1. Решение
1.1. Использование интеллектуальных технологий больших данных и машинного обучения для поддержки принятия решений на финансовых рынках на основе предсказательного моделирования
2. Влияние продукта
2.1. Уменьшение рисков для инвесторов
2.2. Увеличение прибыли инвесторов
3. Риски
3.1. Ошибки предсказания модели
3.1.1. Актуализация данных
3.1.2. Контроль качества моделей
3.2. Некачественные данные для обучения модели
3.3. Конкурентные решения
4. Ресурсы
4.1. Информационные
4.1.1. Статьи официальных СМИ
4.1.2. Посты из социальных сетей
4.1.3. Биржевые данные
4.2. Человеческие ресурсы
4.2.1. Аналитики данных
4.2.2. Инженеры данных
4.2.3. ML инженеры
4.3. Вычислительные
4.3.1. Своя техника
4.3.2. Облачные ресурсы
5. Задачи
5.1. Определить эластичность котировок относительно новостного фона
5.2. Определить эмоциональный окрас новостей
5.3. Отличать непредвиденные новости от ожидаемых
6. Владелец процесса
6.1. Иновационный финтех стартап
7. Стейкхолдеры
7.1. Частные инвесторы
7.2. Инвестиционные
7.2.1. Банки
7.2.1.1. Комерческие
7.2.1.2. Инвестиционные
7.2.2. Фонды
7.2.2.1. Пенсионные
7.2.2.2. Страховые
7.2.2.3. Инвестиционный
7.2.2.4. Хэдж
8. Технологии
8.1. Big Data
8.1.1. Новостное поле
8.1.1.1. Официальные СМИ
8.1.1.2. Социальные сети
8.1.2. Котировки активов
8.1.2.1. Акции
8.1.2.2. Облигации
8.1.2.3. ...
8.2. Машинное обучение
8.2.1. ARIMA
8.2.2. Рекуррентные нейронные сети
8.2.3. NLP
8.2.3.1. Трансформеры
8.2.3.1.1. Bert
8.2.3.1.2. RoBerta
8.2.3.1.3. AlBert
8.2.3.2. Тематическое моделирование
9. Проблема
9.1. Цена актива зависит от новостного поля
9.1.1. Причины возникновения
9.1.1.1. Новости влияют на настроения людей, а те в свою очередь на рынок
9.1.2. Инструменты решения
9.1.2.1. Интеллектуальные технологии больших данных для анализа новостей