Bộ lọc cổ phiếu AI

Tách chọn ứng viên khỏi khuyến nghị

Dùng quy tắc rõ để thu nhỏ một vũ trụ đã định nghĩa, rồi yêu cầu AI tìm hiểu các công ty đạt. Ví dụ, sàng lọc mối quan hệ được ghi nhận giữa tạo tiền và lợi nhuận kế toán, sau đó đọc hồ sơ liên quan để hiểu khác biệt. Định nghĩa chỉ số, ngưỡng và quy tắc dữ liệu thiếu trước khi chạy. Kết quả là danh sách ứng viên cùng lý do cần điều tra thêm. Giữ theo dõi định tính tách khỏi chọn số để người rà soát biết vì sao từng công ty xuất hiện và còn cần bằng chứng nào.

Chọn giữa bộ lọc, rà soát ngữ nghĩa và thí nghiệm

Các công cụ sàng lọc khác nhau giải quyết vấn đề khác nhau. Bộ lọc có cấu trúc dễ tái lập nhất khi trường có định nghĩa rõ. Rà soát ngữ nghĩa có thể xác định mô tả doanh nghiệp và rủi ro đã công bố mà trường số bỏ sót. Tín hiệu học được cần framework đánh giá và dataset theo thời điểm. Chỉ kết hợp theo thứ tự đó khi tác vụ cần. Đừng dùng thứ hạng do LLM tạo thay cho việc định nghĩa vũ trụ hoặc xử lý trường tài chính không khả dụng.

Định nghĩa vũ trụ vượt qua được rà soát lịch sử

Ghi phạm vi sở giao dịch, loại chứng khoán, loại cổ phần và ngày xác định thành viên. Quyết định cách xử lý niêm yết phụ, chứng chỉ lưu ký, công cụ bị đình chỉ và công ty hủy niêm yết. Bộ lọc lịch sử xây từ mã còn tồn tại hôm nay trả lời câu hỏi khác bộ lọc theo thời điểm. Sàng lọc quốc tế cũng cần chính sách tiền tệ và lịch tài chính. Giữ ứng viên bị loại kèm mã lý do để người rà soát biết công ty trượt quy tắc hay vắng mặt vì nhà cung cấp thiếu dữ liệu.

Chuẩn hóa trường trước khi so sánh công ty

Ánh xạ mỗi chỉ số tới khái niệm nguồn, kỳ, tiền tệ và đơn vị. So sánh các chỉ tiêu kế toán cùng loại thay vì coi mọi trường mang tên earnings là có thể hoán đổi. Giữ việc giá trị được báo cáo, điều chỉnh hay phái sinh và liệu hồ sơ sau có sửa nó không. Tỷ lệ cần chính sách mẫu số; giá trị thiếu, mẫu số âm và kỳ không so sánh được phải tạo trạng thái rõ. Tài liệu XBRL của SEC giải thích dữ kiện công ty tổng hợp, nhưng hồ sơ gốc vẫn cần khi tag hoặc ngữ cảnh không thể hiện ý nghĩa kinh doanh cần.

Chạy quy tắc trong mã với trạng thái kết quả ổn định

Ví dụ là primitive sàng lọc nhỏ có chủ ý, không phải chiến lược đầu tư hoàn chỉnh. Nó so sánh chỉ số được cung cấp với ngưỡng được cung cấp và từ chối đầu vào thiếu hoặc không hữu hạn. Chủ sở hữu quy tắc vẫn phải định nghĩa chỉ số và chọn comparator phù hợp. Giữ quyết định ngoài mô hình làm tập ứng viên tái lập. Lưu phiên bản quy tắc và tham chiếu đầu vào cạnh kết quả, rồi rà soát công ty đạt bằng công bố thực thay vì yêu cầu mô hình điền giá trị thiếu.

from math import isfinite

def minimum_metric(value, threshold):
    if value is None or threshold is None:
        return {"state": "unavailable", "code": "MISSING_INPUT"}
    if not isfinite(value) or not isfinite(threshold):
        return {"state": "unavailable", "code": "NONFINITE_INPUT"}
    return {
        "state": "pass" if value >= threshold else "fail",
        "code": "MINIMUM_METRIC",
    }

Dùng AI rà soát bằng chứng ứng viên

Với từng ứng viên, cung cấp kết quả quy tắc, định nghĩa đầu vào và đoạn nguồn. Yêu cầu mô hình xác định thay đổi kế toán, sự kiện một lần, công bố mâu thuẫn và câu hỏi cần con người điều tra. Giữ văn xuôi định tính riêng với quy tắc số. Nếu người rà soát đổi trạng thái ứng viên, ghi quyết định và bằng chứng như một lớp khác. Đầu ra hữu ích gồm lý do đạt gốc, lời giải thích ngắn, vị trí nguồn hỗ trợ và câu hỏi chưa giải quyết. Gom câu hỏi liên quan để theo dõi thay vì để mỗi ứng viên kích hoạt tác vụ nghiên cứu không giới hạn.

So sánh phần mềm bằng gói kiểm thử có thể xuất

Cấp cho các công cụ ứng viên cùng vũ trụ được phép, thời điểm chốt dữ liệu và định nghĩa quy tắc. Kiểm tra chúng có xuất trường đầu vào, lý do loại và liên kết nguồn không, thay vì chỉ thứ hạng cuối. Với sản phẩm hosted, hỏi dữ liệu tùy chỉnh, thành viên lịch sử và bản sửa đổi có thể xuất không. Với stack local, tính việc duy trì ánh xạ dữ liệu và phụ thuộc. OpenBB là tham chiếu nền tảng dữ liệu và Qlib là tham chiếu thí nghiệm; không cái nào nên được quảng bá là sản phẩm sàng lọc APIsRouter hoàn chỉnh đã kiểm thử chỉ vì lớp trên có thể gọi mô hình.

Lập ngân sách khối lượng rà soát và ghi phạm vi thất bại

Tính bộ lọc rẻ trước khi gửi tài liệu dài cho mô hình, rồi giới hạn số ứng viên nhận rà soát chi tiết. Lưu đệm trích xuất theo bản sửa đổi nguồn và giữ ảnh chụp màn hình sàng lọc bất biến. Lần chạy lặp trên đầu vào không đổi phải phân biệt được với sự kiện nghiên cứu mới. Theo dõi ứng viên không khả dụng cùng yêu cầu mô hình, phí dữ liệu và nỗ lực rà soát. So sánh hai phương pháp trên cùng vũ trụ và thời điểm chốt, rồi kiểm tra ứng viên khác nhau và lý do. Cách này hữu ích hơn so sánh độ dài danh sách cuối mà không xét phạm vi và định nghĩa quy tắc.

Bằng chứng và phạm vi

Phép so sánh dựa trên nguồn dữ liệu và framework chính thức. Mã là primitive bộ lọc minh họa, không phải sàng lọc cổ phiếu hiện tại hay chiến lược đã kiểm thử. Không cung cấp kết quả ứng viên, lợi nhuận hay chi phí tác vụ đo được. Giữ ảnh chụp vũ trụ và bộ quy tắc đã rà soát khi chạy ca sàng lọc của bạn.

Câu hỏi thường gặp