Machine Learning Stock

PredI Architecture Overview
Questo documento descrive in breve le componenti applicative della soluzione PredI.
PredI – Predictive Finance
Panoramica
1
2
3
4
5
Le sorgenti dati sono di 3 diverse tipologie:
- dati provenienti dai provider di notizie
- dati provenienti dai feed di Tweetter
- dati provenienti dai provider di prezzi di borsa
Ciascuna sorgente è gestita da un proprio servizio.
Due Machine Learning sono dedicate alla valorizzazione del sentiment dei feed di Twitter e delle
news dei provider
Una Machine Learning realizza l’algoritmo di predizione finanziaria (Markov Hidden) basato sugli
andamenti storici dei prezzi dei titoli
Il livello dei servizi applicativi è costituito da diversi servizi indipendenti che si occupano di
consolidare e storicizzare i dati.
Un servizio si occupa di valorizzare le valutazioni dei diversi algoritmi e dati in un'unica valutazione
che tiene conto delle correlazioni storiche tra le stesse.
Un database di SQL Azure consolida e storicizza i dati necessari ai calcoli e i relativi risultati
Gli Azure Mobile Service offrono un livello di astrazione basato su Web API che permettono quindi
di dialogare con PredI sia da applicazioni mobili, sia attraverso il sito web (questo sito).
Le Web API possono essere rese sicure, monitorate e gestite attraverso l’adozione della piattaforma
di Axway
PredI – Predictive Finance
FrontEnd
1
2
3
4
I Mobile Service permettono di esporre un insieme di Web API REST che permettono l’utilizzo di
PredI da diverse APP anche di terze parti.
L’autentica e autorizzazione dell’utente così come i dati relativi al suo profilo sono considerati
esterni alla soluzione di PredI.
Il supporto per l’autenticazione è via integrazione Oauth e relativi claim.
La piattaforma di AxWay permette in modo opzionale di rendere sicura, monitorata e gestita la
connessione dei diversi utilizzatori delle Web API. (http://www.axway.com/it)
Il sito web (http://www.predi.it) offre nella sezione come funziona un esempio di utilizzo di PredI nel
caso di trading intraday su azioni.
PredI – Predictive Finance
Machine Learning Stock
1
2
3
4
5
Un servizio (Azure Cloud Service) si occupa di interrogare il provider dei dati di borsa dei titoli in
anagrafica.
La frequenza di aggiornamento dipende dal contesto di utilizzo di PredI, da minuti nel caso di
opzioni binarie, a ore nel caso del trading di azioni e fino a giorni nel caso di fondi.
Un servizio si occupa di controllare e consolidare i dati del provider (o dei provider nei casi più
complessi) verso il database.
Il servizio calcola anche alcuni dati di rischio, nel caso gli stessi non siano offerti dai provider.
ML Predictive Stocks, è uno dei cuori intelligenti della soluzione. Applica un algoritmo di regressione
non lineare che prende fondamento dagli algoritmi di Hidden Markov Model e delle distribuzioni
multivariabili Gaussiane.
Un servizio si occupa di interrogare la ML di predizione finanziaria e di sottoporre i nuovi dati.
I risultati sono consolidati nella base dati
Il servizio di valutazione è la vera componente di logica applicativa. Il suo ruolo è quello di analizzare
le diverse predizioni e indicatori e di riassumerle in un unico indicatore.
Basa molti calcoli sulle correlazioni storiche pesate in modo variabile.
PredI – Predictive Finance
Providers
1
2
3
Un servizio (Azure Cloud Service) si occupa di interrogare le learning machine dedicate alla
classificazione dei feed delle news provenienti da diversi provider.
La pianificazione del servizio dipende dallo scenario in cui si applica PredI in relazione ai
tempi di trading previsti.
Due Machine Learning sono dedicate alla valorizzazione del sentiment dei feed di Twitter e delle
news dei provider
Alcuni provider di news professioni possono offrire già una classificazione dei feed (i.e. Bloomberg).
In tal caso la lerning machine non è necessaria.
I servizi di raccolta dei feed sia da Tweeter che da provider di News dialogano in modo coordinato
con le esigenze di dati da parte delle learning machine corrispondenti.
PredI – Predictive Finance