Mit Twitter-Stimmung und Q-Learning Aktien handeln

Zusammenfassung

Diese Studie untersucht, ob die tägliche Twitter-Stimmung Aktienrenditen prognostizieren und Handelsentscheidungen unterstützen kann. Sie kombiniert maschinelles Lernen zur Bewertung des Stimmungssignals mit bestärkendem Lernen, konkret Q-Learning, um daraus eine Handelsstrategie abzuleiten.

Die berichteten Ergebnisse deuten darauf hin, dass die Stimmung für Unternehmen, deren Kurse Erwartungen an künftiges Wachstum widerspiegeln, sowie rund um große Ereignisse mit öffentlicher Aufmerksamkeit eine stärkere Prognosekraft hat. Die Q-Learning-Strategie soll eine auf maschinellen Lernprognosen basierende Strategie übertreffen. Das Dokument enthält keine Einzelheiten zur Stichprobe, zu Performancezahlen, Transaktionskosten oder zur Validierung der Strategien. Daher lassen sich Stärke und praktische Anwendbarkeit der Ergebnisse allein anhand dieser Beschreibung nicht beurteilen.

Kernaussagen

• Die tägliche Twitter-Stimmung wird als Signal zur Prognose von Aktienrenditen untersucht.
• Q-Learning wandelt das Stimmungssignal in eine Handelsstrategie um.
• Der berichtete Prognosewert ist bei Aktien mit wachstumsgetriebenen Erwartungen und rund um große öffentliche Ereignisse höher.
• Die Strategie mit bestärkendem Lernen soll den direkten Handel anhand maschineller Lernprognosen übertreffen.

Schlagwörter

# Trading the Twitter Sentiment with Reinforcement Learning


# Trading the Twitter Sentiment with Reinforcement Learning









This paper is to explore the possibility to use alternative data and artificial intelligence techniques to trade stocks. The efficacy of the daily Twitter sentiment on predicting the stock return is examined using machine learning methods. Reinforcement learning(Q-learning) is applied to generate the optimal trading policy based on the sentiment signal. The predicting power of the sentiment signal is more significant if the stock price is driven by the expectation of the company growth and when the company has a major event that draws the public attention. The optimal trading strategy based on reinforcement learning outperforms the trading strategy based on the machine learning prediction.

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.