外链论坛

 找回密码
 立即注册
搜索
查看: 7|回复: 1

怎么样运用人工智能在股市中找到最好的股票

[复制链接]

3041

主题

119

回帖

9915万

积分

论坛元老

Rank: 8Rank: 8

积分
99159080
发表于 2024-9-28 03:47:04 | 显示全部楼层 |阅读模式

Hi!大众好,我是Lucy, @FinTech 社区创始人。FinTech 社区是一个5万+会员的量化、AI、金融科技招聘赋能社区。欢迎大众加入咱们,与同行共成长!

找出过去 3 年收入增幅最大的 5 只半导体或人工智能股票。从大到小排序

查找的 Google 搜索结果

当您在网络上搜索时,您会找到信息。但它们将是受欢迎的结果,重点基于趋势或其他人的“专家意见”。在投资股票时,重要的是要有冷酷的事实。金融平台不会为您供给所需的所有信息。那样怎样得到真实的事实呢?

今天,我将概述NexusTrade平台中一项新功能的设计-- 运用大型语言模型的智能股票筛选。这项新功能将准许您做几件事。首要,您能够查找属于某些行业的股票。其次,您能够查找拥有必定市值、收入、收入、EDITBA 和其他重要财务指标的股票。经过此功能,您能够找到符合您的投资理念和财务目的的完美股票。再也不有些人写的固执己见的文案她们的投资组合充满了她们先令的股票。只是冷酷无情的事实。

NexusTrade简介

NexusTrade是我的人工智能投资科研平台。该软件可简化研发、测试和安排自动化和半自动化交易策略的过程。它的旗舰功能是其人工智能驱动的聊天,可将简单的英语翻译成平台理解的配置。

与“Aurora”互动 – 人工智能交易助手

除了能够创建和测试交易策略外,Aurora还能够进行金融科研。例如,倘若我让 Aurora 分析一家机构的收益,她会这般说。

需求 Aurora 分析 META 的收益

这种类型的财务分析非常有用。然而,它还需求您事先认识要搜索的股票。倘若您是投资新手,试图寻找新股票,想寻找利基行业的股票,那样此功能帮忙怎样才可更好地找到符合其投资目的的股票?

智能库存筛选:实施

咱们回到你打开这篇文案时我问你的第1件事:

找出过去 3 年收入增幅最大的 5 只半导体或人工智能股票。从大到小排序

咱们能够清楚地看到这般一个功能的价值。倘若我相信人工智能是将来,并且我相信盈利能力和加强盈利能力对我的投资论点很重要,那样能够按次序搜索这份股票列表将是无价的。另外,这种类型的查找能够扩展。例如,我能够添加类似“并且市盈率少于 30”之类的内容。只要我的数据结构恰当,我就能够智能地找到任何符合我目的的股票。

为了实现这一点,咱们需要

咱们想要搜索的数据填充咱们的数据库

运用雅虎财经和大型语言模型生成数据

认识 MongoDB 的聚合框架

运用 LLM 函数调用执行小样本学习。

咱们仔细介绍一下这些过程中的每一个。

填充咱们的数据库

咱们的智能搜索算法中最重要的一步是填充咱们的 MongoDB 数据库。这一步很关键,触及设计一个优雅、灵活的架构来存储咱们所有的关联股票信息。

这一步不仅对咱们的智能库存筛选功能很重要。此架构还可用于应用的其他基本功能。例如,它能够咱们的算法交易策略中运用基本面指标奠定基本。出于这个原由咱们必须非常小心地设计这个模式,并避免算法交易的平常陷阱,例如前瞻偏见。

架构的示例能够如下所示:

const stockFundamentalDataSchema = new Schema({ date: Date, stockName: String, income: Number, revenue: Number, ebitda: Number, // other fundamental indicators});const stockIndustriesSchema = new Schema({ is_AI: Boolean, is_semiconductor: Boolean, is_biotechnology: Boolean, // other industries});

不幸的是,我找不到一个好的数据库来列出特定机构所属的行业。因此呢,为了收集这部分数据,咱们需要运用大型语言模型。

生成咱们的数据

咱们目的是生成一个对象,其中包括咱们股票所在的行业列表。而后咱们将此数据(和关联数据)保留到数据库中。例如,倘若咱们的输入是“CRISPR”,咱们想要生成以下 JSON。

Industries: { biotechnology: true, healthcare: true, pharmaceuticals: true, researchAndDevelopment: true, biomedicalEngineering:true}

大型语言模型 (LLM) 一般能够为许多股票生成令人满意的摘要。然则针对某些专门的或近期引入的股票,这些模型可能信息,由于它们的训练数据已然过时了几个月。这便是为何外边 API(如 Yahoo Finance)在生成数据时很重要的原由

NexusGenAI的UI

NexusGenAI准许咱们在易于运用的UI中创建此AI工作流程。它包含给出模型的指令、咱们运用的模型类型以及模型在其响应中必须遵循的架构。正如你所看到的,该模型生成为了一个JSON,其中包括CRISPR所属的行业列表。这些将保留咱们的数据库中,以便咱们稍后查找

然则,一次仅查找一家机构将花费很长期。NexusGenAI最大的优点是,在UI中配置了工作流程后,咱们能够直接在代码中将其用作API!

async function main() { // check the open-source NextTrade for this function implementation const stockList = await StockData.getListOfAllStocks(); for (const stock of stockList) { try { console.log("Fetching data for ", stock.name); // using the yahoo-finance2 library const quote = await yahooFinance.quoteSummary(stock.name, { modules: ["summaryProfile"], }); const summary = quote["summaryProfile"]["longBusinessSummary"]; const prompt = "Identify Company Industries"; const response: ChatMessage []= await nexusgenaiServiceClient.chatWithPrompt(prompt, summary); const description = response[0].content; const data = response[0].data?.industries; if (!data) { throw new Error("No industries found for company"); } // Save the description and data into the database } catch (e) { console.error("Error fetching data for ", stock.name, e); } }}

这使咱们能够将提示排除在源代码之外,并放在一个集中的、可管理的位置。它还使咱们能够在几分钟内向NexusTrade添加新功能,而不是几个月。名额有限的候补名单现已开放!

