Q:
Bagaimanakah keupayaan pembelajaran mesin baru membolehkan perlombongan dokumen saham untuk data kewangan?
A:Salah satu perbatasan baharu mesin pembelajaran dan AI adalah para saintis dan jurutera memulakan pelbagai cara untuk menggunakan jenis sumber yang baru untuk meramalkan pergerakan saham dan hasil pelaburan. Ini adalah penukar permainan yang luar biasa di dunia kewangan, dan akan merevolusikan strategi pelaburan dengan cara yang sangat mendalam.
Salah satu idea asas untuk mengembangkan jenis penyelidikan jenis ini adalah linguistik perhitungan, yang melibatkan pemodelan bahasa semula jadi. Pakar menyiasat cara menggunakan dokumen teks, dari pemfailan SEC kepada surat pemegang saham kepada sumber berasaskan teks periferal lain, untuk menambah atau menapis analisis stok atau untuk membangunkan analisis baru sepenuhnya.
| Muat turun Percuma: Pembelajaran Mesin dan Mengapakah Ia Penting |
Penafian penting adalah bahawa semua ini hanya boleh dilakukan melalui kemajuan baru dalam rangkaian saraf, pembelajaran mesin dan analisis bahasa semula jadi. Sebelum kemunculan ML / AI, teknologi pengkomputeran kebanyakannya menggunakan pengaturcaraan linear untuk "membaca" input. Dokumen teks juga sangat tidak berstruktur untuk digunakan. Tetapi dengan kemajuan yang dibuat dalam analisis bahasa semulajadi dalam beberapa tahun kebelakangan ini, saintis mendapati bahawa mungkin untuk "melombong" bahasa semulajadi untuk hasil kuantitatif atau, dengan kata lain, hasil yang dapat dikira dalam beberapa cara.
Beberapa bukti terbaik dan contoh yang paling berguna ini datang dari pelbagai disertasi dan kerja doktoral yang terdapat di web. Dalam makalah, "Aplikasi Pembelajaran Mesin dan Linguistik Komputasi dalam Ekonomi Kewangan, " yang diterbitkan pada bulan April 2016, Lili Gao dengan jelas menerangkan proses relevan khusus untuk perlombongan pemfailan SEC korporat, panggilan pemegang saham, dan mesej media sosial.
"Mengeluarkan isyarat bermakna daripada data teks dimensi tidak berstruktur dan tinggi bukanlah tugas yang mudah, " tulis Gao. "Bagaimanapun, dengan perkembangan teknik pembelajaran komputer dan teknik pengkomputeran, pemprosesan dan analisis statistik untuk tugas-tugas dokumen tekstual dapat dicapai, dan banyak aplikasi analisis teks statistik dalam sains sosial telah terbukti berjaya." Dari perbincangan Gao mengenai pemodelan dan penentukuran dalam abstrak, keseluruhan dokumen yang dibangunkan menunjukkan bagaimana beberapa analisis jenis ini berfungsi secara terperinci.
Sumber-sumber lain untuk projek-projek aktif termasuk halaman-halaman seperti projek GitHub ringkas ini, dan sumber IEEE ini bercakap secara khusus tentang mendapatkan maklumat kewangan berharga daripada "analisis sentimen Twitter."
Intinya ialah penggunaan model NLP yang baru ini mendorong inovasi pantas menggunakan pelbagai dokumen teks, bukan hanya untuk analisis kewangan, tetapi untuk penemuan canggih lain, mengaburkan garis tradisi yang ditubuhkan di antara "bahasa" dan "data."
