Торговля на фондовом рынке — это всегда риск, связанный с огромным количеством неопределённостей и постоянным потоком информации. Традиционные подходы уже не всегда справляются с этой сложностью, и здесь на помощь приходит искусственный интеллект, способный быстро анализировать и принимать решения на основе огромных массивов данных.
Недавно группа исследователей из университета Монреаля и Гонконгского университета науки и технологий представила новую модель под названием TradExpert, которая, по их словам, революционизирует подход к финансовому анализу и торговле, используя набор специализированных LLM-экспертов (Large Language Models — крупные языковые модели).
🧠 Почему именно LLM?
Ключевое отличие новой модели TradExpert от классических алгоритмов — в её способности одновременно обрабатывать структурированные и неструктурированные данные. Если раньше финансовые модели зачастую «застревали» при попытке включить новости и аналитические отчёты в традиционные математические модели, то теперь это ограничение исчезло.
Теперь нейросеть способна не только читать текст, но и понимать его контекст, прогнозируя влияние новостей и отчётов на котировки акций.
🌐 Mixture of Experts: разделяй и властвуй
TradExpert работает по принципу разделения задач между разными «экспертами»:
- 📜 Эксперт по новостям: анализирует новости и статьи, определяя их влияние на рынок.
- 📈 Рыночный эксперт: переводит данные о ценах и объемах (OHLCV) в текстовые прототипы, понятные нейросети.
- ⚙️ Альфа-эксперт: обрабатывает технические индикаторы и вычисляет их значимость.
- 📊 Фундаментальный эксперт: анализирует квартальные отчёты компаний, оценивая долгосрочные перспективы.
Каждый эксперт передает свои выводы общему эксперту, который принимает окончательное решение о покупке или продаже акций.
🎛️ Два режима работы: от предсказания к стратегии торговли
Одно из важнейших новшеств TradExpert – это возможность переключения между двумя режимами:
- 🔮 Prediction mode: простой прогноз — акции пойдут вверх или вниз.
- 🥇 Ranking mode: сортировка акций по потенциалу роста, используя механизм расслабленной сортировки на основе LLM-сравнений, что позволяет формировать портфели из лучших акций.
Именно режим сортировки оказался особенно эффективным на практике. Экспериментальные данные показывают, что TradExpert уверенно обыгрывает как традиционные методы (SVM, XGBoost, LightGBM), так и современные подходы на основе глубокого обучения (например, DeepTrader).
📚 Реальные результаты и перспективы
В серии экспериментов, проведенных авторами, TradExpert продемонстрировал впечатляющие показатели:
- 🚀 Годовая доходность (AR) TradExpert составила 49.79%, заметно выше любого из конкурентов.
- ⚠️ Максимальное снижение (MD) при этом составило всего 6.56%, демонстрируя эффективное управление рисками.
Однако, авторы честно отмечают, что на текущий момент модель всё ещё требует значительного времени на обработку информации (около 5 секунд на одну акцию), что затрудняет применение модели в высокочастотном трейдинге.
💡 Личное мнение автора статьи:
С моей точки зрения, идея использовать специализированные LLM-модели для разных типов финансовых данных выглядит крайне перспективной. Особенно интригует то, как легко такая система масштабируется и адаптируется под новые типы данных или финансовые инструменты.
Тем не менее, существует и риск: чем сложнее система, тем важнее становится контроль её решений, поскольку даже небольшая ошибка одного из «экспертов» может привести к серьёзным потерям. Важно также учитывать этические аспекты применения таких моделей и прозрачность их решений.
Идея деления сложной задачи на специализированных «экспертов» — это не только эффективный подход к решению задач на финансовом рынке, но и пример того, как можно применять искусственный интеллект в других областях, требующих анализа разноплановых данных.
В целом, TradExpert не просто показывает высокий потенциал прибыли, но и открывает дверь к совершенно новому способу использования искусственного интеллекта в финансах.
🔗 Оригинальная новость: