S0l0

Было бы удобно: загрузить данные, нажать кнопку и получить список акций, которые скоро вырастут. Машинное обучение действительно помогает анализировать рынок. Но между прогнозом и заработком есть разница.

Чтобы оценить акцию, инвестор изучает отчётность, новости и состояние экономики. ML-модель учится на исторических данных и ищет сочетания признаков, за которыми раньше следовал рост или падение цены. Такой подход позволяет анализировать тысячи бумаг и замечать связи, которые трудно увидеть вручную.

В работу могут идти четыре группы данных:

Торги: цены, объёмы сделок и колебания котировок.

Бизнес: прибыль, выручка, долги и движение денег.

Экономика: ставки, инфляция, валюты и стоимость сырья.

Новости: сообщения о компании и изменения в прогнозах руководства.

Допустим, компания стала больше зарабатывать, сократила долг, а интерес покупателей к её акциям усилился. Если похожие сочетания раньше предшествовали росту, модель может выделить бумагу как перспективную.

Но хорошие показатели не гарантируют роста котировок: рынок мог заранее учесть улучшения в цене или ожидать ещё более сильных результатов.

Какие модели используют?

Линейные и логистические модели. Оценивают связь показателей с доходностью или вероятностью роста. Это простая отправная точка для сравнения.

Random Forest - "случайный лес". Объединяет множество деревьев решений: каждое проверяет свои сочетания условий, затем их прогнозы сводятся вместе.

Градиентный бустинг - XGBoost, LightGBM, CatBoost. Последовательно добавляет деревья, которые исправляют ошибки предыдущих. Один из распространённых подходов для таблиц с финансовыми показателями.

Нейросети LSTM и GRU. Работают с последовательностями: например, изменениями рыночных показателей за несколько недель. LSTM часто используют в исследованиях прогнозирования акций.

Языковые модели, например FinBERT. Анализируют финансовые тексты и их тональность. Такая оценка может стать дополнительным входом для прогноза, но сама по себе не означает, что акция вырастет.

А сколько прогнозов оказываются верными?

Общего процента для всех моделей нет - ни на день, ни на неделю, ни на месяц. Нужны результаты конкретной модели на конкретных бумагах и на данных, которых она не видела при обучении.

Точность 55% означает 55 верных прогнозов из 100, а не доходность 55%. Даже такой результат может приносить убытки, если ошибки обходятся дороже удачных сделок. Исследования также показывают, что хорошая точность не обязательно позволяет обойти простую покупку и удержание акций.

Получается, кнопки «Заработать» всё-таки нет?

ML может ускорить анализ и помочь найти интересные возможности. Но зарабатывать нужно уже на реальном рынке, где меняются условия, прогнозы ошибаются, а каждая сделка имеет свою цену.

Поэтому главный вопрос к модели - не "как часто ты права?", а "какой результат дают твои прогнозы с учётом убытков, риска и расходов?".