Характеристики

Лицензия: Apache 2.0
Библиотека: onnxruntime
Опубликована: 11 авг 2026

Ссылки

equibles-short-interest-nowcast

Регрессия по таблицам

Числовой трансформер Equibles оценивает следующее официальное значение короткого интереса по дневным данным FINRA о коротких продажах и агрегированным финансовым признакам.

0скачиваний за 30 дней1лайквеса обновлены11 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Equibles short-interest nowcast — числовой трансформер Equibles с 26 213 параметрами для оценки следующего официального значения короткого интереса по завершённому окну ежедневных данных FINRA о коротких продажах. Каждый токен представляет один торговый день числовых признаков. Модель принимает дневные признаки формы [batch, 32, 21], агрегированные признаки [batch, 28] и маску валидных дней; нормализация уже встроена в ONNX-модель.

Модель выдаёт медианную, 10-ю и 90-ю процентили оценки логарифмического изменения относительно последнего опубликованного короткого интереса, а также некалиброванный кросс-секционный рейтинг. Это прогноз следующего официального расчётного значения, а не ежедневный ряд, и объём коротких продаж не трактуется как открытые короткие позиции. Архитектура — двухслойный трансформер шириной 32 с четырьмя головами внимания; доступны форматы ONNX и safetensors.

В ретроспективной оценке ансамбль этой архитектуры показал среднюю корреляцию Спирмена по датам 0,4145 против 0,3452 у линейной регрессии на исходных признаках. Ограничения включают использование окончательных файлов FINRA вместо строго доступных на дату версий и отсутствие чистого заранее зарегистрированного отложенного теста; авторитетных ежедневных меток короткого интереса нет. Обучающие данные и исходный код закрыты. Опубликованные веса и метаданные распространяются по лицензии Apache-2.0; модель исследовательская, без гарантий и не является инвестиционной рекомендацией.

Сценарии применения

оценка следующего расчётного значения короткого интереса по тикеру
получение медианной и интервальной оценки изменения короткого интереса
ранжирование акций по прогнозируемому изменению короткого интереса
анализ временного окна ежедневных объёмов коротких продаж FINRA

Ограничения

Оценка проверялась ретроспективно на окончательных файлах FINRA, а тестовый период не был заранее зарегистрированным чистым holdout; достоверных ежедневных меток короткого интереса нет. Рейтинг не калиброван, обучающие данные закрыты, а модель не является инвестиционной рекомендацией.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Equibles short-interest nowcast

A 26,213-parameter numeric transformer that estimates the next official short-interest settlement value from the completed FINRA daily short-volume window. Each token is one trading day of numeric data, not text.

Read the full methodology, experiments, and limitations on Equibles.

Model

The model outputs P10, P50, and P90 estimates for the log change from the latest reported short interest, plus an uncalibrated cross-sectional ranking score. It predicts the next settlement endpoint—not an authoritative daily series—and does not equate short volume with open short positions.

ONNX inputs

Input	Dtype	Shape
`daily_features`	float32	`[batch, 32, 21]`
`aggregate_features`	float32	`[batch, 28]`
`valid_days`	bool	`[batch, 32]`

Normalization is embedded in model.onnx; do not normalize the engineered inputs again. Exact feature order is recorded in model-config.json and manifest.json. The four outputs are median_log_change, p10_log_change, p90_log_change, and rank_score, each with shape [batch]. Convert a log-change output delta back to shares with:

estimated_short_interest = exp(log1p(previous_short_interest) + delta) - 1

Clamp operational endpoint estimates at zero after the inverse transform.

Training and results

Training used 660,246 consecutive settlement windows from January 2020 through July 15, 2026, combining official short-interest endpoints, FINRA daily volume, and filing-date-aware SEC shares outstanding. A two-layer, width-32, four-head transformer was selected across seeds 17, 29, and 43 with AdamW (batch 512, learning rate 0.0005, weight decay 0.0001). Development used data through 2023 for training, 2024 for selection, and 2025 through July 15, 2026 for the retrospective test. The released checkpoint was fit from scratch for seven epochs on all data with seed 17; the metrics below belong to the frozen three-seed evaluation, not that final checkpoint.

Method	Pooled Spearman	Mean per-date Spearman
Ratio-change baseline	0.2751	0.2755
Raw-feature ridge	0.3428	0.3452
Numeric-transformer ensemble	0.4143	0.4145

Limitations

Evaluation uses retrospective final-file FINRA data rather than strict point-in-time vintages, and the test period is not a pristine preregistered holdout. There are no authoritative daily short-interest labels. Training data and source are private; the published weights and metadata are Apache-2.0. This research model is provided without warranty and is not investment advice.

Stock-market data for AI agents

Connect your AI agent to stock-market data with the Equibles financial-data MCP server.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · onnxruntime

Нельзя запустить

Модель выложена только в формате ONNX.

Ревизия весов: ad3a314