Mikhail Shardin fuehrte ein Experiment durch: Kann ein Sprachmodell Preise vorhersagen, wenn Charts in Textform beschrieben werden?

Die Idee

Anstelle von Rohkursen erhielt das Modell Beschreibungen in natuerlicher Sprache: Preis steigt stark, Volumen nimmt zu, nahe am Widerstand.

Das DistilBERT-Modell wurde trainiert, um Kursanstiege am naechsten Tag vorherzusagen.

Ergebnisse

Getestet an ueber 200 Aktien der Moskauer Boerse:

  • Durchschnittlicher AUC: 0,53 (etwas besser als Zufall)
  • Beste Ergebnisse: AFLT (0,72), RTSB (0,70), PIKK (0,70)
  • Schlechteste Ergebnisse: PLZL (0,33), VJGZP (0,33)

Fuer Handelszwecke ist das Ergebnis schwach, aber das Modell hat Muster erkannt, ohne direkten Zugang zu Zahlen zu haben – das allein ist schon interessant.

Technologie

Python + PyTorch + Hugging Face + Docker. Walk-Forward-Validierung, vektorisierte Verarbeitung ueber pandas. Der gesamte Prozess ist reproduzierbar.

Code auf GitHub: github.com/empenoso/llm-stock-market-predictor

Quelle: Habr Autor: Mikhail Shardin