211service.com
AI die aandelen beter kiest dan de profs
Het vermogen om de aandelenmarkt te voorspellen is, zoals elke kwantitatieve handelaar (of kwantitatieve handelaar) van Wall Street u zal vertellen, een licentie om geld te drukken. Dus het zou niet onbelangrijk moeten zijn voor iedereen die van geld houdt dat een nieuw systeem dat op een radicaal andere manier werkt dan eerdere geautomatiseerde handelsschema's in staat lijkt te zijn om de beste kwantitatieve beleggingsfondsen van Wall Street in hun eigen spel te verslaan.
Het heet het Arizona Financial Text-systeem, of AZFinText, en het werkt door grote hoeveelheden financiële nieuwsberichten op te nemen (in de eerste tests, van Yahoo Finance) samen met minuut-tot-minute aandelenprijsgegevens, en vervolgens de eerste te gebruiken om erachter te komen hoe dit laatste te voorspellen. Vervolgens koopt of short het elk aandeel waarvan het denkt dat het in de komende 20 minuten meer dan 1% van zijn huidige prijs zal bewegen - en het houdt een aandeel nooit langer vast.
Het systeem is ontwikkeld door Robert P. Schumaker van Iona College in New Rochelle en and Hsinchun Chen van de Universiteit van Arizona, en was voor het eerst beschreven in een paper begin dit jaar gepubliceerd. Beide onderzoekers blijven experimenteren met en verbeteren van het systeem - daarover hieronder meer.
Gebruikmakend van gegevens van vijf niet-opeenvolgende weken in 2005, een periode die werd gekozen vanwege het gebrek aan ongebruikelijke aandelenmarktactiviteit, hier is hoe AZFinText presteerde ten opzichte van fondsen die in dezelfde effecten handelden (die allemaal werden gekozen uit de S&P 500):
En hier is hoe het presteerde in vergelijking met de top 10 kwantitatieve beleggingsfondsen ter wereld, die allemaal putten uit een veel grotere korf van effecten, behalve natuurlijk voor de meegeleverde S&P 500 zelf:
Software die tekstuele financiële informatie analyseert - kwartaalrapportages, persberichten, nieuwsartikelen - is niets nieuws. Onderzoekers publiceren sindsdien over het onderwerp: in ieder geval het midden van de jaren negentig .
Eerdere benaderingen van deze techniek werden echter belemmerd door ofwel slechte prestaties (gemiddeld weinig beter dan toeval) en/of vereisten voor onredelijke hoeveelheden rekenkracht. Schumaker en Chen omzeilen deze problemen door eerst de hoeveelheid tekst die hun systeem moet ontleden radicaal te verkleinen door alle financiële artikelen die het systeem opneemt, samen te vatten in woorden die in specifieke categorieën informatie vallen.
Interessant is dat deze technieken en categorieën zijn afgeleid van classificatieschema's die zijn beschreven in de 7e Conferentie voor het begrijpen van berichten , gehouden in 1997, een project van het Defense Advanced Research Projects Agency om nieuwe en betere manieren te creëren om informatie en betekenis uit teksten te halen. (Destijds concentreerden ze zich op terroristische activiteiten in Latijns-Amerika, vliegtuigcrashes, raket- en raketlanceringen en andere zaken die relevant zijn voor de nationale veiligheid.)
Het systeem van Schumaker en Chen concentreert zich op eigennamen - mensen en bedrijven - en combineert informatie over hun frequentie met aandelenkoersen op het moment dat een nieuwsartikel verschijnt. Met behulp van een machine learning-algoritme op historische gegevens zoeken ze naar correlaties die kunnen worden gebruikt om toekomstige aandelenkoersen te voorspellen.
Verder werk met het AZFinText-systeem heeft eigenaardigheden aan het licht gebracht die al dan niet relevant kunnen blijven terwijl onderzoekers het blijven toepassen op andere historische aandelenmarkt- en financiële nieuwsgegevens. Bijvoorbeeld, in een paper die op 6 juni werd beschreven tijdens de workshop Computational Linguistics in a World of Social Media, ging Schumaker vissen naar de werkwoorden die het meest waarschijnlijk een bestand zouden doen stijgen of dalen in de komende 20 minuten, en kwam met een lijst van 211 termen die enige macht hadden om aandelenkoersen te verplaatsen. (In zijn werk is 'werkwoord' een technische term en komt niet precies overeen met de conventionele definitie van het woord.)
Volgens Schumaker:
De vijf werkwoorden met de grootste negatieve impact op de aandelenkoers zijn: hiertoe, vergelijkbaar, lading, top en groente . Als het werkwoord hiertoe zou verschijnen in een financieel artikel, zou AZFinText de prijs met $ 0,0029 verlagen. Hoewel deze beweging misschien niet veel lijkt, is het voortdurende gebruik van negatieve werkwoorden additief.
De vijf werkwoorden met de grootste positieve impact op de aandelenkoersen zijn: geplant, aankondiging, voorkant, kleiner en ruw .
Schumaker heeft niet geprobeerd vast te stellen waarom deze specifieke voorwaarden de aandelenkoersen doen bewegen, maar het is interessant om op te merken dat de aandelenmarkt het marketingbuzzwoord groen niet leuk lijkt te vinden, maar is best blij om nieuws te horen over de term ruwe olie, zoals in olie.