ニュース分析

トレーディング戦略において、ニュース分析とは、テキスト（非構造化データ）のニュース記事の様々な定性的および定量的属性を測定することを指します。これらの属性には、感情、関連性、新規性などがあります。ニュース記事を数値やメタデータとして表現することで、日常的な情報を数学的・統計的に操作することが可能になります。このデータは、金融市場ではトレーディング戦略の一環として、また企業では市場心理を判断し、より良いビジネス上の意思決定を行うために、しばしば利用されます。

ニュース分析は通常、自動テキスト分析によって導き出され、潜在的意味解析、サポートベクターマシン、「バッグオブワード」などの自然言語処理と機械学習の要素を使用してデジタルテキストに適用されます。

アプリケーションと戦略

高度な言語分析のニュースおよびソーシャルメディアへの応用は、2007年以降、研究分野から成熟した製品ソリューションへと成長しました。ニュース分析とニュースセンチメント計算は、バイサイドとセルサイドの両方において、アルファ創出、取引執行、リスク管理、市場監視およびコンプライアンスにおいて日常的に利用されています。しかしながら、現在利用可能なソリューションの品質、有効性、完全性には大きなばらつきがあります。

多くの企業がニュース分析を活用し、より良いビジネス上の意思決定を行っています。[1]学術研究者は、特に株価の変動、ボラティリティ、取引量の予測に関して、ニュース分析に興味を持つようになりました。[2] [3] [4] センチメントや関連性、ニュースの到着頻度などの一連の値を提供することで、株式、外国為替、債券、商品など、複数の資産クラスのニュースセンチメントスコアを構築することができます。センチメントスコアは、高頻度取引戦略と低頻度取引戦略の異なるニーズと目的を満たすために、さまざまな期間で構築できます。一方、資産リターンの方向性やボラティリティ、取引量などの特性は、テーラーメイドのセンチメントスコアを構築することで、より直接的に扱うことができます。スコアは通常、値の範囲として構築されます。例えば、値の範囲は0から100で、50を超える値は肯定的なセンチメント、50を下回る値は否定的なセンチメントを表します。[5]

絶対収益戦略

絶対収益戦略の目的は、金融市場の方向性に関わらず、絶対収益（プラス）を達成することです。この目標を達成するために、このような戦略では通常、市場エクスポージャーをゼロまたは限定的に抑えた、特定の金融商品におけるオポチュニスティックなロングポジションとショートポジションを保有します。統計的に言えば、絶対収益戦略は市場リターンとの相関が非常に低いはずです。一般的に、ヘッジファンドは絶対収益戦略を採用する傾向があります。以下では、ニュース分析を絶対収益戦略分野に適用し、マーケット・ニュートラル戦略を適用する場合、またはボラティリティ取引に基づいてアルファ獲得の機会を特定する例をいくつか示します。

例1

シナリオ：企業と市場の方向性に関するニュースセンチメントスコアの差がを超えました。つまり、≥ です。 S {\displaystyle S} X {\displaystyle X} Y {\displaystyle Y} + 20 {\displaystyle +20} S X − S Y {\displaystyle S_{X}-S_{Y}} 20 {\displaystyle 20}

アクション: Company の株式を購入し、 Market の先物を空売りします。 X {\displaystyle X} Y {\displaystyle Y}

出口戦略:会社と市場の方向性に関するニュース センチメント スコアのギャップがなくなったら、会社の株式を売却し、市場の先物を買い、ポジションをクローズします。 X {\displaystyle X} Y {\displaystyle Y} S X − S Y {\displaystyle S_{X}-S_{Y}} 0 {\displaystyle 0} X {\displaystyle X} Y {\displaystyle Y}

例2

シナリオ:会社のボラティリティに関するニュース センチメント スコアがを上回り、オプションの暗黙のボラティリティを上回る予想ボラティリティを示しています。 X {\displaystyle X} 70 {\displaystyle 70} 100 {\displaystyle 100}

アクション:会社の株式の短期ストラドル（プットとコールの両方の購入）を購入します 。 X {\displaystyle X}

出口戦略:満了まで、または特定の利益目標に達するまで、 会社のストラドルを保持します。 X {\displaystyle X}

相対収益戦略

相対リターン戦略の目的は、理論上のパッシブ運用ポートフォリオまたはベンチマークを再現（パッシブ運用）するか、またはアウトパフォーム（アクティブ運用）することです。これらの目標を達成するために、これらの戦略では通常、特定の銘柄のロングポジションが採用されます。統計的に言えば、相対リターン戦略は市場リターンと高い相関関係にあることが多いです。一般的に、ミューチュアルファンドは相対リターン戦略を採用する傾向があります。以下では、ニュース分析を相対リターン戦略に適用し、銘柄選択戦略を適用し、資産配分モデルに戦術的なティルトを加えることで、市場を上回るパフォーマンスを目指す方法をいくつか示します。

例1

シナリオ:会社の方向性に関するニュース感情スコアがを超えました。 X {\displaystyle X} 70 {\displaystyle 70} 100 {\displaystyle 100}

