| 标题 | 表情符号 | 颜色 | 科洛特 | SDK | sdk_version | app_file | 固定 | 执照 | short_description |
|---|---|---|---|---|---|---|---|---|---|
海牛(LM):基于语言模型架构的市场分析 | ? | 蓝色的 | 红色的 | Gradio | 4.22.0 | app.py | 真的 | Apache-2.0 | 基于语言模型架构的市场分析 |
该项目的重点是使用LLM根据“ Chronos:学习时间序列的语言”论文分析时间序列数据以进行预测目的,来自亚马逊网络服务和亚马逊供应链优化技术。海牛项目旨在获取,计算和绘制金融证券的历史数据,利用羊驼的API以及Porars的力量,并策划数据操纵和可视化。通过计算滚动平均值和相对强度指数(RSI)之类的功能,该工具还有助于分析股票和加密资产的过去绩效。

来自来源:
在这项工作中,我们退后一步,问:一个预测下一个令牌的语言模型与预测下一个值的时间序列模型之间的基本差异是什么?尽管有明显的区别 - 来自有限词典的令牌与无限型(通常是连续域的价值)的象征 - 两者从根本上旨在建模数据的顺序结构,以预测未来的模式。好的语言模型不应该在时间序列上“工作”?这个天真的问题促使我们挑战了特定时间序列的修改的必要性,并回答了它,使我们开发了Chronos,这是一个最少适用于时间序列预测的语言建模框架。通过简单的缩放和真实值的量化,计时将时间序列分解为离散箱。这样,我们可以在这个“时间序列”上训练现成的语言模型,而不会改变模型体系结构。值得注意的是,这种简单的方法被证明是有效而有效的,强调了语言模型体系结构解决广泛的时间序列问题的潜力,并以最小的修改解决了。 [...]
json :一个用于解析JSON数据的内置Python库。无需安装。
datetime和time :内置的Python库,用于处理日期和时间。此处用于定义数据获取的时间范围。无需安装。
plotly (AS px ):提供一个易于使用的界面,用于创建交互式图。通过PIP安装:
pip3 install plotly polars (AS pl ):一个快速数据范围库,非常适合财务时间序列数据。使用PIP安装:
pip3 install polars alpaca-py :羊驼API的Python库。它提供了对历史股票/加密数据和交易操作的访问权限。使用PIP安装:
pip3 install alpaca-trade-api要安装所有依赖项,您可以使用以下命令:
pip3 install plotly polars alpaca-py transformers gradio spaces注意:在进行这些库的安装之前,请确保您在系统上安装了Python。
API密钥管理:出于安全原因,请避免将您的API密钥进行硬编码。考虑使用环境变量或安全的保险库服务。
数据隐私:处理财务数据时,遵守数据保护法规至关重要(例如GDPR,CCPA)。确保您有权使用和共享通过此工具获取的数据。
错误处理:该脚本包括基本错误处理,但是对于生产使用,请考虑实现更全面的尝试障碍物来处理网络错误,API限制异常和数据不一致。
绘制注意事项:此工具将绘图用于可视化,这是非常通用的,但对于大型数据集可能是资源密集的。为了分析大型数据集,请考虑在绘图之前创建具有更少数据点的曲线或汇总数据。
资源管理:处理大型数据集或大量API请求时,请监视系统和API的用法以避免过载。
版本控制:定期更新您的依赖项。财务API和数据处理库的发展,并使它们保持最新可以提高新功能的安全性,效率和可访问性。
如果您在研究中使用此代码,请使用以下Bibtex条目。
@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 }
}
如果您有任何反馈,请通过[email protected]与您联系。