Kuidas arvuti uudiste põhjal kauplema õpetada

[alter]

Tuhandeid algoritme on loodud, et elimineerida inimene koos oma inimlike vigadega aktsiate kauplemise protsessist. Technology Review kirjeldab ühte sellist programmi, mille ülesandeks on senisest edukamalt uudiseid kaubelda.

Robert Schumaker Iona kolledžist ja Hsinchun Chen Arizona ülikoolist on loonud programmi nimega AZFinText, mis tõmbab netist suures koguses teksti (esialgu Yahoo Finance’ist) ja võrdleb seda reaalajas aktsiahindadega. Seejärel üritab arvuti õppida, millised tekstid viivad suurema tõenäosusega aktsiahindade languse ning millised tõusuni.

Nii saadud infost tehtud järelduste põhjal aktsiaid kas ostetakse või müüakse lühikeseks (panustatakse hinna langusele) järgmiseks 20 minutiks. Üle selle aja positsioone ei hoita, sest edasine aktsiahinna liikumine ei ole tõenäoliselt enam nii tugevalt seotud uudisega.

Süsteemi testimiseks valiti viienädalane periood aastast 2005, mis paistis silma suhteliselt rahuliku kauplemise poolest. AZFinText saavutas selle aja kestel 8,5-protsendilise tootluse, mis aasta baasile viiduna tähendaks väga muljetavaldavat tulemust. Selle tulemusega edestas AZFinText väga paljusid inimeste poolt juhitavaid riskifonde, kuid ei kuulunud siiski päris tippu. Keskmine aktsiaturgude tootlus on umbes 10 protsenti aastas dividende arvestamata.

Teksti analüüsivad automaatsed kauplemissüsteemid pole midagi uut. Neid on üritatud luua juba pea kaks aastakümmet. Kui osata uudiste mõju turule õigesti interpreteerida ning suuta kiirelt enne teisi reageerida, võib uudistekauplemine olla väga tulus tegevus. Uudise mõju interpreteerijana on inimene seni kahtlemata tugevam olnud, kuid kiiruses ta arvutiga võistelda ei suuda.

Schumaker ja Chen üritavadki koolitada arvuti senisest palju paremaks tõlgendajaks. Selleks oli kõigepealt vaja muuta suured andmekogumid väiksemaks, et tõsta andmete töötlemise kiirust. Teadlased kasutasid selleks 1997. aastal DARPA (USA kaitseministeeriumi agentuur, mis vastutab sõjaväele uue tehnoloogia väljatöötamise eest) eestvedamisel toimunud seitsmendal sõnumite tõlgendamise konverentsil kirjeldatud süsteeme. Vaja oli neid esialgu terroristide salaplaanide avastamiseks, selleks aga tuli läbi töötada tohutu kogus tekstilist infot, mis pole inimesele jõukohane.

Sama süsteem on aga kasutatav ka finantsuudiste kokkupressimiseks, nii et alles jäävad vaid mõned aktsiaturule mõju omavad märksõnad. Kasutades varasemaid aktsiahindu, lasid teadlased arvutil õppida, mis laadi märksõnad hindadele mõju võiksid omada. Praeguseks on nad välja sõelunud 211 sõna, millel paistab olevat mõju aktsiahindadele.

Näiteks positiivset mõju näisid omavat sõnad planted, announcing, front, smaller ja crude. Negatiivselt mõjuvad aga hereto,comparable, charge, summit ja green.
Teadlased ei ole võtnud endale eraldi eesmärgiks aru saada, miks just need sõnad aktsiahindadele mõju tunduvad omavat, kuid huvitav on märkida, et moesõna green (viitab enamasti rohelisele tehnoloogiale) mõjub aktsiaturule pigem nagu punane rätik härjale, crude (toornafta) aga paistab turuosalistele märksa enam meeldivat.

http://novaator.ee/ET/it/kuidas_arvuti_uudiste_pohjal_kauplema_opetada/