AZFinText

アリゾナ財務テキスト システム( AZFinText ) は、テキサス大学タイラー校のRobert P. Schumakerとアリゾナ大学のHsinchun Chenによって作成された、テキスト ベースの定量的財務予測システムです。

システム

このシステムは、株価変動を予測する主要な手段の一つとして金融テキストを使用するという点で、他のシステムとは異なります。これにより、多くの類似システムで顕著な情報ラグタイムの問題が軽減されます。情報ラグタイムとは、クオンツが適切な対応をする前に、新しい情報（例えば、高額な訴訟での敗訴や製品リコールなど）を転記しなければならないというものです。AZFinTextは、金融ニュース記事で使用されている用語を利用して、記事発表から20分後の株価を予測することで、これらの制限を克服します。[ 1 ]

特定の記事用語は、他の記事用語よりも株価を大きく動かすと考えられています。「工場が爆発した」「労働者のストライキ」といった用語は株価を下落させる一方、 「利益が上昇した」といった用語は株価を上昇させる傾向があります。

人間のトレーディング専門家は、特定の用語を見ると、ある程度予測可能な反応を示します。AZFinTextは、投資専門家が特定のニュース記事に過剰反応したり、過小反応したりすることで生じる裁定取引の機会を活用します。AZFinTextシステムは、最新の金融ニュース記事を分析し、特定の品詞、ポートフォリオ選択、用語の重み付け、さらには記事のセンチメントにまで焦点を当てることで、強力なツールとなり、株式市場予測を根本的に変えるアプローチを提供します。

研究の概要

AZFinTextの基礎はACM TOIS論文[ 2 ]に記載されています。この論文では、著者らは複数の異なる予測モデルと言語的テキスト表現をテストしました。その結果、記事の用語と記事公開時の株価を用いたモデルが最も効果的であり、固有名詞を用いたテキスト表現手法が最も効果的であることがわかりました。これら2つを組み合わせることで、AZFinTextは5週間の研究期間で2.84%の取引収益を達成しました。

AZFinTextはその後、どのような同業組織の組み合わせがシステムの最適なトレーニングに役立つかを調査するために拡張されました。[ 3 ] IBMはGMよりもMicrosoftとの共通点が多いという前提に基づき、AZFinTextは様々な同業組織ベースのトレーニングセットの効果を調査しました。このために、AZFinTextはGICSの様々なレベルでトレーニングを行い、結果を評価しました。セクターベースのトレーニングが最も効果的で、8.50%の取引収益を上げ、調査期間中にジム・クレイマー、ジム・ジュバック、DayTraders.comを上回る成績を収めました。AZFinTextは上位10の定量分析システムとも比較され、そのうち6つを上回りました。

3つ目の研究では、テキストベースの金融予測システムにおけるポートフォリオ構築の役割を調査しました。[ 4 ]この研究では、モメンタム型と逆張り型の株式ポートフォリオが作成され、テストされました。過去に勝ち組だった銘柄は今後も勝ち続け、過去に負け組だった銘柄は今後も負け続けるという前提に基づき、AZFinTextは研究期間中に20.79%のリターンを達成しました。また、トレーダーは一般的にニュースイベントに過剰反応し、異常なリターンを生み出す可能性があることも指摘されました。

4つ目の研究では、著者の感情を予測変数として追加的に用いることについて検討しました。[ 5 ]著者は使用する用語によって無意識のうちに市場取引に影響を与える可能性があるという前提に基づき、AZFinTextをトーンと極性の特徴を用いてテストしました。その結果、市場内で逆張りの動きが見られ、肯定的なトーンの記事は価格が下落し、否定的なトーンの記事は価格が上昇することが判明しました。

さらなる研究では、株価の動きに最も影響を与える冠詞動詞を調査しました。[ 6 ]この研究から、planted、announcement、front、smaller、crudeが株価に最も大きなプラスの影響を与えていることがわかりました。

注目すべき宣伝

AZFinTextは多くのメディアで話題になっています。特に注目すべきものとしては、ウォール・ストリート・ジャーナル[ 7 ] 、MITのテクノロジーレビュー[ 8 ] 、ダウ・ジョーンズ・ニュースワイヤー[ 9 ] 、テネシー州ノックスビルのWBIR [ 10 ]、スラッシュドット[ 11 ]などが挙げられます。

参考文献

  1. ^ Schumaker, R., (2006).金融ニュース記事を用いた株式市場予測のテキスト分析.第12回アメリカ情報システム会議 (AMCIS-2006) , 2006年8月. アカプルコ, メキシコ.
  2. ^ Schumaker, R. と Chen H. (2009).速報金融ニュースを用いた株式市場予測のテキスト分析. Association for Computing Machinery Transactions on Information Systems , 27(2).
  3. ^ Schumaker, R. および Chen, H. (2009).金融ニュースに基づく定量株価予測システム.情報処理・管理, 45(5): 571-583.
  4. ^ Schumaker, R. と Chen, H. (2008).ニュースに敏感なクオンツトレーダーの評価：モメンタム戦略と逆張り戦略による株式選択の効果.アメリカ情報科学技術学会誌, 59(2): 247-255.
  5. ^ Schumaker, R., Zhang, Y. and Huang, C. (2008).金融ニュース記事の感情分析.第20回国際情報管理協会年次会議, 2009年10月. テキサス州ヒューストン.
  6. ^ Schumaker, R. (2010).金融ニュース記事における動詞の分析と株価への影響. NAACLワークショップ「ソーシャルメディアと計算言語学」、2010年6月. ロサンゼルス.
  7. ^ Valentino-DeVries, Jennifer (2010年6月21日). 「人工知能を使ったニュースの消化と株式取引」 .ウォール・ストリート・ジャーナル. 2017年1月20日閲覧。
  8. ^ Mims, C. (2010年6月10日). 「プロよりも優れた株式選定を行うAI」 . MITテクノロジーレビュー.
  9. ^ Subsin, N. (2010年11月24日). 「アルゴリズムとトレーディング商品ニュースレター」. Dow Jones Newswire .
  10. ^「プロよりも優れた株式選択を行うAI」WBIR、2010年6月10日。
  11. ^「クオンツAIは人間よりも優れた株式投資を行う」Slashdot、2010年6月12日。
「 https://en.wikipedia.org/w/index.php?title=AZFinText&oldid=1258170877」から取得