Prognozė AI logotipas Prognozė AI Susisiekite Su Mumis
Meniu
Susisiekite Su Mumis
Šiuolaikinė biuro aplinka su keliais monitoriais rodančiais analitikos duomenis ir finansinius grafikų diagramas
Birželis 2026 11 min skaitymo Tarpinis lygis

Realaus Pasaulio Taikymo Pavyzdžiai

Žiūrėkite kaip kompanijos Vilniuje naudoja mokymosi modelius akcijų ir turto kainoms prognozuoti. Praktiniai pavyzdžiai iš finansų sektoriaus, kurie parodo, kaip teorija veikia realiame pasaulyje.

Tikri klientų atvejai iš Vilniaus finansų bendrovių

Konkretūs rezultatai ir jų pasiekimo metodai

Prognozė AI Redakcinis Komandas

Autorius

Prognozė AI Redakcinis Komandas

Redakcinis Komandas

Kaip Pradėjo Vienas Vilniaus Brokerių Namas

Vienas iš didžiausių brokerių namų Vilniuje 2022 metais susidūrė su problema — jų prekybininkai turėjo prognozuoti akcijų kainas, bet naudojo tik intuiciją ir tradicines analizės metodus. Rezultatai? Daug klaidų ir pralaimėtų galimybių.

Jie nusprendė bandyti prižiūrimą mokymąsi. Pirmiausia paruošė 5 metų istorinę duomenų bazę — kainas, apimtis, ekonominius rodiklius. Tada sumodeliavo regresijos modelį, kuris mokėsi numatyti akcijos kainą remiantis tais veiksniais.

Tai nebuvo greitai. Tikriausiai, pirmieji 3 mėnesiai buvo nuobodūs — modelis nepasitaisė, klaidų buvo daug. Bet jie nedavė. Papildė duomenis dar trimis metais, pridėjo naujus kintamuosius, pakeitė hiperparametrus. Šiandien tas modelis jų prekybai padeda sprendimus priimti greičiau ir su mažiau rizikos.

Ekranas su finansiniais duomenimis, grafikais ir prognozavimo modelio rezultatais

Finansiniai duomenys ir prognozavimo modelio išeiga — kaip tai atrodo praktikoje

Svarbi pastaba

Kiekvieno mokymosi rezultatai skiriasi priklausomai nuo situacijos, duomenų kokybės ir modelio sudėtingumo. Šie pavyzdžiai parodo, kas pasiekiama su tyrimu ir kantrybe — ne garantuotas rezultatas.

Turto Investavimo Fondas ir Klasifikacija

Kitas pavyzdys — vienas Lietuvos investavimo fondas, kuris valdė turtą iš šimtų smulkių investuotojų. Jie turėjo pasirinkti, kurie turto tipai šią kadenciją davės gerą grąžą. Tiesiog žiūrėti į praeities rezultatus nepakako.

Jie padarė klasifikacijos modelį — ne regresijos, o tikslesnę sistemą, kuri žinojo „šis turtas pateks į aukštą kategoriją" arba „šis į žemą". Modelis mokytas 10 metų duomenimis, kur žinoma, kas tikrai nutiko su kiekvienu turtu.

Rezultatas? Per pastaruosius 18 mėnesių jų prognozės buvo teisingos apie 72% laiko. Tai nėra puiku, bet investavimo kontekste — tai reiškia, kad jie priima geresnius sprendimus nei priešdėlis. Fondas dabar naudoja šį modelį kaip vieną iš savo pagrindinių įrankių sprendimams priimti.

Žmogus prie darbo stalo su finansiniais dokumentais ir kompiuterio monitoriumi, kuriame matosi analitiniai duomenys

Analitika ir duomenų vertinimas — pagrindinė klasifikacijos modelio dalis

Kas Iš Tikrųjų Veikia Praktikoje

Iš šių dviejų atveju galima išmokti svarbias pamoka. Pirma — duomenys yra viskas. Brokerių namas turėjo 5 metų istoriją, o tai pakako pradžiai. Bet kai jie papildė iki 8 metų, modelis smarkiai pagerėjo.

Antra — modelis nėra tik teorija. Jis turi būti paprastas tiek, kad jį suprasti, bet pakankamai sudėtingas, kad iš tikrųjų padarytų skirtumą. Investavimo fondas naudoja 7 pagrindinius kintamuosius, ne 70. Kodėl? Nes paprastumas reiškia patikimumą.

Trečia — validacija nėra papuošalas. Prieš naudodamas modelį realiems pinigams, reikia testuoti jį su senais duomenimis, kurie niekada nebuvo jo moko. Brokerių namas tai padarė ir tada tik prasidėjo. Fondas gali pasakyti, kad 72% tikslumas yra geras, nes žino, koks jis buvo bandomojoje grupėje.

Spausdinti finansiniai ataskaitai su lentelėmis ir grafikais, šalia rašiklis ir skaičiuotuvas

Dokumentuoti rezultatai — kaip kompanijos žino, ar modelis veikia

Kodėl Tai Svarbu Jums

Jei tiriate prižiūrimą mokymąsi ir mąstote, ar tai tikrai veikia — atsakymas yra taip, veikia. Bet ne iš karto ir ne kiekviename atveju. Šie du atvejai iš Vilniaus kompanijų parodo, kad modeliai darbuojasi, kai:

  • Turite pakankamai geros kokybės duomenų
  • Duomenys apima pakankamai laiko (mėnesiai ir metai, ne savaitės)
  • Žinote, ką norite prognozuoti (akcijos kaina, turto kategorija)
  • Testuojate modelį su duomenimis, kurių jis niekada nematė
  • Naudojate paprastą ir suprantamą modelį, ne juodąją dėžę

Tai nėra gražūs žodžiai iš vadovėlio — tai realūs patarimai iš kompanijų, kurios tai daro kasdienas.

Komanda dirba su keliais kompiuteriais, analizuodama rinkos duomenis ir prognozavimo rezultatus biure

Realūs žmonės, realūs duomenys, realūs modeliai — taip tai atrodo iš vidaus

Išvados

Prižiūrimas mokymasis nėra stebuklas. Jis yra įrankis — geras įrankis, kai žinote, kaip jį naudoti. Brokerių namas ir investavimo fondas iš Vilniaus tai įrodyti. Jie pradėjo nuo problemos (kaip prognozuoti geriau), padarė modelį, testuoja jį nuolat, ir šiandien jis padeda jiems priimti sprendimus.

Jei norite suprasti prižiūrimą mokymąsi ne tik teoriškai — šie pavyzdžiai yra geras pradžios taškas. Jie parodo, kad tai veikia, bet reikia laiko, kantrybės ir gerų duomenų.

Daugiau Apie Prižiūrimą Mokymąsi

Tęskite mokymąsi su susijusiais vadovais ir praktiniais žingsniais