NộI Dung
Q:
Làm thế nào khả năng học máy mới có thể cho phép khai thác tài liệu chứng khoán cho dữ liệu tài chính?
A:
Một trong những biên giới mới thú vị của máy học và AI là các nhà khoa học và kỹ sư đang bắt tay vào nhiều cách khác nhau để sử dụng các loại tài nguyên hoàn toàn mới để dự đoán kết quả đầu tư và chuyển động cổ phiếu. Đây là một công cụ thay đổi cuộc chơi rất lớn trong thế giới tài chính, và sẽ cách mạng hóa các chiến lược đầu tư một cách rất sâu sắc.
Một trong những ý tưởng cơ bản để mở rộng loại nghiên cứu chứng khoán này là ngôn ngữ học tính toán, liên quan đến việc mô hình hóa ngôn ngữ tự nhiên. Các chuyên gia đang nghiên cứu cách sử dụng tài liệu, từ hồ sơ của SEC đến thư của cổ đông đến các nguồn lực dựa trên ngoại vi khác, để tăng cường hoặc điều chỉnh phân tích chứng khoán hoặc để phát triển các phân tích hoàn toàn mới.
Từ chối trách nhiệm quan trọng là tất cả những điều này chỉ khả thi thông qua những tiến bộ hoàn toàn mới trong mạng lưới thần kinh, học máy và phân tích ngôn ngữ tự nhiên. Trước sự ra đời của ML / AI, các công nghệ điện toán chủ yếu sử dụng lập trình tuyến tính để "đọc" các đầu vào. tài liệu quá cao không có cấu trúc là hữu ích. Nhưng với những tiến bộ trong phân tích ngôn ngữ tự nhiên trong vài năm qua, các nhà khoa học nhận thấy rằng có thể "khai thác" ngôn ngữ tự nhiên để có kết quả có thể định lượng hoặc nói cách khác, kết quả có thể được tính toán theo một cách nào đó.
Một số bằng chứng tốt nhất và ví dụ hữu ích nhất về điều này đến từ các luận án và công việc tiến sĩ khác nhau có sẵn trên web. Trong một bài báo, "Các ứng dụng của học máy và ngôn ngữ học tính toán trong kinh tế tài chính", xuất bản tháng 4 năm 2016, Lili Gao có thể giải thích một cách hợp lý các quy trình liên quan cụ thể đến việc khai thác hồ sơ của SEC, các cuộc gọi cổ đông và phương tiện truyền thông xã hội.
"Trích xuất các tín hiệu có ý nghĩa từ dữ liệu không có cấu trúc và chiều cao không phải là một nhiệm vụ dễ dàng", Gao viết."Tuy nhiên, với sự phát triển của máy học và kỹ thuật ngôn ngữ tính toán, việc xử lý và phân tích thống kê các nhiệm vụ tài liệu ual có thể được thực hiện và nhiều ứng dụng phân tích thống kê trong khoa học xã hội đã được chứng minh là thành công." Từ thảo luận của Gaos về mô hình hóa và hiệu chuẩn trong bản tóm tắt, toàn bộ tài liệu được phát triển cho thấy một số loại phân tích này hoạt động chi tiết như thế nào.
Các nguồn khác cho các dự án đang hoạt động bao gồm các trang như bản tóm tắt dự án GitHub này và tài nguyên này của IEEE nói cụ thể về việc nhận thông tin tài chính có giá trị từ "phân tích tình cảm".
Điểm mấu chốt là việc sử dụng các mô hình NLP mới này đang thúc đẩy sự đổi mới nhanh chóng trong việc sử dụng tất cả các loại tài liệu, không chỉ cho phân tích tài chính, mà còn cho các loại khám phá tiên tiến khác, làm mờ đi ranh giới truyền thống giữa "ngôn ngữ" và " dữ liệu."