В прошлом этапе я сделал уже анализ новости с помощью ИИ и следующее что я решил сделать это улучшение промта. Потребовалось сделать инструкцию более детальной, чтобы модель стабильно возвращала результат в едином формате и точнее определяла значимость новости. Доработка не заняла много времени, однако я осознаю, что в дальнейшем потребуется более глубокая калибровка: модель должна тоньше различать степень и характер влияния инфоповодов на конкретные активы.

Вторая задача сбор биржевых данных по компаниям. Признаюсь, тема для меня относительно новая, и я решил разобраться, какие индикаторы необходимы для анализа. от количества индикаторов я офигел во-первых, критически важно отслеживать индекс Мосбиржи, поскольку динамика большинства акций с ним коррелирует. Во-вторых, внушительный набор фундаментальных показателей: дивидендная история, Payout ratio, Market cap, P/E, P/B, EPS и множество других. Часть метрик выводится из предыдущих расчётным путём, другая попросту не публикуется компаниями. Задача нетривиальная, но решение будет найдено.

На текущем этапе решил не углубляться во все индикаторы сразу, а собрать те, что уже заложены в схему БД, плюс несколько дополнительных критически важных параметров. Схему базы немного расширил. В качестве источника данных выбрал API Т-Банка она удобная и хорошо задокументированная платформа для получения биржевой информации, легко интегрируется в проект. Написал лёгкий скрипт и успешно получил первый набор данных и подключил библиотеку ta.trend она позволяет рассчитывать технические индикаторы (скользящие средние, MACD и другие) на основе полученных котировок, что существенно ускоряет подготовку данных для дальнейшего анализа

ИЩУ РАБОТУ P.S. проект все равно буду писать даже если найду работу) P.P.S.Если у вас есть какие то советы к примеру моему проекту или как улучшить резюме то пишите, всегда рад выслушать и улучшить себя и свои навыки