Классификация текста — это автоматическое распределение информации по предзаданным категориям при помощи нейросети. Для инвестора это означает обработать большой объём новостей, отчётов и постов за минуты вместо часов. Основной результат: экономия времени и снижение вероятности упустить ключевые сигналы из портфеля.
Поиск находит информацию по ключевому слову, а классификация распределяет весь текст по категориям, которые вы заранее определили. Для портфеля это критично: вместо фильтрации новостей по словам вы получаете структурированный поток по тематикам (дивиденды, слияния, санкции), что ускоряет анализ и снижает вероятность пропустить важный нюанс.
Современные модели (Claude, ChatGPT, Gemini) достигают 85–95% точности на хорошо разработанной классификации, но это зависит от качества примеров и чёткости определений категорий. Если категории размыты или текст содержит многозначные данные, ошибки неизбежны — всегда оставляйте буфер на ручную проверку критичных решений.
Не обязательно. APIs чат-моделей (OpenAI, Anthropic) позволяют категоризировать текст через простой запрос без программирования. Для больших объёмов (тысячи докладов в день) можно настроить автоматизацию через no-code инструменты или простой Python-скрипт. Для первого теста хватит и ручной обработки 50–100 примеров в интерфейсе ChatGPT.
Зависит от вашей стратегии, но обычно используют: корпоративные события (слияния, дивиденды, отставки), риски (санкции, судебные иски, отзывы), рыночные сигналы (рост/падение конкурентов, изменения в квартальных отчётах), макро (ЦБ, инфляция, регулирование). Главное — не делать больше 10–15 категорий, иначе модель запутается в дефинициях.
Для малого проекта (500–1000 примеров) можно обойтись своим временем, но если нужны тысячи примеры, рассчитывайте 50–200 ₽ за один пример в зависимости от сложности и источника разметчиков. Биржи фриланса (Яндекс.Толока, платформы разметки) предлагают цены от 20–30 ₽ за задачу. Экономнее сначала автоматизировать подготовку данных.
Если используете промпт (инструкцию) без fine-tuning, переучивание не требуется — достаточно уточнять определения категорий каждые 2–3 месяца на основе ошибок. При fine-tuning (когда вы обучаете модель на своих данных) рекомендуется обновлять примеры раз в месяц, если появились новые типы текстов или категории изменили смысл.
Fine-tuning — это переучивание модели на ваших примерах, чтобы она лучше понимала вашу специфику. Обычное API — это просто передача текста в готовую модель с инструкцией. Fine-tuning нужен, если ошибок более 10–15%, иначе хватит инструкции.
| Модель | Точность на текстах | Стоимость API |
|---|---|---|
| Claude 3.5 Sonnet | 90–95% | от 0,003 $/1K токенов |
| GPT-4o | 88–93% | от 0,003 $/1K токенов |
| Gemini 2.0 Flash | 85–90% | от 0,001 $/1K токенов |
| Mistral 8x22B | 82–88% | от 0,001 $/1K токенов |
| Критерий | Промпт-инструкция | Fine-tuning модели |
|---|---|---|
| Скорость внедрения | За день | За неделю–месяц |
| Точность на новых текстах | 85–90% | 92–97% |
| Гибкость изменения категорий | Высокая (изменил промпт) | Низкая (нужна переучивание) |
| Стоимость внедрения | 500–5000 ₽ | 50 000–500 000 ₽ |
| Требует программиста | Нет | Да |
Выпишите 8–12 категорий для вашего портфеля (например: «Дивиденды и бонусы», «Корпоративные события», «Риски и санкции», «Макроэкономика»). Каждая категория должна иметь точное определение и 3–5 примеров текстов, чтобы нейросеть поняла, что вы имеете в виду.
Соберите 50–100 текстов новостей, отчётов или постов для каждой категории (если у вас 8 категорий, это 400–800 текстов). Хватит и ручной классификации за несколько часов. Цель — показать модели реальные примеры из вашего источника данных.
Начните с Claude или ChatGPT через web-интерфейс или API. Оплачивается ровно за используемые токены — экспериментировать дешево. После тестов вы поймёте, нужен ли fine-tuning или достаточно промпта.
Если выбрали промпт-подход: составьте инструкцию для нейросети вида «Классифицируй текст по одной из категорий: ...» и дайте примеры. Если fine-tuning: загрузите примеры в сервис обучения (OpenAI Fine-tuning, Anthropic API, платформы вроде Hugging Face).
Обработайте выборку свежих текстов (100–500 примеров), проверьте ошибки и подправьте промпт или переучите модель. После этого интегрируйте в вашу аналитику (Telegram-бот, таблица, рассылка) и запустите автоматизацию.
Fine-tuning — это переучивание модели на ваших примерах, чтобы она лучше понимала вашу специфику. Обычное API — это просто передача текста в готовую модель с инструкцией. Fine-tuning нужен, если ошибок более 10–15%, иначе хватит инструкции.
Да, современные модели хорошо работают с обоими языками в одной задаче. Но лучше разделить: категории, примеры и новости на одном языке, чтобы избежать путаницы.
Проверьте выборку в 100–200 текстов (рандомно или из разных дат/источников) и рассчитайте процент совпадений с эталоном. Если точность выше 85%, можно идти в продакшн с пометкой для ручной проверки критичных текстов.
Используйте: RSS-ленты брокеров (Инвестиции.ИНВ, Finam), API бирж, Telegram-каналы компаний, сайты IR, платформы вроде Яндекс.Новости или Pikabu.Finance (агрегаторы для инвесторов).
Нет, если используете облачные API (как выше). Если хотите запустить модель локально (например, Mistral или открытую модель через Ollama), нужен GPU с 6–12 ГБ памяти. На CPU модель будет медленной.
Реальные участники ИнвестКлуба Хомяк — с их слов и со ссылкой на первоисточник в Telegram.
Точка входазашла пробно на 1 месяц после рекламы
Что изменилосьосталась на 1,5 года — структурированные знания, прямые эфиры с экспертами, освоила ИИ-инструменты
«Когда-то я зашла пробно, на 1 месяц. Прошло 1,5 года, а я по-прежнему там. Один только искусственный интеллект чего стоит.»история в Telegram →
Точка входавозрастной скепсис, долго не решался зайти в закрытый клуб
Что изменилосьгора структурированных материалов, отзывчивое сообщество, которое помогает и подсказывает
«Возрастной скепсис мешал зайти — думал, всё как обычно. Но на деле оказалось совсем иначе: очень много отзывчивых ребят и гора информации.»история в Telegram →
«В Хомяке уже полтора года… кайфовое, живое сообщество. Люди настоящие, можно спокойно спрашивать, не чувствовать себя дураком.»
«Зашла пробно на 1 месяц. Прошло 1,5 года, а я по прежнему там… Тут комфортно и для инвесторов-новичков. Вся информация отлично структурирована.»
Ещё реальные отзывы участников — t.me/traderreviews
