تجزیه و تحلیل بنیادی سهام تولید خودکار از ورودی های ساده زبان طبیعی با استفاده از پیشرفته ترین مدل زبان جهان.

پیش نیازها

من نقاط را به صورت مقالات جمع آوری کرده ام ، لطفاً مقالات زیر را به همان ترتیب انجام دهم تا نقاط را به هم وصل کنم و پشته فنی کلیدی را در پشت محقق سهام AI درک کنم-یک برنامه کاربردی با GPT-3:

1. FASTAPI - راه Spiffy Beyond Flask!
2. جریان - انقلابی در ایجاد برنامه داده
3. مقدمه ای کوتاه برای GPT-3

تجزیه و تحلیل سهام اساسی

تجزیه و تحلیل اساسی تلاش می کند تا با در نظر گرفتن طیف گسترده ای از عوامل از اقتصاد کلی در رابطه با عملکرد صنعت و عوامل مالی شرکت مانند درآمد ، حاشیه سود ، دارایی و بدهی ، ارزش ذاتی سهام را ارزیابی کند. تاریخ و حجم حرکت قیمت برای تحلیلگران اساسی ناچیز است.

اصل اساسی طراحی برای انواع تجزیه و تحلیل سهام ، تعیین اینکه آیا یک امنیت به درستی در بازار وسیع تر ارزش دارد یا خیر. تجزیه و تحلیل اساسی به طور معمول از یک کلان تا میکرو با توجه به ارزش های بسیار اساسی که شرکت برای شناسایی فرصت ها و بازده های بلند مدت ساخته شده است ، انجام می شود.

هدف نهایی هر تجزیه و تحلیل اساسی سهام ، دستیابی به نتیجه گیری با نقاط کلیدی کاملاً واضح است که شکاف بین "ارزش واقعی شرکت" و درک "ارزش آن" توسط سرمایه گذاران را نشان می دهد. این به سرمایه گذاران بالقوه کمک می کند تا در مورد اصول خود ، امنیت کم ارزش یا بیش از حد ارزش داشته باشند.

چرا GPT-3 نامزد خوبی است؟

تجزیه و تحلیل اساسی شرکت های دارای فهرست عمومی که میلیون ها و میلیون ها معاملات از طریق بورس اوراق بهادار انجام می شود ، یک کار واقعاً سخت است ، این تعداد ساختاری از مراحل لازم برای انجام یک مطالعه قطعی نیست. هر شرکتی از نظر ارزش ها و فرهنگ های اساسی خود بی نظیر است ، هر یک از رسالت و چشم انداز خاص خود را ترسیم می کند و سعی می کند به آن پایبند باشد.

اکنون ، طبق فرضیه بازار کارآمد بسیار محبوب (EHA) ، ارزش بازار هر شرکتی در یک زمان معین بازتاب تمام اطلاعاتی است که در جهان وجود دارد. با توجه به این مورد ، پس از آن برای سرمایه گذاران فرد و نهادی غیرممکن خواهد بود که به طور مداوم آلفا (α) تولید کنند.

چگونه همه این نقاط به GPT-3 متصل می شوند؟

تجزیه و تحلیل بازارهای مالی هرگز آسان نبوده است ، همیشه یک عنصر تعجب آور وجود دارد که شما نمی توانید پیش بینی کنید. سالهاست که تحقیقات زیادی در زمینه هوش مصنوعی و یادگیری ماشین برای پیش بینی حرکات بازار انجام شده است. اما تا به امروز ، ما هیچ فناوری پیشرفته ای برای تجزیه و تحلیل و پیش بینی آینده بازار به دلیل تعداد دقیق ویژگی های درگیر و ناهمگونی مربوط به آنها نداریم. هر چیزی از مالی شرکت ، عملکرد بازار ، تصویر برند گرفته تا برخی از نشت های اخبار کوچک می تواند منجر به تغییر چشمگیر در ارزش شرکت شود که توسط بازار درک می شود.

"برای درک فریب بازار ، به اصول بروید."analysis تجزیه و تحلیل سهام بنیادی

یادگیری ماشین سنتی و الگوریتم های یادگیری عمیق به دلیل جهان از داده های غیر منتظره که می توانند بر نتایج تأثیر بگذارند ، برای این کار ناکارآمد بوده اند. دانش مدلهای یادگیری ماشین معمولی محدود به بخش آموزش است ، هر چیزی که از آن خارج شود ، به عنوان Outliers در نظر گرفته می شود و عملکرد مدل را به شدت مانع می کند.

GPT-3 از طرف دیگر در جهان داده ها به نام "اینترنت" آموزش دیده است ، با تمایل زیادی به یادآوری دقیق الگوهای موجود در داده ها (به لطف 175 میلیارد+ پارامترها). منبع و نوع داده هر چه باشد ، GPT-3 به عنوان یک مدل زبان به خوبی با آن سطح تعمیم سازگار است تا به دلیل آموزش های عجیب و غریب و منحصر به فرد ، نتایج تقریبا دقیقی کسب کند.

راهپیمایی برنامه

اکنون شما را از طریق برنامه محقق سهام AI قدم به قدم پیاده می کنم:

در حالی که ایجاد هر برنامه GPT-3 اولین و مهمترین چیز که باید در نظر بگیرید ، طراحی و محتوای سریع آموزش است. طراحی سریع مهمترین فرآیند در تهیه مدل GPT-3 برای ارائه یک پاسخ مطلوب و متنی است.

به عنوان یک قانون شست در هنگام طراحی سریع آموزش ، باید هدف خود را برای دریافت یک پاسخ صفر از مدل از مدل بدست آورید ، اگر این امکان وجود ندارد با چند نمونه به جای ارائه آن به کل بدنه. جریان استاندارد برای طراحی سریع آموزش باید به نظر برسد: صفر شات → چند عکس → چیدن برگهای مبتنی بر Corpus.

به منظور طراحی سریع آموزش برای برنامه محققان سهام AI ، من از ساختار سریع آموزش زیر استفاده کرده ام:

• توضیحات: توضیحات اولیه در مورد زمینه در مورد آنچه محقق سهام قرار است با اضافه کردن یک یا دو خط در مورد عملکرد آن انجام دهد.
• ورودی (نام شرکت): این مؤلفه شامل نام شرکت است که توسط کاربر به عنوان ورودی ارائه می شود. این به GPT-3 کمک می کند تا زمینه را برای واکشی اطلاعات مناسب تنظیم کند.
• خروجی: این مؤلفه شامل گزارش تجزیه و تحلیل اساسی مربوط به نام شرکت ارائه شده به عنوان ورودی به مدل GPT-3 است.

نام شرکت I/P → ؛گزارش تجزیه و تحلیل بنیادی O/P.

بیایید مثالی در عمل ببینیم تا قدرت GPT-3 را در عمل به عنوان یک محقق اساسی سهام هوشمند درک کنیم. در مثال زیر ، ما با ارائه فقط نام شرکت به محقق سهام هوش مصنوعی ما ، تجزیه و تحلیل اساسی سهام را تولید خواهیم کرد.

اگر این پست را دوست داشتید یا آن را مفید می دانید ، لطفاً یک دقیقه برای فشار دادن دکمه CLAP یک دقیقه وقت بگذارید ، باعث افزایش دید پست برای سایر کاربران متوسط می شود.< Pan> ورودی (نام شرکت): این مؤلفه شامل نام شرکت است که توسط کاربر به عنوان ورودی ارائه می شود. این به GPT-3 کمک می کند تا زمینه را برای واکشی اطلاعات مناسب تنظیم کند.