، جن میں سے ایک یہ ہے کہ ، ریٹیسٹ کے وقت ، غلطی سے ، دائیں سے بائیں ، خدا کا نقطہ نظر کھولنا۔

  

  تاہم ، تجارت ایک ایسی پیچیدہ چیز ہے ، جو بعد میں دیکھنے میں واضح ہے ، لیکن اگر ہم خدا کے نقطہ نظر کے چکر کے بغیر ، ابتداء میں واپس نہیں جاتے ہیں تو ، پھر بھی حیرت زدہ ہیں۔ اس سے کوانٹیٹیٹیشن کی جڑ کے مسئلے کو تاریخی اعداد و شمار کی حدود تک پہنچ جاتا ہے۔ لہذا ، اگر صرف محدود تاریخی اعداد و شمار کے ساتھ ، تجارتی نظام کی جانچ پڑتال کی جاتی ہے تو ، پیچھے کی شیشے کو دیکھنے کے مسئلے سے بچنا مشکل ہے۔

• NO:03

  لیکن جب اعداد و شمار محدود ہوتے ہیں تو ، کس طرح محدود اعداد و شمار کا زیادہ سے زیادہ فائدہ اٹھایا جائے تاکہ تجارتی حکمت عملیوں کی مکمل جانچ پڑتال کی جاسکے؟ عام طور پر دو طریقے ہوتے ہیں: پلگ ان چیک اور کراس چیک۔

  پروپوزل ٹیسٹنگ کے بنیادی اصول: ماڈل کو پہلے طویل تاریخی اعداد و شمار کے ساتھ تربیت دیں اور اس کے بعد نسبتا shorter مختصر اعداد و شمار کے ساتھ ماڈل کی جانچ کریں ، پھر اعداد و شمار کے کھڑکی کو پیچھے کی طرف منتقل کریں ، تربیت اور جانچ کے اقدامات کو دہرائیں۔

  

  1، تربیت کے اعداد و شمار: 2000-2001، ٹیسٹ کے اعداد و شمار: 2002؛ 2، تربیت کے اعداد و شمار: 2001-2002، ٹیسٹ کے اعداد و شمار: 2003؛ 3، تربیت کے اعداد و شمار: 2002-2003، ٹیسٹ کے اعداد و شمار: 2004؛ 4، تربیت کے اعداد و شمار: 2003-2004، ٹیسٹ کے اعداد و شمار: 2005؛ 5، تربیت کے اعداد و شمار: 2004-2005، ٹیسٹ کے اعداد و شمار: 2006؛

  ... اور اس طرح کے...

  آخر میں ، حکمت عملی کی کارکردگی کا مجموعی اندازہ کرنے کے لئے ، ٹیسٹ کے نتائج (۲۰۰۲ ، ۲۰۰۳ ، ۲۰۰۴ ، ۲۰۰۵ ، ۲۰۰۶...) پر اعدادوشمار مرتب کیے گئے ہیں۔

  مندرجہ ذیل گراف میں، ایک بصری وضاحت کے طور پر، ایک پلگ ان ٹیسٹ کے اصولوں کو بیان کیا جا سکتا ہے:

  

  مندرجہ بالا گراف میں دو مختلف طریقے دکھائے گئے ہیں جن کے ذریعے ایک دفعہ دو مرتبہ ٹیسٹ کیا جا سکتا ہے۔

  پہلا: ہر ٹیسٹ میں، ٹیسٹ کے اعداد و شمار نسبتا مختصر ہیں، لیکن زیادہ ٹیسٹ ہیں۔ دوسرا طریقہ: ہر ٹیسٹ میں ، ٹیسٹ کے اعداد و شمار زیادہ لمبے اور ٹیسٹ کی تعداد کم ہوتی ہے۔

  عملی طور پر، یہ ممکن ہے کہ ٹیسٹ کے اعداد و شمار کی لمبائی کو تبدیل کرکے کئی بار ٹیسٹ کیا جائے تاکہ یہ فیصلہ کیا جا سکے کہ ماڈل غیر مستحکم اعداد و شمار کے ساتھ کس طرح مستحکم ہے۔

