新聞和情緒交易

各類型通訊社的新聞廣播量不斷增加。 為了從海量數(shù)據(jù)流中受益，需要應用過濾器，因此該功能主要由大型投資公司的研究部門來使用。 然而，隨著新聞內容數(shù)字化、計算能力和語言解釋方法的發(fā)展，現(xiàn)在可以高效快速地分析這些數(shù)據(jù)。 分析這些數(shù)據(jù)的程序通常被稱為情緒算法。

• Frank Z. Xing 等人. Natural language based financial forecasting: a survey (Link)。 數(shù)據(jù)和各種技術的可用性導致了自然語言處理技術的定性發(fā)展。 這種不斷增強的能力能夠更準確地捕捉市場情緒。

• 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網(wǎng)絡，旨在根據(jù)最近的一系列相關事件預測股票趨勢。

• 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 機器學習方法來進行技術指標和市場情緒分析。 所講述的預測模型可用于任何給定證券交易所的算法交易。

• Xiao Ding 等人. Deep Learning for Event-Driven Stock Prediction (Link). 本文討論了事件驅動股市預測的深度學習方法。 首先，從新聞文本中提取事件，并將其表示為使用新型神經(jīng)張量網(wǎng)絡訓練的密集向量。 接著，使用深度卷積神經(jīng)網(wǎng)絡基于事件針對股票價格走勢的長/短期影響進行建模。