AI‑алготрейдинг: как агент на nerve‑cli анализирует новости и генерирует инвестиционные сигналы
Автор создал прототип News Sentiment Trading, использующий nerve‑cli для скрейпинга новостей, сентимент‑анализа и рекомендаций по инвестициям.
В статье на Habr AI автор делится трёхлетним опытом разработки собственного AI‑агента для алгоритмической торговли. Когда термин «агентные модели» ещё звучал лишь в интервью Сергея Брина, а открытые модели использовались в основном для развлекательных ботов, автор запустил первый прототип с помощью утилиты nerve‑cli.
nerve‑cli – это консольный инструмент, позволяющий в бесконечном цикле посылать запросы к модели, подключать внешние утилиты и задавать цель через промпт. В рамках проекта агент автоматически писал скрейпер новостных ресурсов, собирал свежие статьи, проводил сентимент‑анализ (положительный/отрицательный тон) и формировал рекомендации по покупке или продаже активов.
Ключевые этапы системы:
- Скрейпинг: парсинг RSS‑лент, новостных сайтов и соцсетей.
- Сентимент‑анализ: использование открытой модели (например, LLaMA‑2) для оценки эмоционального окраса текста.
- Формирование сигнала: агрегирование результатов, фильтрация «шума» и вывод рекомендаций в виде простого CSV‑отчёта.
Автор отмечает, что основной вызов – отделить действительно значимый рыночный сигнал от информационного шума. Для этого он экспериментировал с различными окнами времени, весовыми коэффициентами и пороговыми значениями. По результатам тестов на исторических данных система показывала средний прирост портфеля в 3‑4 % за квартал, однако в периоды высокой волатильности наблюдались ложные сигналы.
Проект, названный News Sentiment Trading, остаётся прототипом, но уже привлек внимание нескольких небольших инвестфондов, которые планируют доработать его под собственные стратегии. Автор открыто делится кодом в GitHub и приглашает сообщество улучшать модель фильтрации шума.
Ссылки:
Для разработчиков AI‑трейдинга это подтверждает, что даже простые инструменты вроде nerve‑cli могут стать ядром полноценного пайплайна: скрейпинг, анализ и генерация сигналов. Главное – тщательно отрабатывать фильтрацию шума, иначе риски ложных сделок растут. Студенты могут использовать открытый код как учебный стенд для экспериментов с сентимент‑моделями.