• NO:04

  کراس ٹیسٹنگ کے بنیادی اصول: تمام اعداد و شمار کو N حصوں میں تقسیم کریں ، ہر بار ان میں سے N-1 حصوں کے ساتھ تربیت کریں ، اور باقی حصوں کے ساتھ جانچ کریں۔

  

  سال 2000 سے 2003 تک ہر سال کے حساب سے چار حصوں میں تقسیم کیا گیا ہے۔ اس کراس چیک کا آپریٹنگ طریقہ کار مندرجہ ذیل ہے: ٹریننگ ڈیٹا: 2001-2003، ٹیسٹ ڈیٹا: 2000؛ 2، ٹریننگ ڈیٹا: 2000-2002، ٹیسٹ ڈیٹا: 2003؛ ٹریننگ ڈیٹا: 2000، 2001، 2003، ٹیسٹ ڈیٹا: 2002؛ 4، ٹریننگ ڈیٹا: 2000، 2002، 2003، ٹیسٹ ڈیٹا: 2001؛

  

  جیسا کہ اوپر دکھایا گیا ہے: کراس ٹیسٹنگ کا سب سے بڑا فائدہ محدود اعداد و شمار کا بھرپور استعمال کرنا ہے ، ہر ٹریننگ ڈیٹا بھی ٹیسٹ ڈیٹا ہے۔ لیکن جب کراس ٹیسٹنگ کو حکمت عملی کے ماڈل کی جانچ میں لاگو کیا جاتا ہے تو بھی واضح نقصانات ہوتے ہیں:

  1، جب قیمتوں کے اعداد و شمار غیر مستحکم ہوتے ہیں تو ماڈل کے ٹیسٹ کے نتائج اکثر ناقابل اعتماد ہوتے ہیں۔ مثال کے طور پر، 2008 کے اعداد و شمار کے ساتھ تربیت، 2005 کے اعداد و شمار کے ساتھ ٹیسٹ۔ یہ ممکن ہے کہ 2008 میں مارکیٹ کے ماحول میں 2005 کے مقابلے میں بہت زیادہ تبدیلی ہوئی ہے، لہذا ماڈل کے ٹیسٹ کے نتائج ناقابل اعتماد ہیں۔

  2، پہلی طرح، کراس ٹیسٹنگ میں، اگر تازہ ترین ڈیٹا کے ساتھ تربیت یافتہ ماڈل، پرانے ڈیٹا کے ساتھ ٹیسٹ ماڈل استعمال کیا جاتا ہے، تو یہ خود ہی منطقی نہیں ہے.

• NO:05

  مزید برآں ، جب کوانٹیفیکیشن حکمت عملی ماڈل کی جانچ پڑتال کی جاتی ہے تو ، اعداد و شمار کی اوورلیپنگ کے مسائل کا سامنا کرنا پڑتا ہے ، چاہے یہ پیش رفت کی جانچ ہو یا کراس چیک۔

  

  تجارتی حکمت عملی ماڈل تیار کرتے وقت ، زیادہ تر تکنیکی اشارے کسی خاص لمبائی کے تاریخی اعداد و شمار پر مبنی ہوتے ہیں۔ مثال کے طور پر ، رجحان سازی کے اشارے کا استعمال کرتے ہوئے ، پچھلے 50 دن کے تاریخی اعداد و شمار کا حساب لگایا جاتا ہے ، اور اگلے دن تجارت کا دن ، اس اشارے کا حساب لگایا جاتا ہے ، جس میں اس سے پہلے کے 50 دن کے اعداد و شمار کا حساب لگایا جاتا ہے ، لہذا دونوں اشارے کا حساب لگایا جاتا ہے 49 دن کے لئے ایک ہی ہے ، جس سے اس اشارے میں ہر دو ہمسایہ دنوں میں اس کی تبدیلی بہت غیر واضح ہوجاتی ہے۔

  

  اعداد و شمار کی اوورلیپ کے نتیجے میں:

  1، ماڈل کی پیشن گوئی کے نتائج میں آہستہ آہستہ تبدیلیوں کی وجہ سے ہولڈنگ میں آہستہ آہستہ تبدیلیاں ہوتی ہیں، جو ہم اکثر کہتے ہیں کہ اشارے کی تاخیر ہے۔

  2، ماڈل کے نتائج کی جانچ پڑتال کے لئے کچھ اعدادوشمار دستیاب نہیں ہیں، کیونکہ بار بار ڈیٹا کی وجہ سے سلسلہ بندی سے متعلق ہے، جو کچھ اعدادوشمار کی جانچ پڑتال کے نتائج کو ناقابل اعتماد بنا دیتا ہے.

