Q:
Bagaimana kemampuan pembelajaran mesin baru memungkinkan penambangan dokumen stok untuk data keuangan?
SEBUAH:Salah satu batas baru yang menarik dari pembelajaran mesin dan AI adalah bahwa para ilmuwan dan insinyur sedang memulai berbagai cara untuk menggunakan jenis sumber daya yang sama sekali baru untuk memprediksi pergerakan stok dan hasil investasi. Ini adalah pengubah permainan yang luar biasa di dunia keuangan, dan akan merevolusi strategi investasi dengan cara yang sangat mendalam.
Salah satu ide dasar untuk memperluas jenis penelitian saham ini adalah linguistik komputasi, yang melibatkan pemodelan bahasa alami. Para ahli sedang menyelidiki bagaimana menggunakan dokumen teks, dari pengarsipan SEC ke surat-surat pemegang saham ke sumber daya berbasis teks periferal lainnya, untuk menambah atau menyempurnakan analisis stok atau untuk mengembangkan analisis yang sama sekali baru.
| Unduh Gratis: Pembelajaran Mesin dan Mengapa Itu Penting |
Penafian penting adalah bahwa semua ini hanya dapat dilakukan melalui kemajuan baru dalam jaringan saraf, pembelajaran mesin dan analisis bahasa alami. Sebelum munculnya ML / AI, teknologi komputasi sebagian besar menggunakan pemrograman linier untuk "membaca" input. Dokumen teks terlalu sangat terstruktur untuk berguna. Tetapi dengan kemajuan yang dibuat dalam analisis bahasa alami dalam beberapa tahun terakhir, para ilmuwan menemukan bahwa adalah mungkin untuk "menambang" bahasa alami untuk hasil yang dapat diukur atau, dengan kata lain, hasil yang dapat dihitung dengan cara tertentu.
Beberapa bukti terbaik dan contoh paling berguna dari ini berasal dari berbagai disertasi dan pekerjaan doktoral yang tersedia di web. Dalam sebuah makalah, "Aplikasi Pembelajaran Mesin dan Linguistik Komputasi dalam Ekonomi Keuangan, " diterbitkan April 2016, Lili Gao mampu menjelaskan proses yang relevan khusus untuk penambangan pengarsipan SEC perusahaan, panggilan pemegang saham, dan pesan media sosial.
"Mengekstraksi sinyal yang berarti dari data teks yang tidak terstruktur dan berdimensi tinggi bukanlah tugas yang mudah, " tulis Gao. "Namun, dengan pengembangan pembelajaran mesin dan teknik linguistik komputasi, pemrosesan dan analisis statistik tugas teks dapat diselesaikan, dan banyak aplikasi analisis teks statistik dalam ilmu sosial telah terbukti berhasil." Dari diskusi Gao tentang pemodelan dan kalibrasi secara abstrak, seluruh dokumen yang dikembangkan menunjukkan bagaimana beberapa jenis analisis ini bekerja secara terperinci.
Sumber lain untuk proyek aktif termasuk halaman seperti proyek singkat GitHub ini, dan sumber daya IEEE ini berbicara secara khusus tentang mendapatkan informasi keuangan yang berharga dari "analisis sentimen Twitter."
Intinya adalah bahwa penggunaan model NLP baru ini mendorong inovasi cepat dalam menggunakan semua jenis dokumen teks, tidak hanya untuk analisis keuangan, tetapi untuk jenis lain penemuan mutakhir, mengaburkan garis yang secara tradisional menetapkan antara "bahasa" dan "data."
