Теперь можно отследить график котировок наложенный на изменения индекса информационного фона, посмотреть список новостей, которые используются при формировании индекса с кратким описанием положительных и отрицательных аспектов новости.
Жду дальнейшего накопления информации по изменению индексу...
Вы когда-нибудь замечали, что цены в магазинах растут быстрее, чем обещает статистика? Многие из нас, глядя на официальные данные об инфляции в 4-7%, скептически качают головой, вспоминая, как еще год назад могли купить гораздо больше за те же деньги. Этот разрыв между "бумажной" инфляцией и реальной жизнью заставляет задуматься.
Поэтому сделал раздел Инфляция, где буду считать реальную инфляцию на одни и те же группы товаров. На данный момент настроил минимальную продуктовую корзину на месяц по Москве. Она оказалось довольно не высокой, порядка 8000 руб. То есть на эти деньги в Москве реально питаться месяц и не умереть с голоду.
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:
Нейтральная: фактологическая информация без явной оценки.
Взвешивание и расчет: Разным источникам и типам упоминаний присваиваются разные веса (упоминание в крупном СМИ важнее, чем в маленьком блоге). На основе этого рассчитывается итоговый индекс. Он может быть представлен в виде числа (например, от -10 до +10) или градации (например, "крайне негативный", "нейтральный", "крайне позитивный").
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.
Как рассчитывается итоговый результат?
Расчет итогового результата ведется по алгоритму экспоненциального затухания.
Идея: каждая оценка "теряет вес" со временем по экспоненте. Чем старше оценка, тем меньше её вклад.