• NO:06

  اچھی تجارت کی حکمت عملی مستقبل میں منافع بخش ہونے کے قابل ہونی چاہئے۔ غیر نمونہ ٹیسٹنگ ، تجارت کی حکمت عملی کو معروضی طور پر جانچنے کے علاوہ ، وسیع پیمانے پر وقت کی بچت کو بھی زیادہ موثر بناتی ہے۔

  زیادہ تر معاملات میں ، براہ راست تمام نمونے کے بہترین پیرامیٹرز کا استعمال کرنا بہت خطرناک ہوتا ہے۔

  اگر پیرامیٹرز کو بہتر بنانے کے وقت سے پہلے کے تمام تاریخی اعداد و شمار کو الگ کیا جائے ، ان نمونہ کے اعداد و شمار اور نمونہ سے باہر کے اعداد و شمار میں تقسیم کیا جائے ، پہلے نمونہ میں موجود اعداد و شمار کا استعمال کرکے پیرامیٹرز کو بہتر بنایا جائے ، پھر نمونہ سے باہر کے اعداد و شمار کا استعمال کرکے نمونہ سے باہر کی جانچ پڑتال کی جائے تو ، اس غلطی کو ترتیب دیا جاسکتا ہے ، اور ساتھ ہی یہ بھی جانچ پڑتال کی جاسکتی ہے کہ کیا اصلاح شدہ حکمت عملی مستقبل کی منڈیوں کے لئے موزوں ہے۔

• NO:07

  جیسا کہ تجارت میں ہوتا ہے ، ہم کبھی بھی وقت کو عبور نہیں کرسکتے ہیں ، اپنے لئے صحیح فیصلے کرتے ہیں جس میں کوئی غلطی نہیں ہوتی ہے۔ اگر خدا کا ہاتھ ہے یا مستقبل سے واپس آنے کی صلاحیت ہے تو ، بغیر جانچ پڑتال کے ، براہ راست آن لائن حقیقی ڈسک پر تجارت کریں ، اور جو بھی بیسن بھرا ہوا ہے۔ اور مجھے جیسے انسانوں کو اپنی حکمت عملی کو تاریخی اعداد و شمار میں جانچنا ہوگا۔

  تاہم ، یہاں تک کہ اگر تاریخ بڑی تعداد میں اعداد و شمار کی تاریخ ہے تو ، یہ ایک لامحدود اور غیر متوقع مستقبل کا سامنا کرنا پڑتا ہے۔ لہذا ، تاریخ پر مبنی تجارتی نظام ، جو نیچے سے اوپر کی طرف دھکیل دیا گیا ہے ، آخر کار وقت کے ساتھ ساتھ ڈوب جائے گا۔ کیونکہ تاریخ کا کوئی مستقبل نہیں ہے۔ لہذا ، ایک مکمل امید مند تجارتی نظام کو اس کے اندرونی اصولوں / منطق کی حمایت کرنا ہوگی۔

  

• NO:08

  ہم (مخترعین کوانٹیفیکیشن کوانٹیفیکیشن ٹریڈنگ پلیٹ فارمز) کا مقصد موجودہ کوانٹیفیکیشن سائیکل کو تبدیل کرنا ہے جس میں کوئی خشک سامان نہیں ہے ، تبادلہ بند ہے ، اور دھوکہ دہی کرنے والوں کے ذریعہ ایک خالص کوانٹیفیکیشن سائیکل بنایا گیا ہے۔ دنیا میں کبھی بھی کوئی علم اور نظریات نہیں بنائے گئے ہیں ، وہ صرف موجود ہیں اور ہمیں دریافت کرنے کے منتظر ہیں۔

  

  شیئرنگ ایک رویہ ہے، بلکہ ایک حکمت ہے!

وائٹ ہوسٹ آن لائن تحریر: ہکیبو