FinGPT : Plate-forme Open Source de modélisation financière en Big Language pour l'analyse et la prédiction financières

Introduction générale

FinGPT est une plateforme open source de modélisation du big langage financier développée par la Fondation AI4Finance, conçue pour le secteur financier afin de résoudre des tâches financières complexes et de stimuler l'innovation dans la fintech.FinGPT s'appuie sur des techniques d'adaptation légères et des méthodes d'apprentissage par renforcement pour fournir des outils puissants pour le traitement, l'analyse et la prédiction des données financières. Par rapport aux grands modèles financiers traditionnels, tels que BloombergGPT, FinGPT a un coût de formation plus faible et une plus grande flexibilité, en particulier pour les petites équipes et les développeurs individuels. La plateforme prend en charge un large éventail de tâches financières, notamment l'analyse des sentiments, l'extraction des relations financières, la classification des nouvelles, la reconnaissance des entités nommées et la prédiction quantitative, offrant ainsi aux utilisateurs un large éventail de scénarios d'application.

Liste des fonctions

• Analyse des données financièresLe système de gestion des données : fournit une variété d'outils d'analyse de données pour soutenir l'analyse de données historiques et de données en temps réel.
• prévisions du marchéLe site web de l'Agence européenne pour la sécurité et la santé au travail (ESA) : prévisions des tendances du marché à l'aide de grands modèles linguistiques pour aider les utilisateurs à élaborer des stratégies d'investissement
• Aide à la décision d'investissementLes services de conseil en investissement : fournir des conseils d'investissement intelligents pour aider les utilisateurs à optimiser leurs portefeuilles.
• plateforme open sourceTous les outils et modèles sont à code source ouvert et les utilisateurs peuvent librement accéder au code et le modifier.
• Soutien communautaireLes utilisateurs ont accès à une assistance technique rapide et à des possibilités de mise en réseau grâce à une communauté active de développeurs.
• support multitâcheL'analyse des sentiments, l'extraction des relations financières, la classification des nouvelles, la reconnaissance des entités nommées et les prévisions quantitatives sont autant de tâches qui peuvent être prises en charge par le système de gestion de l'information.
• Traitement multimodal des donnéesLes compétences requises sont les suivantes : capacité à traiter des données financières multimodales provenant d'actions, de contrats à terme, de crypto-monnaies et d'autres marchés ; capacité à gérer le risque de change ; capacité à gérer le risque de change.

Utiliser l'aide

Processus d'installation

1. Préparation de l'environnementPour cela, vous devez vous assurer que Python 3.6 et plus est installé et que vous disposez d'un périphérique GPU de base (RTX 3090 ou plus recommandé).
2. Installation de FinGPTPour installer FinGPT, exécutez la commande suivante dans un terminal :

   pip install fingpt

3. entrepôt de clonesPour cloner le dépôt FinGPT, exécutez la commande suivante dans un terminal :

   git clone https://github.com/AI4Finance-Foundation/FinGPT.git

4. Installation des dépendancesLe projet doit être installé dans le répertoire du projet et les dépendances doivent être installées :

   cd FinGPT
pip install -r requirements.txt

5. Environnement de configurationLes services d'assistance à la clientèle : Configurer les variables d'environnement et les paramètres connexes en fonction des exigences du projet.

Préparation des données

FinGPT fournit un support pour plusieurs ensembles de données open source, qui peuvent être accédés à partir des liens ci-dessous :

• fingpt-sentiment-train
• fingpt-headline

Stocker l'ensemble de données dans le fichier data à charger en vue de son utilisation.

Processus d'utilisation

1. Préparation des donnéesImportation des données financières à analyser dans le répertoire du projet dans l'espace de travail. data Dossier.
2. formation au modèleLa formation du modèle : Exécutez la commande suivante pour la formation du modèle :

   python train.py --config config.yaml

Les utilisateurs peuvent apporter les modifications nécessaires config.yaml dans le fichier pour ajuster les détails de l'apprentissage du modèle.

3. prédiction du modèleLes résultats de la formation sont présentés ci-dessous : une fois la formation terminée, exécutez la commande suivante pour faire une prédiction de marché :

   python predict.py --model model.pth --data data/test.csv

Les résultats de la prédiction seront enregistrés dans le fichier results l'utilisateur peut effectuer d'autres analyses sur la base des résultats.

Fonctions principales et démonstration du code

Exemple 1 : Analyse des sentiments financiers

Le code suivant montre comment charger le modèle d'analyse du sentiment de FinGPT et faire des prédictions de sentiment pour les nouvelles :

from fingpt import FinGPT
# 初始化模型
model = FinGPT.load_pretrained("fingpt-sentiment_llama2-13b_lora")
# 输入金融新闻
text = "Apple's revenue exceeds expectations in Q3 earnings."
# 执行情感分析
result = model.analyze_sentiment(text)
print(result)  # 输出：Positive

Exemple 2 : Prévisions concernant les actions

FinGPT propose le module FinGPT-Forecaster, qui permet de prévoir l'évolution du cours des actions :

from fingpt.forecaster import FinGPTForecaster
# 初始化预测器
forecaster = FinGPTForecaster()
# 设置预测参数
params = {
"ticker": "AAPL",
"start_date": "2023-01-01",
"news_window": 4,  # 检索过去 4 周的新闻数据
"add_financials": True  # 添加最新财务指标
}
# 进行预测
prediction = forecaster.predict(params)
print(prediction)

Une fois lancé, le système renvoie une analyse détaillée de l'action de l'entreprise et une prévision de l'évolution future des cours.

Fonctions vedettes

• Traitement des données en temps réelLe traitement des données financières en temps réel permet aux utilisateurs de réagir rapidement à l'évolution du marché.
• Prise en charge multilingueLa plate-forme prend en charge un large éventail de langages de programmation et d'outils, ce qui permet aux utilisateurs de choisir l'environnement de développement approprié en fonction de leurs besoins.
• Contributions communautairesLa plateforme GitHub permet aux utilisateurs de soumettre du code et des suggestions pour améliorer les projets avec des développeurs du monde entier.