211service.com
AI, der vælger aktier bedre end professionelle
Evnen til at forudsige aktiemarkedet er, som enhver Wall Street kvantitativ forhandler (eller kvant) vil fortælle dig, en licens til at udskrive penge. Så det burde være af ikke ringe interesse for alle, der kan lide penge, at et nyt system, der fungerer på en radikalt anderledes måde end tidligere automatiserede handelsordninger, ser ud til at være i stand til at slå Wall Streets bedste kvantitative investeringsforeninger i deres eget spil.
Det kaldes Arizona Financial Text-systemet eller AZFinText, og det virker ved at indtage store mængder finansielle nyhedshistorier (i indledende tests fra Yahoo Finance) sammen med aktiekursdata minut for minut og derefter bruge førstnævnte til at finde ud af hvordan man forudsiger det sidste. Så køber den, eller shorter, hver aktie, den mener, vil bevæge sig mere end 1 % af dens nuværende kurs i løbet af de næste 20 minutter - og den holder aldrig en aktie i længere tid.
Systemet er udviklet af Robert P. Schumaker fra Iona College i New Rochelle og og Hsinchun Chen fra University of Arizona, og var først beskrevet i et papir udgivet tidligt i år. Begge forskere fortsætter med at eksperimentere med og forbedre systemet - mere om det nedenfor.
Ved at bruge data fra fem ikke-på hinanden følgende uger i 2005, en periode valgt på grund af dens mangel på usædvanlig aktiemarkedsaktivitet, kan du se, hvordan AZFinText klarede sig i forhold til fonde, der handlede i de samme værdipapirer (som alle blev valgt fra S&P 500):
Og her er, hvordan det klarede sig sammenlignet med de 10 bedste kvantitative investeringsforeninger i verden, som alle trækker fra en meget større kurv af værdipapirer, bortset fra selvfølgelig selve den inkluderede S&P 500:
Software, der analyserer tekstmæssige økonomiske oplysninger - kvartalsrapporter, pressemeddelelser, nyhedsartikler - er ikke noget nyt. Forskere har publiceret om emnet siden i hvert fald midten af 1990'erne .
Imidlertid blev tidligere tilgange til denne teknik hæmmet af enten dårlig ydeevne (gennemsnit lidt bedre end tilfældigheder) og/eller krav til urimelige mængder af beregningshestekræfter. Schumaker og Chen kommer uden om disse problemer ved først radikalt at formindske mængden af tekst, som deres system skal analysere, ved at koge alle de finansielle artikler, systemet indtager, ned til ord, der falder ind under specifikke kategorier af information.
Interessant nok stammer disse teknikker og kategorier fra klassifikationsskemaer beskrevet på 7 Message Understanding Conference , afholdt i 1997, som var et Defense Advanced Research Projects Agency-projekt for at skabe nye og bedre måder at udtrække information og mening fra tekster. (På det tidspunkt koncentrerede de sig om terroraktiviteter i Latinamerika, flystyrt, raket- og missilopsendelser og andre ting, der var relevante for den nationale sikkerhed.)
Schumaker og Chens system koncentrerer sig om egennavne - personer og virksomheder - og kombinerer information om deres frekvens med aktiekurser i det øjeblik, en nyhedsartikel udgives. Ved at bruge en maskinlæringsalgoritme på historiske data leder de efter korrelationer, der kan bruges til at forudsige fremtidige aktiekurser.
Yderligere arbejde med AZFinText-systemet har afsløret mærkværdigheder, der måske eller måske ikke forbliver relevante, da forskere fortsætter med at anvende det på andre instanser af historiske aktiemarkeds- og finansielle nyhedsdata. For eksempel, i et papir beskrevet den 6. juni på Computational Linguistics in a World of Social Media workshop, gik Schumaker ud og fiskede efter de verber, der mest sandsynligt ville få en bestand til at bevæge sig op eller ned i løbet af de næste 20 minutter, og kom med en liste over 211 udtryk, der havde en vis magt til at flytte aktiekurserne. (I hans arbejde er 'verbum' et teknisk udtryk og svarer ikke nøjagtigt til den konventionelle definition af ordet.)
Ifølge Schumaker:
De fem verber med størst negativ indvirkning på aktiekursen er hertil, sammenlignelig, ladning, topmøde og grøn . Hvis verbet hertil skulle optræde i en finansiel artikel, ville AZFinText nedsætte prisen med $0,0029. Selvom denne bevægelse måske ikke ser ud til at være meget, er den fortsatte brug af negative verber additiv.
De fem verber med den største positive indvirkning på aktiekurserne er plantet, bebudende, foran, mindre og rå .
Schumaker forsøgte ikke at afgøre, hvorfor disse særlige udtryk flytter aktiekurserne, men det er interessant at bemærke, at aktiemarkedet ikke ser ud til at kunne lide markedsføringsordet grøn, men er ret glade for at høre nogen nyheder overhovedet om udtrykket råolie, som i olie.