Анализ новостного фона для принятия решений о торговых операциях на бирже на основе ИИ
Система сочетает анализ исторической динамики цены акции с обработкой новостей о компании, чтобы ежедневно прогнозировать рост или падение стоимости её акций.
Задачи
- Собрать исторические котировки и новостной поток по выбранным компаниям.
- Разработать конвейер NLP на базе BERT + GRU для оценки тональности новостей.
- Обучить и сравнить несколько классификаторов (CatBoost, SVC, HMM) для предсказания направления цены.
- Настроить ежедневный механизм формирования сигналов «покупка / продажа».
- Провести бэктест стратегии и сравнить её с бенчмарком (S&P 500).

О проекте
Классические методы технического анализа опираются только на график цены и часто игнорируют информационный фон. В этом проекте мы объединили два источника данных — котировки и новости.
Для каждой компании строится собственная модель: новости проходят через NLP-стек (BERT → GRU), а ценовые данные подаются в классические классификаторы (CatBoost, SVC, скрытые марковские модели). Модели обучены на исторических данных и генерируют торговое решение раз в сутки. Результаты стратегии сравнивались с индексом S&P 500 и показали преимущество по доходности.
Результаты

Работа с новостями
- Шум в новостном потоке
- Новости могут быть спекулятивными или нерелевантными. Решение — фильтрация по источникам и весовой учет тональности, извлечённой BERT-моделью.
- Различия между компаниями
- Один и тот же макрофактор по-разному влияет на разные отрасли. Мы обучали раздельные модели и оптимизировали гиперпараметры под каждую акцию.

Стратегия
В результате получена гибкая система, способная адаптироваться под новые компании и быстро расширяться на другие финансовые активы.
- Сочетание разреженных новостей с плотными временными рядами цен
- Выравнивали данные по календарным дням: если в день не было новостей, модель опирается только на технические индикаторы.
- Оценка стратегии
- Чтобы избежать переобучения, использовали скользящее окно бэктеста и сравнение с пассивным индексным инвестированием.
Связанные сервисы
Обсудить проект
Опишите вашу задачу, мы проведём исследование и ответим вам как можно скорее.