მანქანური სწავლების მოდელები ფინანსებში

ჩვენ ხშირად ვამბობთ "AI"-ს, მაგრამ ეს მოდური სიტყვაა. კონკრეტულად, TradingMaster იყენებს მანქანური სწავლების (ML) მოდელების ჰიბრიდულ ანსამბლს.

1. LSTM (Long Short-Term Memory)

• რას აკეთებს: ის იმახსოვრებს მიმდევრობებს.
• გამოყენების შემთხვევა: დიაგრამის შაბლონების ამოცნობა. მან იცის, რომ შაბლონი A ჩვეულებრივ იწვევს შედეგ B-ს, რადგან ეს 50 000-ჯერ უნახავს ადრე.

2. Random Forest (შემთხვევითი ტყე)

• რას აკეთებს: ის ქმნის ათასობით "გადაწყვეტილების ხეს" (თუ X, მაშინ Y) და საშუალოს გამოჰყავს მათგან.
• გამოყენების შემთხვევა: კლასიფიკაცია. "ეს ბაზარი აღმავალია (Bullish) თუ დაღმავალი (Bearish)?" ის ხელს უშლის ერთ კონკრეტულ ინდიკატორზე ზედმეტ მორგებას (overfitting).

3. NLP (ბუნებრივი ენის დამუშავება)

• რას აკეთებს: კითხულობს ტექსტს და ესმის ემოცია.
• გამოყენების შემთხვევა: განწყობის ანალიზი. სათაურების სკანირება საკვანძო სიტყვებზე, რომლებიც ისტორიულად ანგრევენ ბაზარს.

რატომ ჰიბრიდული?

არცერთი მოდელი არ არის სრულყოფილი. მრავალ მოდელს შორის ხმის მიცემით (Ensemble Learning), ჩვენ მნიშვნელოვნად ვამცირებთ შეცდომის მაჩვენებელს. თუ LSTM ამბობს "იყიდე", მაგრამ Random Forest ამბობს "გაყიდე", ნდობის ქულა ეცემა 50%-მდე (ნეიტრალური), რაც გინარჩუნებთ უსაფრთხოებას.