Мы приступили к тестированию и внедрению автоматизированного анализа фундаментальных факторов

Задача анализа финансовых рынков в долгосрочной перспективе является крайне сложной и трудоемкой. Одним из наиболее эффективных способов служит фундаментальный анализ. Трейдеры и аналитики обрабатывают огромное количество информации, на основании оценки которой принимают то или иное решение. 

В отличие от эффективного на краткосрочных сделках технического анализа, обучить машину фундаментальному является задачей весьма непростой и интересной. 
Классические методы выстраивания дерева решений тут не подойдут. Машина с такими алгоритмами не может видеть контекст и понять причинно-следственную связь. Даже с развитием нейронных сетей данная задача является очень сложной и не имеет однозначного решения.

Нам удалось объединить несколько подходов к решению этой задачи и получить первые положительные результаты. 

Основной проблемой, которую предстояло решить, был сбор и анализ данных. Поскольку фундаментальные данные, чаще всего, являются простым текстом, написанным людьми и без строгой шаблонизации, мы построили нейросеть, анализирующую более 15 000 финансовых новостных ресурсов. Такой объем информации позволяет выявить закономерности в массиве разных текстов, относящихся к одному и тому же событию.

Проанализированные данные из первого ряда сети преобразуются и очищаются для работы в следующем исполнительном блоке. Параллельно к исполнительному блоку направляются данные нейросети технического анализа. Соединив и обработав эти два потока исполняющая нейронная сеть успешно прогнозирует реакцию рынка на фундаментальные факторы. 

Мы строили и обучали данную сеть на протяжении последнего года, и сейчас с гордостью можем сказать, что процент ошибочных прогнозов составляет 44.3%. Работы над этой задачей продолжаются. После достижения отметки ошибочных срабатываний в 20% мы внедрим сеть в работы со средствами наших клиентов.