تجارت مبتنی بر اخبار: از کبوتر تا پرنده توییتر

از آغاز اقتصاد مدرن ، اخبار مالی بر تصمیمات سرمایه گذاری تأثیر گذاشته است. فن آوری های جدید پدیدار می شوند و سرمایه گذاران این موضوع را به سطح بعدی می برند.

برای قرن ها ، معامله گران سهام و سایر شرکت کنندگان در بازار سعی کرده اند از طریق اخبار بازار مزیت اطلاعاتی کسب کنند. ایده این استراتژی: هرکسی که اولین کسی باشد که اطلاعات انفجاری دارد می تواند با آن پول زیادی کسب کند.

کسی که پتانسیل اقتصادی اخبار را در اوایل به رسمیت شناخت ، پل جولیوس روتر بود. حتی در آن زمان ، در سال 1850 ، اخبار مالی و قیمت بورس از طریق خطوط تلگراف منتقل شد. با این حال ، شبکه تلگراف پر از سوراخ بود ، و به عنوان مثال مسیر بین پاریس و برلین ، باید بخشی از آن را از طریق قطار پستی برید.

پل جولیوس روتر ، بنیانگذار خبرگزاری رویترز. عکس © Keystone/AKG-Images/AKG-Images/Dieter E. Hoppe.

رویتر فرصتی را دید و سعی کرد جریان اخبار را سرعت بخشد. وی شروع به استفاده از کبوترها کرد که داده های بورس اوراق بهادار را سه بار سریعتر منتقل کرد. موفقیت خدمات جدید وی برای اطلاعات مالی بسیار زیاد بود و پایه و اساس آژانس خبری "رویترز" را پایه گذاری کرد - امروز یک بازیکن جهانی در این زمینه.

کبوترهای حامل مدتهاست که با وسایل ارتباطی دیجیتال جایگزین شده اند ، اما تقاضا برای اطلاعات مالی به موقع و قابل اعتماد همچنان ناگسستنی است. حتی امروز ، اخبار به عنوان نوعی ماده اولیه برای استراتژی های معاملاتی عمل می کند. سرمایه گذاران باید در مورد آخرین تصمیمات نرخ بهره توسط فدرال رزرو ، بلکه در مورد آخرین توییت های الون ماسک بدانند. شبکه های اجتماعی نقش فزاینده ای را ایفا می کنند و بر بازارهای مالی جهانی تأثیر می گذارند. ارتباط آنها افزایش یافته است و توسط جامعه سرمایه گذار نمی توان آنها را نادیده گرفت. اما چگونه می توان این اطلاعات متنوع را با سودآوری بدست آورد؟

تجزیه و تحلیل اخبار از طریق پردازش زبان الگوریتمی

یک امکان توسط پردازش زبان طبیعی (NLP) ارائه می شود. این فناوری از رایانه ها برای تجزیه و تحلیل طیف گسترده ای از منابع خبری بسیار کارآمد استفاده می کند. این ترکیب زبان شناسی محاسباتی ، یادگیری ماشین و هوش مصنوعی با هدف اندازه گیری سیستماتیک احساسات بازار از طریق فیدهای توییتر یا RSS ، مقالات روزنامه ها و انتشار مطبوعات است.

برای تجزیه و تحلیل احساسات خبری ، هزاران مورد از طیف گسترده ای از منابع خبری هر دقیقه پردازش می شوند و نمره احساسات مشخص می شود. خبر خوب نمرات مثبت ، اخبار بد منفی را دریافت می کند. این روند پیچیده است و همچنین تعامل اخبار فعلی و قبلی را در نظر می گیرد. هدف همیشه تعریف ارزشهای احساسات است که تا حد امکان برای طیف گسترده ای از بازارهای مالی دقیق است. با کمک الگوریتم ها ، اینها به پیش بینی های بازگشت تبدیل می شوند و سیگنال های معاملاتی تولید می شوند.

کارآیی به عنوان مزیت اصلی

یکی از مزیت های NLP پردازش پیام بسیار سریع و جامع مبتنی بر الگوریتم برای تأسیس تصمیمات سرمایه گذاری است. ایده این است که رایانه با کمک الگوریتم های تحلیلی ، سندی را "می خواند" و سپس یک مقدار احساسات را اختصاص می دهد. در اینجا دو عنوان خبری مثال زدنی برای توصیف استراتژی تجزیه و تحلیل وجود دارد:

رایانه تشخیص می دهد که هر دو جمله به ارز انگلیس ، استرلینگ پوند اشاره دارند. این همراه با کلمات "ادامه می یابد" ، "خوش بینی" یا حتی "صعود" است - همه اینها حاکی از احساسات مثبت است. در نتیجه این تجزیه و تحلیل احساسات ، الگوریتم پیش بینی بازگشت مثبت برای استرلینگ پوند را بدست می آورد و سیگنال خرید را برای تجارت ایجاد می کند.

اطلاعات و بینش

Andreas Vetsch یک تحلیلگر تحقیق در LGT Capital Partners است و در این نقش ، سیاست پولی بانکهای مرکزی را نیز نظارت می کند.

او و همکارانش در مدیریت دارایی به دنبال فرصت های جذاب سرمایه گذاری و شناسایی بهترین مدیران نمونه کارها هستند. آنها همچنین بخش قابل توجهی از دارایی های صاحب LGT ، خانه پرنسس لیختن اشتاین را مدیریت می کنند.

