Utiliser le sentiment sur Twitter et le Q-learning pour trader des actions

Résumé

Cette étude examine si le sentiment quotidien sur Twitter peut aider à prévoir les rendements des actions et à orienter les décisions de trading. Elle combine l’apprentissage automatique pour évaluer le signal de sentiment avec l’apprentissage par renforcement, en particulier le Q-learning, afin de déduire une politique de trading à partir de ce signal.

Les résultats rapportés suggèrent que le sentiment est plus prédictif pour les entreprises dont les cours reflètent des anticipations de croissance future, ainsi qu’autour des événements majeurs qui attirent l’attention du public. La stratégie fondée sur le Q-learning aurait de meilleurs résultats qu’une stratégie basée sur des prédictions d’apprentissage automatique. Le document ne fournit ni détails sur l’échantillon, ni chiffres de performance, ni analyse des coûts de transaction, ni explication de la validation des stratégies ; la solidité et l’applicabilité réelle des résultats ne peuvent donc pas être évaluées à partir de cette seule description.

Idées clés

• Le sentiment quotidien sur Twitter est évalué comme signal de prévision des rendements des actions.
• Le Q-learning sert à transformer le signal de sentiment en politique de trading.
• La valeur prédictive rapportée est plus forte pour les actions influencées par les anticipations de croissance et autour des événements publics majeurs.
• La stratégie d’apprentissage par renforcement aurait de meilleurs résultats que le trading direct à partir de prédictions d’apprentissage automatique.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.