Тональность Twitter и Q-обучение для торговли акциями

Сводка

В исследовании оценивается, может ли ежедневная тональность сообщений в Twitter помогать прогнозировать доходность акций и принимать торговые решения. Машинное обучение применяется для оценки сигнала тональности, а обучение с подкреплением, в частности Q-обучение, — для выработки торговой политики на его основе.

Согласно результатам, тональность обладает большей прогностической силой для акций компаний, цены которых отражают ожидания будущего роста, а также в периоды крупных событий, привлекающих внимание общественности. По сообщению авторов, стратегия Q-обучения превосходит стратегию, основанную на прогнозах машинного обучения. В документе нет сведений о выборке, показателей эффективности, анализа транзакционных издержек или описания проверки стратегий, поэтому по одному этому описанию нельзя оценить надёжность результатов и их применимость в реальных условиях.

Ключевые идеи

• Ежедневная тональность сообщений в Twitter оценивается как сигнал для прогнозирования доходности акций.
• Q-обучение используется для преобразования сигнала тональности в торговую политику.
• Согласно результатам, прогностическая ценность выше для акций, цены которых отражают ожидания будущего роста, и в периоды крупных событий, привлекающих внимание общественности.
• Согласно исследованию, стратегия обучения с подкреплением превосходит торговлю непосредственно на основе прогнозов машинного обучения.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.