新闻和情绪交易
各类型通讯社的新闻广播量不断增加。 为了从海量数据流中受益,需要应用过滤器,因此该功能主要由大型投资公司的研究部门来使用。 然而,随着新闻内容数字化、计算能力和语言解释方法的发展,现在可以高效快速地分析这些数据。 分析这些数据的程序通常被称为情绪算法。
-
Frank Z. Xing 等人. Natural language based financial forecasting: a survey (Link)。 数据和各种技术的可用性导致了自然语言处理技术的定性发展。 这种不断增强的能力能够更准确地捕捉市场情绪。
-
Ziniu Hu 等人. Listening to Chaotic Whispers: A Deep Learning Framework for News-oriented Stock Trend Prediction (Link). 本文描述了混合注意力网络,旨在根据最近的一系列相关事件预测股票趋势。
-
J.W. Leung, Master Thesis, MIT. Application of Machine Learning: Automated Trading Informed by Event Driven Data (Link). 本文描述了如何使用 机器学习方法来进行技术指标和市场情绪分析。 所讲述的预测模型可用于任何给定证券交易所的算法交易。
-
Xiao Ding 等人. Deep Learning for Event-Driven Stock Prediction (Link). 本文讨论了事件驱动股市预测的深度学习方法。 首先,从新闻文本中提取事件,并将其表示为使用新型神经张量网络训练的密集向量。 接着,使用深度卷积神经网络基于事件针对股票价格走势的长/短期影响进行建模。