اگر به آخرین تحولات بازار جهانی و اقتصادی علاقه دارید ، توصیه می کنیم بینش های ارائه شده توسط کارشناسان تحقیق ما را بخوانید.

با این حال ، این خبر تأثیرات همزمان بر سایر ارزها ، سهام ، نرخ بهره یا تورم دارد. به عنوان مثال ، این دو نرخ منجر به سیگنال منفی برای سهام انگلیس می شود ، زیرا یک ارز در حال افزایش تأثیر منفی بر صادرات توسط شرکت های انگلیسی دارد. در این حالت ، ارزش احساسات برای شرکتهای صادراتی گرا به ویژه منفی است. این الگوریتم این پیام ها و همبستگی ها را بسیار سریعتر از مغز انسان پردازش می کند و یک مزیت اطلاعات ایجاد می کند.

اجتناب از سکسکه برای تجارت اخبار: ابهام زبان

با این حال، کار با زبان دشوارتر از کار با داده های عددی با ساختار مناسب است. به یک عدد می توان یک مقدار منحصر به فرد اختصاص داد، اما کلمات نمی توانند. جمله زیر گویای این موضوع است:

مجدداً کلمه «استرلینگ» ذکر شده و این کلمه با «عروج» نیز همراه است. اما برخلاف مثال قبلی، در اینجا صحبت از پوند استرلینگ یا سایر اخبار مالی نیست، بلکه در مورد رحیم استرلینگ، بازیکن ملی فوتبال انگلیس صحبت می کنیم.

چالش تجارت مبتنی بر اخبار: پوند استرلینگ در مقابل رحیم استرلینگ.

برای جلوگیری از اینکه الگوریتم هر بار که رحیم استرلینگ گلی می‌زند یا توییت‌های مثبتی از طرفداران فوتبال انگلیسی دریافت می‌کند سیگنال خرید پوند را به‌طور خودکار ایجاد کند، NLP باید زمینه اخبار را نیز تشخیص دهد. معناشناسی برای ایجاد ارجاعی که در محیط های خاص انجام می شود استفاده می شود.

اگر "استرلینگ" به کلماتی مانند "فوتبال"، "منچستر سیتی" یا مانند بالا به مربی خود "گواردیولا" اشاره کند، الگوریتم یک محیط فوتبال را تشخیص می دهد و به محیط ارز متمایز می شود. این مثال ساده بینشی از پیچیدگی پردازش سیستماتیک پیام ارائه می دهد.

مزیت اطلاعاتی ارزشمند از طریق NLP

NLP با استفاده صحیح از پتانسیل بسیار بالایی برخوردار است. از آنجایی که حجم اخبار و پردازش آن از زمان پل جولیوس رویتر به طور چشمگیری تغییر کرده است، سرمایه گذاران امروزی مانند آن زمان به اخبار مالی پاسخ می دهند. همین الگوهای خبری همچنان بر نظر سرمایه گذاران تأثیر زیادی دارد.

با این حال خوشبختانه دسترسی به اطلاعات بسیار آسان تر شده است. مدتهاست که کبوترها با داده های خودکار جایگزین شده اند. این چیز خوبی است - فقط تصور کنید که تعداد زیادی کبوتر می توانند بیش از 500 میلیون توییت در روز را مدیریت کنند.

در حالی که از آن زمان تاکنون دنیا تغییرات زیادی کرده است، سرمایه گذاران ممکن است همچنان از یک استراتژی معاملاتی دقیق و سریع مبتنی بر اخبار سود ببرند. هنوز هم می تواند امروز یک لبه اطلاعاتی برای دستیابی به بازده بازار جذاب ارائه دهد. این به طرز چشمگیری نشان می دهد که روح پل جولیوس رویتر حیاتی است، که زمانی گفت: "اول آن را درست انجام دهید، سپس اول آن را انجام دهید".

تجارت مبتنی بر اخبار در LGT

LGT Capital Partners استراتژی تجارت مبتنی بر خبر LGT AI (NBT) را در 1 آوریل 2016 راه اندازی کرد. این استراتژی سرمایه گذاری سیستماتیک، حرکت بازار را با اخبار مالی به عنوان تنها ورودی آن پیش بینی می کند و براساس این پیش بینی ها، معاملات آتی را بر اساس شاخص های اصلی سهام معامله می کند.

این استراتژی از یک سیستم پردازش زبان طبیعی برای نمایش و امتیاز دهی ده ها هزار خبر در روز از صدها رسانه خبری و یک مدل پویا غیرخطی برای محاسبه احساسات سرمایه گذار از اخبار امتیازدهی شده استفاده می کند. سپس نوردهی طولانی/کوتاه هدف روزانه با استفاده از الگوریتم‌های یادگیری ماشین تعیین می‌شود.

NBT عملکرد مطلق مستقل از رژیم را با همبستگی کم با صندوق های تامینی و استراتژی های طولانی مدت ارائه می دهد. از زمان آغاز به کار، رکوردی برتر را ایجاد کرده است. به طور خاص، NBT عملکرد بسیار خوبی را در سال پرتلاطم 2020 نشان داد و برنده جایزه HFM European Quant در رده تخصصی CTA شد.

استراتژی معاملاتی مبتنی بر اخبار بخشی از پیشنهاد صندوق تامینی LGT Capital Partners است. درباره این راه حل های سرمایه گذاری بیشتر بدانید.