211service.com
AI som väljer aktier bättre än proffsen
Förmågan att förutsäga aktiemarknaden är, som alla kvantitativa handlare (eller kvantiteter) på Wall Street kommer att berätta, en licens att skriva ut pengar. Så det borde vara av inte ringa intresse för alla som gillar pengar att ett nytt system som fungerar på ett radikalt annorlunda sätt än tidigare automatiserade handelssystem verkar kunna slå Wall Streets bästa kvantitativa fonder i sitt eget spel.
Det kallas Arizona Financial Text-systemet, eller AZFinText, och det fungerar genom att inta stora mängder finansiella nyheter (i inledande tester, från Yahoo Finance) tillsammans med aktiekursdata minut för minut, och sedan använda den förra för att ta reda på hur man förutsäger det senare. Sedan köper den, eller shortar, varje aktie som den tror kommer att röra sig mer än 1 % av sitt nuvarande pris under de kommande 20 minuterna - och den håller aldrig en aktie längre.
Systemet har utvecklats av Robert P. Schumaker från Iona College i New Rochelle och och Hsinchun Chen från University of Arizona, och var beskrivs först i en tidning publicerades i början av året. Båda forskarna fortsätter att experimentera med och förbättra systemet - mer om det nedan.
Med hjälp av data från fem icke på varandra följande veckor under 2005, en period som valts för sin brist på ovanlig aktiemarknadsaktivitet, här är hur AZFinText presterade jämfört med fonder som handlades i samma värdepapper (som alla valdes från S&P 500):
Och här är hur det presterade jämfört med de 10 bästa kvantitativa fonderna i världen, som alla hämtar från en mycket större korg av värdepapper, förutom naturligtvis den inkluderade S&P 500 själv:
Programvara som analyserar finansiell textinformation – kvartalsrapporter, pressmeddelanden, nyhetsartiklar – är inget nytt. Forskare har publicerat i ämnet sedan dess åtminstone mitten av 1990-talet .
Men tidigare tillvägagångssätt för denna teknik hämmades av antingen dålig prestanda (i genomsnitt lite bättre än slumpen) och/eller krav på orimliga mängder beräkningshästkrafter. Schumaker och Chen kommer runt dessa frågor genom att först radikalt krympa mängden text som deras system måste analysera genom att koka ner alla finansiella artiklar som systemet får i sig till ord som faller inom specifika informationskategorier.
Intressant nog härrör dessa tekniker och kategorier från klassificeringsscheman som beskrivs på den 7:e Message Understanding Conference , som hölls 1997, vilket var ett Defense Advanced Research Projects Agency-projekt för att skapa nya och bättre sätt att extrahera information och mening ur texter. (Vid den tiden koncentrerade de sig på terroristaktiviteter i Latinamerika, flygplanskrascher, raket- och missiluppskjutningar och andra saker som är relevanta för nationell säkerhet.)
Schumaker och Chens system koncentrerar sig på egennamn – personer och företag – och kombinerar information om deras frekvens med aktiekurser i det ögonblick som en nyhetsartikel släpps. Med hjälp av en maskininlärningsalgoritm på historiska data letar de efter korrelationer som kan användas för att förutsäga framtida aktiekurser.
Ytterligare arbete med AZFinText-systemet har avslöjat konstigheter som kan eller kanske inte förblir relevanta eftersom forskare fortsätter att tillämpa det på andra organ av historiska aktiemarknads- och finansiella nyhetsdata. Till exempel, i en artikel som beskrevs den 6 juni vid Computational Linguistics in a World of Social Media-workshopen, gick Schumaker och fiskade efter de verb som mest sannolikt skulle få en bestånd att röra sig upp eller ner under de kommande 20 minuterna, och kom fram till en lista med 211 termer som hade en viss makt att flytta aktiekurserna. (I hans arbete är 'verb' en teknisk term och överensstämmer inte exakt med den konventionella definitionen av ordet.)
Enligt Schumaker:
De fem verb som har störst negativ inverkan på aktiekursen är härtill, jämförbar, ladda, toppmöte och grön . Om verbet härtill skulle dyka upp i en finansiell artikel skulle AZFinText rabattera priset med 0,0029 USD. Även om denna rörelse kanske inte verkar vara mycket, är den fortsatta användningen av negativa verb additiv.
De fem verb som har störst positiv inverkan på aktiekurserna är planterad, tillkännagivande, front, mindre och rå .
Schumaker försökte inte avgöra varför just dessa termer flyttar aktiekurserna, men det är intressant att notera att aktiemarknaden inte verkar gilla marknadsföringsordet grön, men är ganska glad över att höra några nyheter alls om termen råolja, som i olja.