שימוש בסנטימנט בטוויטר ובלמידת Q למסחר במניות
סיכום
מחקר זה בוחן אם סנטימנט יומי בטוויטר יכול לסייע בחיזוי תשואות מניות ובתמיכה בהחלטות מסחר. הוא משלב למידת מכונה להערכת אות הסנטימנט עם למידת חיזוק, ובפרט למידת Q, כדי לגזור מדיניות מסחר מאות זה.
התוצאות המדווחות מצביעות על כך שלסנטימנט יכולת חיזוי חזקה יותר עבור חברות שמחיריהן משקפים ציפיות לצמיחה עתידית, וכן סביב אירועים מרכזיים המושכים תשומת לב ציבורית. מדווח שאסטרטגיית למידת Q עולה על אסטרטגיה המבוססת על תחזיות למידת מכונה. המסמך אינו מספק פרטי מדגם, נתוני ביצועים, ניתוח עלויות עסקה או דיון באופן תיקוף האסטרטגיות, ולכן אי אפשר להעריך מתוך תיאור זה בלבד את עוצמת התוצאות ואת מידת תחולתן בתנאי העולם האמיתי.
רעיונות מרכזיים
- סנטימנט יומי בטוויטר נבחן כאות לחיזוי תשואות מניות.
- למידת Q משמשת להמרת אות הסנטימנט למדיניות מסחר.
- הערך החיזויי המדווח חזק יותר במניות שמחיריהן משקפים ציפיות לצמיחה עתידית ובסביבת אירועים ציבוריים מרכזיים.
- מדווח שאסטרטגיית למידת החיזוק עולה על מסחר ישיר לפי תחזיות למידת מכונה.
תגיות
הטקסט המלא
# 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.
מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0
הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.