AI Monte Carlo Hedge Strategy
Budget: ₹600 – ₹1,500 INR
मैं एक AI-आधारित मोंटे कार्लो सिमुलेशन बनाना चाहता हूँ जो असल में सबसे अच्छी हेजिंग रणनीतियों की सिफ़ारिश करे। इसकी मुख्य ज़रूरत एक ऐसा इंजन है जिसे बार-बार इस्तेमाल किया जा सके; जो बाज़ार के पुराने डेटा और *रियल-टाइम टिक डेटा* को ले सके, हज़ारों प्राइस पाथ चला सके, और हेजिंग पोज़िशन्स का ऐसा मिश्रण दे जो नुकसान के जोखिम को कम से कम करे और साथ ही तय रिटर्न प्रोफ़ाइल को भी पूरा करे, और *हेज में ज़रूरी बदलाव भी कर सके*।
कुछ ज़रूरी बातें जो आपको पता होनी चाहिए:
• मुख्य चीज़ जो मुझे चाहिए, वह है मॉडल द्वारा बनाई गई सबसे अच्छी हेज सिफ़ारिशों का सेट। इसके साथ-साथ जोखिम के आंकड़े या कीमतों का अनुमान भी दिया जा सकता है, लेकिन मुख्य ध्यान रणनीति पर ही होना चाहिए।
• एसेट क्लास (संपत्ति के प्रकार) चुनने में मुझे पूरी आज़ादी है, इसलिए सिमुलेशन को इस तरह से डिज़ाइन करें कि वह बिना किसी बड़े बदलाव के ऑप्शन्स और दूसरे इंस्ट्रूमेंट्स को भी संभाल सके।
• प्रोग्रामिंग भाषा का चुनाव: मेरे लिए C++ में टेस्ट करना सबसे तेज़ होता है, लेकिन अगर आपके पास R या MATLAB में कोई मज़बूत फ़्रेमवर्क है, तो मैं उन्हें भी देखने के लिए तैयार हूँ।
• कृपया पारंपरिक मोंटे कार्लो तकनीकों को किसी भी मशीन-लर्निंग लेयर के साथ मिलाएँ, जिससे आपको लगता हो कि कन्वर्जेंस या पाथ चुनने की प्रक्रिया में काफ़ी सुधार होगा—जैसे कि वेरिएंस-रिडक्शन, रीइन्फ़ोर्समेंट लर्निंग, या न्यूरल SDEs।
मुझे ये चीज़ें चाहिए:
1. अच्छी तरह से डॉक्यूमेंट किया गया सोर्स कोड और साफ़ निर्देश, ताकि मैं अपने कंप्यूटर पर भी वही नतीजे पा सकूँ।
2. एक छोटी रिपोर्ट (या नोटबुक) जिसमें मॉडल की मान्यताओं, सिमुलेशन की पूरी प्रक्रिया, और मात्रात्मक सबूतों के आधार पर दी गई हेज सिफ़ारिशों के बारे में बताया गया हो।
3. एक छोटी सी कॉल या रिकॉर्ड किया गया डेमो, ताकि मैं शुरू से आखिर तक पूरा काम करने का तरीका देख सकूँ।
स्वीकृति के लिए शर्तें:
• मैं आपके कोड को *रियल-टाइम टिक-टू-टिक* नए डेटा पर चला सकूँ और बताई गई भरोसे की सीमाओं के अंदर हेज वेट्स पा सकूँ।
• नतीजे मोंटे कार्लो की एक उचित त्रुटि सीमा (error band) के अंदर ही दोहराए जा सकें।
• सभी बाहरी लाइब्रेरियों की सूची उनके सटीक वर्ज़न्स के साथ दी गई हो।
अगर यह काम आपके क्वांटिटेटिव फ़ाइनेंस, स्टोकेस्टिक मॉडलिंग और AI के अनुभव से मेल खाता है, तो आइए समय-सीमा और काम के अलग-अलग चरणों (milestones) के बारे में बात करते हैं।
कुछ ज़रूरी बातें जो आपको पता होनी चाहिए:
• मुख्य चीज़ जो मुझे चाहिए, वह है मॉडल द्वारा बनाई गई सबसे अच्छी हेज सिफ़ारिशों का सेट। इसके साथ-साथ जोखिम के आंकड़े या कीमतों का अनुमान भी दिया जा सकता है, लेकिन मुख्य ध्यान रणनीति पर ही होना चाहिए।
• एसेट क्लास (संपत्ति के प्रकार) चुनने में मुझे पूरी आज़ादी है, इसलिए सिमुलेशन को इस तरह से डिज़ाइन करें कि वह बिना किसी बड़े बदलाव के ऑप्शन्स और दूसरे इंस्ट्रूमेंट्स को भी संभाल सके।
• प्रोग्रामिंग भाषा का चुनाव: मेरे लिए C++ में टेस्ट करना सबसे तेज़ होता है, लेकिन अगर आपके पास R या MATLAB में कोई मज़बूत फ़्रेमवर्क है, तो मैं उन्हें भी देखने के लिए तैयार हूँ।
• कृपया पारंपरिक मोंटे कार्लो तकनीकों को किसी भी मशीन-लर्निंग लेयर के साथ मिलाएँ, जिससे आपको लगता हो कि कन्वर्जेंस या पाथ चुनने की प्रक्रिया में काफ़ी सुधार होगा—जैसे कि वेरिएंस-रिडक्शन, रीइन्फ़ोर्समेंट लर्निंग, या न्यूरल SDEs।
मुझे ये चीज़ें चाहिए:
1. अच्छी तरह से डॉक्यूमेंट किया गया सोर्स कोड और साफ़ निर्देश, ताकि मैं अपने कंप्यूटर पर भी वही नतीजे पा सकूँ।
2. एक छोटी रिपोर्ट (या नोटबुक) जिसमें मॉडल की मान्यताओं, सिमुलेशन की पूरी प्रक्रिया, और मात्रात्मक सबूतों के आधार पर दी गई हेज सिफ़ारिशों के बारे में बताया गया हो।
3. एक छोटी सी कॉल या रिकॉर्ड किया गया डेमो, ताकि मैं शुरू से आखिर तक पूरा काम करने का तरीका देख सकूँ।
स्वीकृति के लिए शर्तें:
• मैं आपके कोड को *रियल-टाइम टिक-टू-टिक* नए डेटा पर चला सकूँ और बताई गई भरोसे की सीमाओं के अंदर हेज वेट्स पा सकूँ।
• नतीजे मोंटे कार्लो की एक उचित त्रुटि सीमा (error band) के अंदर ही दोहराए जा सकें।
• सभी बाहरी लाइब्रेरियों की सूची उनके सटीक वर्ज़न्स के साथ दी गई हो।
अगर यह काम आपके क्वांटिटेटिव फ़ाइनेंस, स्टोकेस्टिक मॉडलिंग और AI के अनुभव से मेल खाता है, तो आइए समय-सीमा और काम के अलग-अलग चरणों (milestones) के बारे में बात करते हैं।