| P0, P1, ... PN - например, цены закрытия дня. |
| если Pt > Pt−k и Pt > Pt+k, для некоторого окна k |
| Максимумы: M1, M2 ... Mm Минимумы: L1, L2 ... Ll |
Случайная величина
| Dt=Tnext max−Tlast min |
или наоборот — время между соседними экстремумами разного типа.
Это интервал времени от минимума до следующего максимума или от максимума до следующего минимума.
2. Разница по цене (амплитуда движения)Случайная величина
| Dp=Mj−Li |
где Li предшествующий минимум перед максимумом Mj.
Это величина трендового движения (рост от минимума к следующему максимуму) или падение от максимума к следующему минимуму.
На данном этапе выбрал для реализации вариант № 2 (Разница по цене) !
Расчет вероятности
Далее считаем математическое ожидание случайной величины, среднеквадратичное отклонение. Соотносим эти значения относительно цены актива в процентном соотношении.Индекс информационного фона акций (ИИФ) — это комплексный количественный показатель, который оценивает тональность и насыщенность публикаций в СМИ и социальных сетях об определенной компании, отрасли или рынке в целом.
Проще говоря, это "градусник" новостного настроения, который показывает, как часто о чем-то пишут и в каком ключе (позитивном, негативном или нейтральном).
Как это работает?ИИФ строится с помощью технологий обработки естественного языка (NLP) и анализа тональности (sentiment analysis):
Сбор данных: Роботы (краулеры) агрегируют новости из тысяч источников: деловые СМИ (Bloomberg, РБК, Коммерсант), официальные пресс-релизы, социальные сети (Twitter, Telegram), форумы и т.д.
Анализ тональности: Каждый текст "прочитывается" алгоритмом, который определяет его эмоциональную окраску:
Позитивная тональность: слова-маркеры: "рост", "прибыль", "прорыв", "лидер".
Негативная: "убыток", "снижение", "скандал", "суд".
Нейтральная: фактологическая информация без явной оценки.
В своем же расчете на данный момент для оценки новости, я использую большую языковую модель (LLM). В частности DeepSeek. Новости пока что берутся только с РБК, поэтому оценивается вес каждой новости, вес источника не учитывается. Новость оценивается от -10 до +10. Для того чтобы минимизировать ошибку оценки новости нейросетью, оценка производится до 6 раз. |
Идея: каждая оценка "теряет вес" со временем по экспоненте. Чем старше оценка, тем меньше её вклад.
Формула:
| Итог = Σ(Оценка_i * Сила_i * e^(-λ * Δt_i)) / Σ(Сила_i * e^(-λ * Δt_i)) |
Где:
Оценка_i — значение i-й оценки.
Сила_i — ваш "вес" или "важность" этой оценки (например, от 0 до 1).
Δt_i — время, прошедшее с момента выставления оценки до момента расчета (в днях, неделях и т.д.).
λ (лямбда) — коэффициент затухания. Ключевой параметр!
Чем больше λ, тем быстрее "стареют" старые оценки.
Например, λ = 0.1 означает умеренное затухание. За 7 дней вес упадёт в e^(-0.1*7) ≈ 0.5 раза.
λ = 0.02 — медленное затухание (вес за месяц упадёт примерно до 0.55).
e — основание натурального логарифма (~2.71828).
Сейчас выбираются новости за 90 дней, а λ равна коэффициенту полузатухания новости за 7 дней, то есть ln(2) / 7. |
Не прямой приказ к действию: Высокий позитивный ИИФ не гарантирует рост акций, а негативный — падение. Это один из многих инструментов.
Запаздывание: Иногда рынок уже отреагировал на новость, а индекс только фиксирует пик публикаций.
Манипуляции: Информационный фон могут пытаться искусственно накручивать (как в позитивную, так и в негативную сторону).
Качество алгоритмов: Точность сильно зависит от того, насколько хорошо алгоритм обучен понимать контекст, иронию, профессиональный жаргон.