Energy Desk - lokalna analiza newsów energetycznych z Basal i integracją Meta Trader 5.

Rozwijam prywatny Energy Desk czyli środowisko analityczne dla rynku energii, połączone z MetaTrader 5. Łączę w nim dane brokera, analizę ceny i wolumenu, profile wolumenowe, CVD, kontekst wielu interwałów oraz publiczne informacje o energetyce, makroekonomii i geopolityce. Celem projektu jest ułatwienie codziennej analizy rynku i uporządkowanie informacji potrzebnych do podejmowania decyzji.
Jednym z problemów jest interpretacja wiadomości. Nagłówki o zakłóceniu dostaw, planowanej zmianie produkcji czy zaprzeczeniu doniesieniom mogą zawierać podobne słowa, ale przekazują zupełnie inną informację. Właśnie tutaj wykorzystuję lokalnie basal-1.0-1.5B.
Model analizuje każdy nagłówek w siedmiu kategoriach: zakłócenia podaży, przywracanie dostaw, sankcje, produkcja, zapasy, polityka pieniężna i konflikty geopolityczne. Dla każdej rozróżnia zdarzenie opisane jako zaistniałe, propozycję lub zamiar, zaprzeczenie, niepewność oraz brak wystarczających informacji. Dzięki temu mogę rozdzielić temat wiadomości od sposobu, w jaki przedstawiono zdarzenie.
Wyniki są automatycznie archiwizowane wraz ze źródłem, czasem dostępności informacji, wersją modelu i konfiguracją analizy. Porównuję je również z regułami tekstowymi, obserwując rozbieżności, pewność klasyfikacji i opóźnienia. Rozkłady odpowiedzi Basala tworzą zestaw 29 cech wejściowych eksperymentalnego modułu „Decyzja”, który zestawia kontekst informacyjny z danymi rynkowymi.
Desk współpracuje z sygnałowym EA w MT5, prezentującym kontekst i scenariusze bezpośrednio na wykresie. Decyzja o transakcji pozostaje po stronie użytkownika. Prawdopodobieństwa zwracane przez Basal dotyczą klasyfikacji tekstu; ich związek z późniejszym zachowaniem ceny wymaga osobnej oceny.
Integracja działa lokalnie na CPU. W dotychczasowym przeglądzie najnowszej konfiguracji zebrałem 102 unikalne nagłówki, czyli 714 odpowiedzi kategorii. Mediana przetwarzania jednego nagłówka w pełnym zestawie siedmiu pytań wyniosła około 81 sekund. To przydatny punkt odniesienia do dalszej optymalizacji i oceny zastosowania na zwykłym laptopie.
Projekt jest na etapie działającej integracji i walidacji. Kolejnym krokiem jest porównanie jakości modeli korzystających z cech Basala z wariantami bez tych cech, na późniejszych danych. Najbardziej interesuje mnie możliwość połączenia lokalnego rozumienia tekstu z mierzalną analizą ilościową - z zachowaniem źródeł, chronologii i możliwości sprawdzenia, co model rzeczywiście wnosi.