Sentimentanalyse til porteføljestyring

NUS-dataforskere har udviklet en deep learning-baseret tekstdataanalysemetode til at udtrække sentimentinformation fra analytikerrapporter til investeringsbeslutninger.

Ustruktureret tekst er en af ​​de største datakilder, som bruges til at kommunikere investorernes tanker og meninger på de finansielle markeder. Tekstdataanalyse transformerer disse ustrukturerede tekstdata til meningsfulde data, der kan give indsigt, såsom aktiemarkedshandelsmønstre. Der er stigende efterspørgsel i den finansielle sektor for at bruge tekstinformation til at vejlede beslutningstagere i at træffe bedre investeringsbeslutninger.

Professor Chen Ying fra Institut for Matematik, NUS og hendes ph.d. studerende hr. Hitoshi IWASAKI har udviklet en tekstdataanalysemetode til at udtrække sentimentindekser for specifikke emner fra analytikerrapporter fra børsnoterede virksomheder. Denne følelsesudtrækning, som er baseret på en maskinlæringstilgang, er navngivet som deep neural network supervised learning. Et centralt træk ved denne metode er, at den analyserer rapporterne på sætningsniveau frem for individuelle ord. På denne måde den oprindelige betydning og kontekst kan identificeres mere præcist.

Forskerholdet udførte sentimentanalysen på mere end 110, 000 analytikerrapporter skrevet på japansk for aktier noteret på Tokyo Stock Exchange og Osaka Exchange. Stemningerne inkorporeres derefter i en prisfastsættelsesmodel for emner. Sammenlignet med andre modeller for prisfastsættelse af aktiver, som enten ikke inkorporerer sentimentanalyse eller har overordnede følelser (enkelt aggregeret værdi), deres model viste sig at have bedre forudsigelighed med hensyn til forventede afkast og forbedret fortolkning (bidrag af hver variabel komponent til resultatet).

Prof Chen sagde, "I vores undersøgelse, vi fandt ud af, at emner, der afspejler aktieanalytikeres subjektive meninger, har større forudsigelighed om porteføljeafkast end emner, der vedrører objektive fakta og kvantitative mål. Dette tyder på, at sentimentanalyse kan spille en væsentlig rolle i moderne porteføljeudvælgelse."