Wszystkie zapytania
Zapytanie publiczne
IT i Grafika

Zapytanie ofertowe nr AII/FENG7/04/2026/QA Dotyczy: wyboru Podwykonawcy prac badawczo-rozwojowych związanych z eksperymentalną ewaluacją i walidacją modeli machine learning W związku z ubieganiem się o dofinansowanie projektu pod roboczą nazwą: “Badanie i opracowanie automatycznych strategii inwest

Zamawiający: AI Investments Spółka z Ograniczoną Odpowiedzialnością
Miejsce realizacji: Cała Polska
Termin składania ofert: 26 listopada 2026 23:59
Złóż ofertę u zamawiającego

Ofertę składasz w Bazie Konkurencyjności, zgodnie z warunkami zapytania. Offeria nie pośredniczy w tym postępowaniu. Wiążąca jest treść ogłoszenia w źródle, razem z załącznikami.

Przedmiot zamówienia

Przedmiotem zamówienia jest wybór Podwykonawcy, który będzie świadczył usługi na rzecz Zamawiającego, w postaci prac badawczo-rozwojowych związanych z eksperymentalną ewaluacją i walidacją modeli machine learning realizowanych w ramach projektu pod roboczą nazwą: “Badanie i opracowanie automatycznych strategii inwestycyjnych opartych na opcjach korzystających z zaawansowanych algorytmów AI do predykcji probabilistycznych rozkładów cen oraz przyszłej zmienności zrealizowanej”. Prace objęte zamówieniem stanowią część badań przemysłowych i eksperymentalnych prac rozwojowych realizowanych w projekcie i nie obejmują rutynowych testów oprogramowania ani kontroli jakości gotowego produktu. Ich celem jest opracowanie nowych lub znacząco udoskonalonych metod ewaluacji modeli machine learning dla niestacjonarnych danych finansowych oraz eksperymentalna weryfikacja hipotez badawczych formułowanych przez zespół B+R Zamawiającego. Wyniki eksperymentów są dokumentowane w raportach badawczych i przekazywane zespołowi B+R Zamawiającego w pętli sprzężenia zwrotnego, stanowiąc podstawę modyfikacji badanych modeli i algorytmów. Standardowe procedury oceny modeli uczenia maszynowego zakładają stacjonarność danych i nie uwzględniają specyfiki rynku opcji (zmiennej w czasie zmienności, rozkładów zwrotów o grubych ogonach, niskiej płynności części serii opcji), dlatego metody ewaluacji muszą zostać opracowane w toku prac, a ich skuteczność i wynik eksperymentów nie są z góry znane. Prace prowadzone są według zaplanowanej metodyki, a ich przebieg, dane i wyniki są dokumentowane w sposób umożliwiający odtworzenie eksperymentów. Podział prac pomiędzy Zamawiającym a Podwykonawcą: zespół B+R Zamawiającego prowadzi badania nad modelami i algorytmami, w tym ich projektowanie, implementację prototypową, uczenie, dobór hiperparametrów i optymalizację, a także bieżącą ocenę w toku prac na zbiorach uczących i walidacyjnych. Podwykonawca nie projektuje, nie implementuje, nie uczy ani nie optymalizuje badanych modeli i algorytmów. Zakres Podwykonawcy obejmuje wyłącznie opracowanie nowych metod niezależnej eksperymentalnej ewaluacji oraz prowadzenie eksperymentów na wydzielonych zbiorach danych (hold-out), które nie są wykorzystywane przez Zamawiającego w procesie tworzenia modeli. Zamawiający nie realizuje we własnym zakresie prac powierzonych Podwykonawcy. Przedmiot zamówienia nie obejmuje: rutynowych testów funkcjonalnych, integracyjnych, regresyjnych, wydajnościowych, bezpieczeństwa i akceptacyjnych, kontroli jakości, usuwania błędów (debugging), pozyskiwania i rutynowego przygotowania danych, utrzymania infrastruktury ani wdrożenia rozwiązania w środowisku produkcyjnym. Czas trwania projektu: 01.08.2027 - 30.11.2030. Wykaz prac badawczo-rozwojowych związanych z eksperymentalną ewaluacją i walidacją modeli machine learning do wykonania w poszczególnych zadaniach projektu: Zadanie 1 – Badanie, selekcja i transformacja danych dla strategii opcyjnych wraz z opracowaniem wielowymiarowego modelu cech Opracowanie nowej metodyki eksperymentalnej weryfikacji metod ekstrakcji i transformacji cech z danych opcyjnych (m.in. ceny bid/ask, zmienność implikowana, współczynniki greckie, wolumen, arkusz zleceń) oraz metod wykrywania anomalii i wartości odstających, opracowywanych przez Zamawiającego, obejmującej hipotezy badawcze, metryki oceny i kryteria istotności statystycznej oraz kontrolę wycieku informacji z przyszłości (look-ahead bias). Szacowana pracochłonność to 50 roboczodni. Opracowanie scenariuszy eksperymentów w zakresie ekstrakcji i selekcji cech oraz wykrywania anomalii w szeregach czasowych instrumentów opcyjnych, obejmujących porównanie badanych metod z metodami referencyjnymi w różnych reżimach rynkowych (niskiej i wysokiej zmienności). Szacowana pracochłonność to 50 roboczodni. Przeprowadzenie eksperymentów w zakresie ekstrakcji i selekcji cech na wydzielonych zbiorach danych (hold-out), analiza statystyczna wyników oraz przekazanie wniosków zespołowi B+R Zamawiającego w formie raportów badawczych. Szacowana pracochłonność to 150 roboczodni. Szacowana pracochłonność w ramach Zadania 1 to 250 roboczodni. Czas trwania zadania: 01.08.2027 - 30.04.2028. Zadanie 2 – Badanie i opracowanie metod wyliczania prawdopodobieństwa zmian cen i predykcji przyszłej zmienności zrealizowanej instrumentu bazowego oraz opcji w zależności od strike i terminu wygaśnięcia Opracowanie nowej metodyki eksperymentalnej ewaluacji algorytmów wyznaczania prawdopodobieństwa osiągnięcia poziomu cenowego w zadanym horyzoncie czasowym oraz predykcji przyszłej zmienności zrealizowanej instrumentu bazowego i opcji w zależności od ceny wykonania (strike) i terminu wygaśnięcia, w tym procedur walidacji uwzględniających niestacjonarność szeregów czasowych (walidacja krocząca walk-forward, ewaluacja poza próbą out-of-sample) oraz miar kalibracji prognoz probabilistycznych. Szacowana pracochłonność to 50 roboczodni. Przygotowanie scenariuszy eksperymentów weryfikujących

Szukasz też zleceń od klientów prywatnych i firm?

Załóż darmowy profil fachowca na Offerii. Klienci dodają tu zlecenia za darmo, a Ty odpowiadasz ofertą.

Źródło: Baza Konkurencyjności, ogłoszenie nr 298163. Opublikowano 2026-11-16.