Эта статья о forecasting RL (прогнозировании с подкреплением) довольно интересна.

Её суть можно понять так:
Берётся партия исторических прогностических задач с уже известными результатами, и ИИ возвращается в то время, когда они были актуальны.
Но нельзя давать ему доступ к сегодняшнему интернету, иначе он подсмотрит ответы.
Поэтому автор создал среду с «временным экраном»:
поиск может находить только материалы, доступные до того момента;
веб-страницы загружаются через исторические снимки;
финансовые и трендовые данные тоже предоставляются только в том виде, в каком они были видны тогда.
Затем модель сама ищет информацию, оценивает доказательства и выводит вероятности.
Когда реальный результат становится известен, модель оценивается с помощью proper scoring rule, а затем RL усиливает лучшие процессы прогнозирования.
Это самое интересное:
обучается не один ответ, а целый набор прогностических действий:
что искать, что читать, когда остановиться, как обрабатывать противоречивые свидетельства и какую вероятность в итоге назначить.
Если поместить это в контекст рынков прогнозов, то, думаю, первым шагом должно быть не то, чтобы ИИ начал торговать автоматически.
Сначала лучше заставить его вести дневник прогнозов:
1. вероятность на тот момент
2. использованные доказательства
3. рыночная цена
4. будет ли он торговать
5. последующий результат
6. классификация ошибок
Если система в 60% случаев говорит «вероятность 60%», а на дистанции это не так, то это ещё не стратегия, а просто умение писать обоснования.
Если вы тоже хотите практиковаться в «записи прогноза → ожидании результата → калибровке себя», можно начать с небольших сумм или симуляции, рассматривая это как дневник прогнозов, а не торговые рекомендации.
Своя ссылка, которую я использую:

Оригинал здесь:

Я считаю, что самое ценное — не сами выводы, а то, как в статье разбивают «прогнозирование» на процесс, который можно тренировать и анализировать.