Fine-tuning: обучение нейросети на собственных инвест-данных

Если вы задаёте одну и ту же задачу сотни раз в месяц (разбор отчётов, скрининг акций, анализ сигналов), обучить модель один раз дешевле, чем платить за каждый запрос отдельно. OpenAI берёт за fine-tuned модель примерно на 20% дороже базовой за использование. Берите в расчёт: обучение обходится в ₽1000–3000 за 1000 примеров, использование — ₽0,15–0,30 за 1K токенов. Точка безубыточности — если вы делаете 500+ запросов в месяц на одну задачу.

Минимум 100–500 примеров пар «вход → правильный ответ». Для инвестора это может быть исторические разборы сделок (ваш анализ + решение), стенограммы конференц-колов с вашей разметкой ключевых моментов, финансовые отчёты с аннотациями рисков. Данные должны быть чистыми: без опечаток, в одном формате, без противоречий. Качество примеров влияет на качество обучения сильнее, чем количество.

До обучения возьмите тестовый набор из 50–100 примеров, которые НЕ участвовали в обучении. Протестируйте baseline-модель (стандартную GPT) и fine-tuned версию на этих примерах вслепую, сравните результаты. Проверьте два критерия: точность (модель дала правильный ответ?) и скорость ответа. Обучение прошло удачно, если на тестовом наборе точность выросла хотя бы на 10–15%, а время ответа сократилось.

Переобучение — модель вызубрила ваши исторические данные, но на новых данных отвечает плохо. Второе — несбалансированный набор: если 90% примеров про акции, а 10% про крипто, модель станет экспертом только по акциям. Третье — грязные данные: если в примерах смешаны противоречивые решения или опечатки, модель учится на шумах. Лекарство: валидируйте данные вручную, разделяйте на классы, резервируйте 20% примеров для тестирования до обучения.

OpenAI (gpt-4-turbo/gpt-3.5-turbo), Anthropic Claude API (есть поддержка, но дороже), Google Gemini API. Для небольшого объёма (до 1000 примеров) проще всего через OpenAI: платформа готовая, документация точная, ошибки видны быстро. Есть open-source вариант — локальное обучение через Ollama или LM Studio, но это требует GPU и понимания в ML. Для инвестора обычно быстрее купить доступ в облаке: ₽2000–5000 на месяц вместо покупки железа.

Отчасти. Если fine-tuning провести на данных с нетипичными активами (например, малый капиталь или криптовалютные пары), модель научится их анализировать лучше стандартной. Но «новых закономерностей в рынке» она не откроет — лишь научится быстрее обрабатывать информацию в стиле ваших исторических примеров. Проверяйте на реальных данных, которые модель не видела при обучении.

OpenAI, Google и Anthropic гарантируют, что данные fine-tuning не используются для улучшения базовых моделей. Данные хранятся на защищённых серверах и доступны только вам. Для максимальной приватности пройдитесь по договору обслуживания платформы перед загрузкой чувствительной информации.