MongoDB 聚合框架

执行智能股票筛选算法的下一个重要过程是充分认识MongoDB聚合框架。这个框架将准许咱们执行数据库的繁杂查找。该框架的平常操作包含 $$lookup$$unwind、$match、$sort、$group、$project 和 $limit。综合起来,这些操作准许咱们文案的开头起始执行咱们的请求。在代码中表示聚合管道的示例后,我将简要介绍每一个字段。

查找查询过去 3 年收入增幅最大的 5 只半导体或人工智能股票。从大到小排序

const pipeline = [ {$lookup: { from: "stockIndustries", // Assuming this is the collection name localField: "stockName", foreignField: "stockName", as: "industryData" } }, { $unwind: "$industryData" }, { $match: { $or: [{"industryData.is_AI": true}, {"industryData.is_semiconductor": true}], date: {$gte: threeYearsAgo} } }, {$sort: {stockName: 1, date: 1}}, { $group: { _id: "$stockName", firstIncome: {$first: "$income"}, lastIncome: {$last: "$income"}, } }, { $project: { incomeIncrease: {$subtract: ["$lastIncome", "$firstIncome"]}} }, { $sort: {incomeIncrease: -1}}, { $limit: 5 }];

管道的组件如下:

$lookup:周期运用指定字段联接来自区别集合的文档,其功能类似于 SQL JOIN,便于聚合关联数据。

$unwind:周期包括数组字段的文档拆分为每一个数组项的多个文档,从而实现单个项处理。

$match:周期按照特定要求(类似于 SQL WHERE 子句)筛选文档,以缩小选取范围。

$sort:周期按照指定字段对文档进行排序,类似于 SQL ORDER BY 子句,按升序或降序组织数据。

$group:周期按指定的标识符聚合文档,类似于 SQL GROUP BY 子句,准许将聚合函数应用于每一个组。

$project:周期将重新调节每一个文档的形状,类似于在 SQL 查找选取字段,从而准许添加、删除或修改字段。

$limit:周期限制传递到下一周期的文档数,类似于 SQL LIMIT 子句,可用于掌控结果集的体积

这些周期结合在一块,创建了一个强大的框架,能够执行繁杂的数据聚合任务。倘若运用得当,它能够用作咱们智能库存筛选器功能的构建块。

函数调用和小样本学习

此刻咱们认识了聚合框架,咱们最终能够运用 NexusGenAI 来执行函数调用了。这与咱们在NexusTrade中的其他功能类似,咱们向模型发送请求,生成JSON对象,而后运用该JSON对象执行某些功能。

这一次,函数调用将把纯英文文本翻译成这个MongoDB聚合框架。运用 NexusGenAI,咱们能够供给许多查找示例,而后,类似的请求将被相应地处理。例如:

运用 NexusGenAI

这儿起始咱们将将其集成到NexusTrade应用程序中,并使咱们的用户能够执行繁杂的功能。

这使咱们能够运用自然语言执行繁杂查找。结合所有内容,咱们几乎能够搜索任何符合咱们想要标准的股票。无论是人工智能、生物技术还是娱乐,咱们能够找到符合咱们投资目的的业务。

都数机构尚未完全认识到大型语言模型的强大功能。大都数用例都是“可有可无”的功能,它们向投资者展示,以证明她们正在与人工智能集成。

NexusTrade采用了一种区别的人工智能优先办法。我的目的是专注于怎样为我的用户供给价值,以及人工智能怎样帮忙我完成任务。这个新功能虽然尚未实现,但将非常有用。它将准许用户以前所未有的方式搜索股票。这与我的使命是创造和普及零售算法交易的新行业相一致。

期盼我的分享对大众帮忙!欢迎加入咱们的社区,与同行共成长!

往期举荐

1.怎样运用 OpenAI + Python 构建 AI 助手

2. AI行业招聘合集 | 年薪30-200W,远程/沪/广/东京





上一篇:从心情分析到传奇策略:AI怎么样重塑股票投资格局
下一篇:人工智能炒股?这事儿可靠吗?
回复

使用道具 举报

2983

主题

2万

回帖

9910万

积分

论坛元老

Rank: 8Rank: 8

积分
99109240
发表于 2024-10-13 03:24:51 | 显示全部楼层
在遇到你之前,我对人世间是否有真正的圣人是怀疑的。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

站点统计|Archiver|手机版|小黑屋|外链论坛 ( 非经营性网站 )|网站地图

GMT+8, 2024-11-15 15:48 , Processed in 0.112406 second(s), 21 queries .

Powered by Discuz! X3.4

Copyright © 2001-2023, Tencent Cloud.