跳至正文
返回文库全部文档

利用推特情绪与Q学习进行股票交易

文章 arXiv papers · 作者: Catherine Xiao et al.
阅读原文

总结

本研究考察每日推特情绪能否帮助预测股票收益并支持交易决策。研究结合机器学习评估情绪信号，并使用强化学习，具体来说是Q学习，根据该信号推导交易策略。

报告结果表明，对于股价反映未来增长预期的公司，以及在引发公众关注的重大事件前后，情绪的预测能力更强。报告称，Q学习策略优于基于机器学习预测的策略。文章没有提供样本细节、表现数据、交易成本分析或策略验证方式，因此仅凭这段描述无法评估结果的可靠性和现实适用性。

核心观点

  • 研究评估每日推特情绪能否作为预测股票收益的信号。
  • 研究使用Q学习将情绪信号转化为交易策略。
  • 据报告，对于由增长预期驱动的股票以及重大公众事件前后，情绪的预测价值更强。
  • 报告称，强化学习策略优于直接依据机器学习预测进行交易。

标签

股票机器学习市场情绪事件驱动
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。