İçerik
S:
Yeni makine öğrenme yetenekleri, stok belgelerinin finansal veriler için madenciliğini nasıl sağlayabilir?
A:
Makine öğrenimi ve AI'nın heyecan verici yeni sınırlarından biri, bilim insanlarının ve mühendislerin, hisse senedi hareketi ve yatırım sonuçlarını tahmin etmek için tamamen yeni tür kaynaklar kullanmanın çeşitli yollarına giriyor olmasıdır. Bu, finansal dünyada muazzam bir oyun değiştiricidir ve yatırım stratejilerini çok derin bir şekilde değiştirecektir.
Bu tür stok araştırmasını genişletmek için temel fikirlerden biri, doğal dilin modellenmesini içeren hesaplamalı dilbilimdir. Uzmanlar, SEC dosyalarından hissedar mektuplarına, diğer çevresel temelli kaynaklara kadar belgelerin nasıl kullanılacağını, stok analizini artırmak veya ince ayar yapmak veya tamamen yeni analizler geliştirmek için araştırıyorlar.
Önemli sorumluluk reddi, tüm bunların yalnızca sinir ağları, makine öğrenmesi ve doğal dil analizindeki yepyeni gelişmelerle mümkün kılınmasıdır. ML / AI'nın ortaya çıkmasından önce, bilgi işlem teknolojileri çoğunlukla girdilerin "okunması" için doğrusal programlama kullandılar. belgeler yararlı olamayacak kadar yapılandırılmamış. Ancak, son birkaç yıl içinde doğal dil analizinde kaydedilen ilerlemeyle, bilim adamları ölçülebilir sonuçlar veya başka bir deyişle, bir şekilde hesaplanabilecek sonuçlar için doğal dili "benimsemenin" mümkün olduğunu buluyorlar.
Bunun en iyi kanıtlarından ve bunun en yararlı örneklerinden bazıları, web üzerinde bulunan çeşitli tezlerden ve doktora çalışmalarından gelir. Nisan 2016'da yayınlanan "Finansal Ekonomide Makine Öğrenimi ve Hesaplamalı Dilbilim Uygulamaları" adlı makalesinde Lili Gao, kurumsal SEC dosyalamalarının, hissedar çağrılarının ve sosyal medya kuruluşlarının madenciliğine özgü ilgili işlemleri açıklar.
Gao, "Yapılandırılmamış ve yüksek boyutlu verilerden anlamlı sinyaller çıkarmak kolay bir iş değildir" diyor.“Ancak, makine öğrenmesi ve bilgisayarlı dilbilim tekniklerinin gelişmesiyle, ual belgeleri işlemek ve istatistiksel olarak analiz etmek görevler başarılabilir ve sosyal bilimlerde birçok istatistiksel analiz uygulamasının başarılı olduğu kanıtlandı.” Gaos'un soyut modelleme ve kalibrasyon tartışmasından, geliştirilen belgenin tamamı bu tür analizlerin bazılarının ayrıntılı olarak nasıl çalıştığını göstermektedir.
Aktif projeler için diğer kaynaklar, bu GitHub proje özeti gibi sayfaları ve bu IEEE kaynağının özellikle "duyarlılık analizinden" değerli finansal bilgiler almaktan bahsettiğini içerir.
Sonuç olarak, bu yeni NLP modellerinin kullanımının, sadece finansal analiz için değil, diğer geleneksel keşif türleri için geleneksel olarak "dil" ve "" arasındaki "bilinen çizgiyi bulanıklaştırması için her türlü belgenin kullanılmasında hızlı bir yenilik yaratmasıdır. veri."