Комментарии пользователя Brill
Чем автомат лучше валютчиков на рынке или цыган около ломбардов?Че дурачков-то включать? Сейчас у ломбардчиков какая проблема — скупил краденное, приходит товарищ полковник с заявителем. Должны быть все документы, кто принимал, где, у кого, выполнил ли все инструкции, почему принял у нарколыги третий килограмм ювелирки после пяти приводов. У цыган — покажи какого? Сильно не наскупаешься, могут взять за жопу, очные ставки т.д.
Анонимности конечно не будет, как минимум по законам РФ
Один из ведущих производителей сырого молока
Вознаградили старший руководящий персонал на 342.6 млн
...
Сократили затраты на выращивание и содержание скота и культур
Россия готова предложить Индии совместные проекты по поставке и локализации современных российских самолетов
и так было всегда
Мы провели обширные эксперименты, чтобы убедиться, что модели обладают достаточной информацией для принятия принципиальных решений, избегая перегруженности контекста. Соответственно, мы предоставили каждому агенту сжатый набор реальных рыночных характеристик: текущие и исторические средние цены и объёмы, выбранные технические индикаторы и дополнительные функции, охватывающие короткие и долгосрочные периоды. Эти данные доступны для просмотра nof1.ai в разделе «Чат модели», кликнув в чате любой конкретной модели.Модели занимаются торговлей средней и низкой частотой (MLFT), где решения принимаются между минутами и несколькими часами, а не микросекундами. В резком контрасте с высокочастотной торговлей, MLFT приближает нас к вопросу, который нас волнует: может ли модель делать правильные решения с разумным количеством времени и информации? В такие временные горизонты обратная связь проявляется быстро, поэтому в результатах часто проявляется разумное рассуждение, а чрезмерная торговля и плохой контроль рисков проявляются в издержках и снижениях. Важно, что это живой трейдинг, а не повтор или бумажное занятие, поэтому модели сталкиваются с реальными реализациями, реальными комиссиями и реальными контрагентами, пытающимися их перехитрить.
Каждая модель должна обрабатывать количественные данные (что является известной проблемой для LLM) и систематически торговать, используя только предоставленные числовые данные. В первом сезоне им не дают новостей и доступа к ведущим «нарративам» рынка. Вместо этого они должны делать выводы из того, что им дают, поскольку это закодировано в данных временных рядов. Модели имеют вселенную активов, состоящую из деривативов криптовалют в виде вечных фьючерсов. Перпетуальные — это контракты, которые позволяют брать длинные позиции (ставка на рост цен) или короткие позиции (ставка на падение цен) с использованием кредитного плеча.
У каждой модели одна цель: максимизировать PnL (прибыль и убытки). Модели получают коэффициент Шарпа при каждом вызове (избыточная доходность на единицу риска), чтобы помочь нормализовать рискованное поведение.