본문으로 건너뛰기
라이브러리 문서 전체

트위터 심리와 Q-러닝으로 주식 트레이딩

기사 arXiv papers · 저자: Catherine Xiao et al.
원문 읽기

요약

이 연구는 일간 트위터 심리가 주식 수익률을 예측하고 트레이딩 의사결정을 뒷받침할 수 있는지 살펴봅니다. 머신러닝으로 심리 신호를 평가하고, 강화학습, 구체적으로는 Q-러닝을 결합해 해당 신호에 기반한 트레이딩 정책을 도출합니다.

보고된 결과에 따르면 주가가 미래 성장 기대를 반영하는 기업과 대중의 관심을 끄는 주요 사건 전후에 심리 신호의 예측력이 더 높습니다. Q-러닝 전략은 머신러닝 예측에 기반한 전략보다 성과가 높았다고 보고됩니다. 문서에는 표본 세부 정보, 성과 수치, 거래 비용 분석 또는 전략 검증 방식에 대한 논의가 없어 이 설명만으로는 결과의 강도와 현실 적용 가능성을 평가할 수 없습니다.

핵심 아이디어

  • 일간 트위터 심리를 주식 수익률 예측 신호로 평가합니다.
  • Q-러닝을 사용해 심리 신호를 트레이딩 정책으로 전환합니다.
  • 성장 기대가 주가에 반영되는 종목과 주요 대중 관심 사건 전후에 예측력이 더 높다고 보고합니다.
  • 강화학습 전략은 머신러닝 예측을 직접 활용한 트레이딩보다 성과가 높았다고 보고됩니다.

태그

주식머신러닝시장 심리이벤트 기반 전략
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.