DeepTrust: Hinweise auf extreme Aktienkursbewegungen bewerten

Zusammenfassung

DeepTrust ist ein Rahmenwerk, um Informationen zu finden und zu bewerten, die extreme Aktienkursbewegungen erklären könnten. Der Ablauf umfasst drei Teile: maschinelles Lernen zur Erkennung auffälliger Bewegungen anhand historischer Preise, die Suche nach passenden unstrukturierten Informationen auf Twitter mit an die Suchbedingungen angepassten Abfragen und die Bewertung der Zuverlässigkeit der gefundenen Inhalte. Dabei werden Merkmale der Tweets, Anzeichen für automatisch erzeugte Sprache, Argumentationsstruktur, Subjektivität und Stimmung berücksichtigt, um die Ergebnisse auf eine kleine Auswahl potenziell glaubwürdiger Beiträge einzugrenzen.

Das Rahmenwerk wurde anhand selbst annotierter Aktienanomalien auf Twitter und Facebook aus dem April 2021 bewertet. Die berichtete optimale Konfiguration übertraf in beiden Fällen einen Basisklassifikator beim FF0.5-Wert und bei der Präzision. Die Autoren untersuchen außerdem die Such- und Zuverlässigkeitsmodule getrennt und benennen Faktoren, die ihre Leistung begrenzen. Die Beschreibung umfasst nur zwei annotierte Anomalien; sie belegt daher keine Wirksamkeit bei anderen Ereignissen, Vermögenswerten oder Zeiträumen. Die Methode unterstützt die Sichtung von Informationen. Glaubwürdige Beiträge in sozialen Medien beweisen für sich genommen nicht die Ursache einer Kursbewegung.

Kernaussagen

• DeepTrust verbindet die Erkennung von Preisanomalien, die Suche auf Twitter und die Bewertung der Informationszuverlässigkeit.
• Dynamische Suchbedingungen dienen dazu, Beiträge in sozialen Medien zu ungewöhnlichen Kursbewegungen zu finden.
• Die Zuverlässigkeitsbewertung berücksichtigt Tweet-Merkmale, Hinweise auf automatisch erzeugte Sprache, Argumentation, Subjektivität und Stimmung.
• Bei der Bewertung zweier annotierter Aktienanomalien wurden bessere F0.5-Werte und höhere Präzision als bei einem Basisklassifikator berichtet.
• Die kleine beschriebene Bewertung begrenzt Aussagen zur Verallgemeinerbarkeit; gefundene Beiträge belegen keine Kausalität.

Schlagwörter

# DeepTrust: A Reliable Financial Knowledge Retrieval Framework For Explaining Extreme Pricing Anomalies


# DeepTrust: A Reliable Financial Knowledge Retrieval Framework For Explaining Extreme Pricing Anomalies









Extreme pricing anomalies may occur unexpectedly without a trivial cause, and equity traders typically experience a meticulous process to source disparate information and analyze its reliability before integrating it into the trusted knowledge base. We introduce DeepTrust, a reliable financial knowledge retrieval framework on Twitter to explain extreme price moves at speed, while ensuring data veracity using state-of-the-art NLP techniques. Our proposed framework consists of three modules, specialized for anomaly detection, information retrieval and reliability assessment. The workflow starts with identifying anomalous asset price changes using machine learning models trained with historical pricing data, and retrieving correlated unstructured data from Twitter using enhanced queries with dynamic search conditions. DeepTrust extrapolates information reliability from tweet features, traces of generative language model, argumentation structure, subjectivity and sentiment signals, and refine a concise collection of credible tweets for market insights. The framework is evaluated on two self-annotated financial anomalies, i.e., Twitter and Facebook stock price on 29 and 30 April 2021. The optimal setup outperforms the baseline classifier by 7.75% and 15.77% on F0.5-scores, and 10.55% and 18.88% on precision, respectively, proving its capability in screening unreliable information precisely. At the same time, information retrieval and reliability assessment modules are analyzed individually on their effectiveness and causes of limitations, with identified subjective and objective factors that influence the performance. As a collaborative project with Refinitiv, this framework paves a promising path towards building a scalable commercial solution that assists traders to reach investment decisions on pricing anomalies with authenticated knowledge from social media platforms in real-time.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.