manatee
1.0.0
| 제목 | 이모티콘 | 색상 | Colorto | SDK | sdk_version | app_file | 고정 | 특허 | short_description |
|---|---|---|---|---|---|---|---|---|---|
Manatee (LM) : 언어 모델 아키텍처를 기반으로 한 시장 분석 | ? | 파란색 | 빨간색 | Gradio | 4.22.0 | app.py | 진실 | 아파치 -2.0 | 언어 모델 아키텍처를 기반으로 한 시장 분석 |
이 프로젝트는 LLM을 사용하여 Amazon Web Services 및 Amazon Supply Chain Optimization Technologies의 "Chronos : 시계열 언어 학습"논문을 기반으로 예측 목적으로 시계열 데이터를 분석하는 데 중점을 둡니다. Manatee Project는 금융 증권에 대한 과거 데이터를 가져, 계산 및 플롯하여 Alpaca와 Polars의 API를 활용하고 데이터 조작 및 시각화를위한 음모를 활용하도록 설계되었습니다. 롤링 평균 및 상대 강도 지수 (RSI) 계산과 같은 기능을 통해이 도구는 주식 및 암호화 자산의 과거 성능을 분석하는 데 도움이됩니다.
출처 :
이 작업에서 우리는 물러서서 다음과 같이 묻습니다. 다음 토큰을 예측하는 언어 모델과 다음 값을 예측하는 시계열 예측 모델의 근본적인 차이점은 무엇입니까? 명백한 구별에도 불구하고, 유한 사전과의 유한 사전과의 값과 무한, 일반적으로 연속적인 도메인의 값에도 불구하고, 둘 다 노력은 근본적으로 데이터의 순차적 구조를 모델링하여 미래 패턴을 예측하는 것을 목표로합니다. 좋은 언어 모델이 시계열에서 "그냥 작동"해서는 안됩니까? 이 순진한 질문은 우리에게 시계열 별 수정의 필요성에 도전 할 것이며, 이에 대한 대답으로 인해 시계열 예측에 최소한으로 적응 된 언어 모델링 프레임 워크 인 Chronos를 개발하게되었습니다. Chronos는 실제 값의 간단한 스케일링 및 양자화를 통해 시계열을 이산 빈으로 토큰 화합니다. 이런 식으로, 우리는 모델 아키텍처를 변경하지 않고이“시계열의 언어”에 대해 상용 언어 모델을 훈련시킬 수 있습니다. 놀랍게도,이 간단한 접근 방식은 효과적이고 효율적이며 언어 모델 아키텍처가 최소한의 수정으로 광범위한 시계열 문제를 해결할 수있는 잠재력을 강조합니다. [...]
json : JSON 데이터를 구문 분석하기위한 내장 Python 라이브러리. 설치가 필요하지 않습니다.
datetime & time : 처리 날짜 및 시간을위한 내장 Python 라이브러리. 데이터 가져 오기 시간 프레임을 정의하는 데 여기에서 사용됩니다. 설치가 필요하지 않습니다.
plotly ( px ) : 대화식 플롯을 만드는 데 사용되는 Plotly에 사용하기 쉬운 인터페이스를 제공합니다. PIB를 통해 설치 :
pip3 install plotly polars ( pl ) : 금융시 당시 데이터에 이상적인 빠른 데이터 프레임 라이브러리. PIP를 사용하여 설치 :
pip3 install polars alpaca-py : Alpaca API 용 Python 라이브러리. 역사적 주식/암호화 데이터 및 거래 운영에 대한 액세스를 제공합니다. PIP를 사용하여 설치 :
pip3 install alpaca-trade-api모든 종속성을 설치하려면 다음 명령을 사용할 수 있습니다.
pip3 install plotly polars alpaca-py transformers gradio spaces참고 : 이러한 라이브러리 설치를 진행하기 전에 시스템에 Python이 설치되어 있는지 확인하십시오.
API 키 관리 : 보안상의 이유로 API 키를 스크립트로 하드 코딩하지 마십시오. 환경 변수 또는 보안 금고 서비스를 고려하십시오.
데이터 개인 정보 보호 : 재무 데이터를 처리 할 때는 데이터 보호 규정 (예 : GDPR, CCPA)을 준수하는 것이 중요합니다. 이 도구를 통해 가져온 데이터를 사용하고 공유 할 권리가 있는지 확인하십시오.
오류 처리 : 스크립트에는 기본 오류 처리가 포함되어 있지만 프로덕션 사용의 경우 네트워크 오류, API 제한 예외 및 데이터 불일치를 처리하기위한보다 포괄적 인 Try-except 블록을 구현하는 것을 고려하십시오.
플롯팅 고려 사항 :이 도구는 시각화를 위해 플롯을 사용합니다.이 도구는 매우 다양하지만 대규모 데이터 세트의 경우 리소스 집약적 일 수 있습니다. 대형 데이터 세트를 분석하려면 데이터 포인트가 적은 플롯을 작성하거나 플로팅하기 전에 데이터를 집계하는 것을 고려하십시오.
자원 관리 : 대규모 데이터 세트 또는 수많은 API 요청을 처리 할 때는 과부하를 피하기 위해 시스템 및 API 사용을 모니터링하십시오.
버전 제어 : 정기적으로 종속성을 업데이트합니다. 재무 API 및 데이터 처리 라이브러리가 발전하고 최신 상태로 유지하면 새로운 기능의 보안, 효율성 및 접근성을 향상시킬 수 있습니다.
연구 에서이 코드를 사용하는 경우 다음 Bibtex 항목을 사용하십시오.
@misc { louisbrulenaudet2023 ,
author = { Louis Brulé Naudet } ,
title = { MANATEE(lm) : Market Analysis based on language model architectures } ,
howpublished = { url{https://huggingface.co/spaces/louisbrulenaudet/manatee} } ,
year = { 2024 }
}
의견이 있으시면 [email protected]으로 연락하십시오.
