Розробка AI-системи аналізу макроекономічних даних для торгівлі

Розробка AI-системи аналізу макроекономічних даних для торгівлі

Макроекономічні індикатори — ВВП, інфляція, безробіття, ставки — визначають довгострокові тренди активів. Складність у тому, що ринок торгує очікуванням, а не фактами: не саме значення CPI важливо, а відхилення від консенсус-прогнозу. AI-система аналізує весь спектр макро-даних та формує торгові сигнали.

Джерела макроекономічних даних

Офіційна статистика:

• США: FRED (Federal Reserve Economic Data) — 800,000+ серій, безплатно через API
• Єврозона: Eurostat, ECB Statistical Data Warehouse
• Росія: Центральний банк, API Росстату, data.gov.ru
• Глобальне: IMF Data API, World Bank, OECD.Stat

Економічний календар:

• Investing.com API / Bloomberg Economic Calendar
• Tradingeconomics.com
• ForexFactory (для форекс трейдерів)

Surprise дані:

Economic Surprise = Actual - Consensus Estimate
Citi Economic Surprise Index (CESI) — агрегований індикатор
Bloomberg Economic Surprise Index

Категоризація макро-індикаторів за торговельним впливом

NLP-аналіз монетарної політики

FOMC statements, протоколи засідань ЦБ — тональність тексту впливає на ринки:

Hawkish vs. Dovish Classifier:

from transformers import pipeline

# Fine-tuned FinBERT або RoBERTa на текстах монетарної політики
classifier = pipeline("text-classification", model="central-bank-hawk-dove-v2")
result = classifier(fomc_statement_text)
# {'label': 'HAWKISH', 'score': 0.82}

Central Bank Communication Index: Числовий індекс тональності кожного ЦБ-заяви. Зміна індексу = зміна сигналу про майбутні ставки.

Fed Watcher лінгвістика: конкретні фрази ("patient", "data-dependent", "meeting-by-meeting") мають встановлені ринкові інтерпретації. Словник з 200+ фраз з тональністю.

Nowcasting моделі

Офіційний ВВП публікується з затримкою 30-90 днів. Nowcasting — оцінка поточного ВВП в реальному часі за більш частими індикаторами:

Змінні:

• Щотижневі: jobless claims, retail chains same-store sales
• Щомісячні: retail sales, industrial production, housing starts
• Високочастотні: electricity consumption, freight volumes, OpenTable restaurant bookings

Nowcasting моделі:

• Factor model (DFM — Dynamic Factor Model): стандарт у центробанках
• MIDAS (Mixed Data Sampling): працює зі змінними різної частоти
• Machine learning: XGBoost з feature engineering з mixed-frequency даних

Atlanta Fed GDPNow — публічний приклад nowcasting у production.

Business Cycle Dating

Визначення поточної фази циклу впливає на аллокацію:

Hidden Markov Model для фаз циклу: 4-стан HMM на monthly macro індикаторах. Emission probabilities відповідають розподілам змінних у кожній фазі.

Система торгових сигналів

Macro Momentum Score:

def compute_macro_score(indicators):
    """
    Composite macro momentum: зважена сума нормалізованих
    3-місячних змін ключових індикаторів
    """
    weights = {
        'pmi_manufacturing': 0.20,
        'pmi_services': 0.15,
        'unemployment_change': -0.15,
        'retail_sales_mom': 0.10,
        'cpi_surprise': -0.20,  # негативна: висока інфляція = bearish
        'industrial_production': 0.10,
        'yield_curve_slope': 0.10
    }
    return sum(weights[k] * zscore(indicators[k]) for k in weights)

Торгові правила:

• Macro Score > 1.5σ: overweight equities, underweight bonds
• Macro Score < -1.5σ: underweight equities, overweight bonds + gold
• Yield curve inversion: збільшити recession hedge (long bonds, volatility)

Часовая шкала: базовий data pipeline з FRED + economic calendar — 2-3 тижні. Система з NLP-аналізом ЦБ, nowcasting та торговими сигналами — 3-4 місяці.