Рекомендательная подсистема платформы оценки эффективности финансовых алгоритмов

Считается, что 21 век относится к так называемой Информационной эре. В настоящее время данные являются ключевым элементом в различных аспектах человеческой жизни, включая финансы и торговлю, где их использование включает, но не ограничивается увеличением прибыли и снижением рисков. Ради этой цели разрабатываются рекомендательные системы, использующие вычислительные мощности и обеспечивающие различные типы показателей и прогнозов. Машинное обучение — это область, которая специализируется на поиске закономерностей и особенностей в больших объемах данных и превращении их в советы и решения. Хотя использование различных элементов искусственного интеллекта в финансовой сфере не является совершенно новой идеей, такие проекты по - прежнему рассматриваются как исследовательские, часто проводимые и управляемые вручную, поэтому в них присутствует приличное количество человеческого фактора — ошибок, предвзятости и так далее. Такая проблема уже поднималась в ряде смежных областей, включая работу К. Кондрашкина над созданием Платформы Оценки Эффективности Финансовых Алгоритмов - платформы, позволяющей создавать, тестировать и хранить программы, реализующие торговые алгоритмы. В текущей работе будет представлена Подсистема Рекомендаций для Платформы, что расширит определение “финансового алгоритма” в этой платформе от набора чисто математических операций над данными до использования внешних ресурсов и позволяя воспроизводить и автоматизировать тестирование моделей машинного обучения. Также понадобится перепроектирование некоторые элементов Платформы, чтобы позволить такое изменение. Результаты — рабочая Платформа с полностью функционирующей Подсистемой Рекомендаций, позволяющая одновременно развертывать и эксплуатировать различные модели машинного обучения, а также дополненный фреймворк Платформы, обеспечивающий лаконичный и удобный доступ к этим моделям.