アクション:会社の株式を購入します。 X {\displaystyle X}

出口戦略:会社の方向性に関するニュース感情スコアが下回った場合、会社の株式を売却してポジションをクローズします。 X {\displaystyle X} 60 {\displaystyle 60} X {\displaystyle X}

例2

シナリオ:セクターの方向に関するニュース感情スコアがを上回ります。 Z {\displaystyle Z} 70 {\displaystyle 70} 100 {\displaystyle 100}

アクション:資産配分モデルに セクターを戦術的賭けとして含めます。 Z {\displaystyle Z}

出口戦略:セクターの方向に関するニュース感情スコアがを下回った場合、セクターに対する戦術的賭けを資産配分モデルから削除します。 Z {\displaystyle Z} 60 {\displaystyle 60} Z {\displaystyle Z}

財務リスク管理

金融リスク管理の目的は、金融商品を用いてリスクエクスポージャー、特に信用リスクと市場リスクを管理することにより、企業に経済的価値を創造すること、または投資ポートフォリオの一定のリスクプロファイルを維持することです。その他のリスクには、外国為替、シェイプ、ボラティリティ、セクター、流動性、インフレリスクなどがあります。以下では、ニュース分析を金融リスク管理分野に適用し、バリュー・アット・リスク（VaR）の観点からより正確なリスク推定を行うか、ポートフォリオのマンデートを満たすためにポートフォリオのリスクを管理する方法をいくつか示します。

例1

シナリオ:銀行はポートフォリオの全体的な市場リスクを管理するために VaR モデルを運用しています。

アクション：ニュースセンチメントスコアの推移を考慮し、ポートフォリオの共分散行列を推定する。適切なヘッジを実施し、銀行のVaRを目標水準に合わせる。

例2

シナリオ:ポートフォリオ マネージャーは、特定の望ましいリスク プロファイルに向けてポートフォリオを運用します。

アクション：ニュースセンチメントスコアの推移を考慮し、 ポートフォリオの共分散行列を推定します。目標とするリスクプロファイルに応じてポートフォリオのエクスポージャーを調整します。

ニュース分析を用いたコンピュータアルゴリズム

ニュース分析を使ったコンピューターアルゴリズムは0.33秒以内に購読者に通知できる。

  • どの企業に関するニュースか
  • ニュース記事の感情が肯定的か否定的か、
  • ニュースが相対的な重要度が高いか低いかランク付けされている場合…相対的な関連性。
  • 株価の反応と取引量の増加は、ニュース記事が発表されてから最初の5秒間に集中している。[6]

アルゴリズムによる注文執行

アルゴリズム取引の概念の一部であるアルゴリズム注文執行の目的は、特定の注文のタイミングを最適化することで取引コストを削減することです。ヘッジファンド、年金基金、投資信託、その他の機関投資家は、大規模な取引を複数の小規模な取引に分割することで、市場への影響、機会費用、リスクをより効果的に管理するために、アルゴリズム注文執行を広く利用しています。以下の例は、より効率的なアルゴリズム取引システムを実現するために、ニュース分析をアルゴリズム注文執行の分野にどのように適用できるかを示しています。

例1

シナリオ:会社 の株式について、市場に大量注文を出す必要があります。 X {\displaystyle X}

アクション：アルゴリズム取引システムに適用されている企業の日次取引量分布を調整し、ニュースセンチメントスコアに基づく取引量分布を考慮に入れる。その後、日中最も取引量が多いと予想される時間帯に市場への参加を促す、望ましい取引分布を作成する。 X {\displaystyle X}

効果

ニュースを数値で表現できるようになったことで、日常的な情報を統計的に操作することが可能になり、かつては人間のみが行っていた判断をコンピューターが行うだけでなく、より効率的に行うことが可能になりました。市場参加者は常に優位性を求めているため、コンピューター接続の速度と、ミリ秒単位のニュース分析の提供は不可欠となっています。

参照

参考文献

  1. ^ テトロック、ポール・C.、「公的金融ニュースは非対称情報問題を解決するのか？」（2008年11月1日）SSRNで入手可能：http://ssrn.com/abstract=1303612
  2. ^ 「Paul Tetlock- Home」（PDF） . Mccombs.utexas.edu . 2015年7月26日閲覧。
  3. ^ 「経営テキストコンテンツの価格設定における信頼性の影響」エリザベス・A・デマーズ、クララ・ベガ著 :: SSRN (PDF) Papers.ssrn.com. 2014年6月7日. doi :10.2139/ssrn.1153450. SSRN  1153450. {{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
  4. ^ 「言葉以上のもの：企業の基礎を測る言語の定量化」（PDF） Gsb.columbia.edu 2015年7月26日閲覧。
  5. ^ 「市場情報とセンチメントを用いた株式ポートフォリオリスク（ボラティリティ）推定」（PDF） Northinfo.com . 2015年7月26日閲覧。
  6. ^ ニュースを「読む」最初の人：ニュース分析とアルゴリズム取引 フォン・ベシュヴィッツ、バスティアン、ドナルド・B・ケイム、マッシモ・マッサ | 連邦準備制度理事会 | 第1233号 | 2018年7月 | 67ページ中4ページ
Retrieved from "https://en.wikipedia.org/w/index.php?title=News_analytics&oldid=1239363250"