Q:
Como os novos recursos de aprendizado de máquina permitem a mineração de documentos de estoque para dados financeiros?
UMA:Uma das novas e empolgantes fronteiras do aprendizado de máquina e da IA é que cientistas e engenheiros estão embarcando em várias maneiras de usar tipos completamente novos de recursos para prever a movimentação de estoque e os resultados de investimento. Essa é uma tremenda mudança no mundo financeiro e revolucionará as estratégias de investimento de uma maneira muito profunda.
Uma das idéias básicas para expandir esse tipo de pesquisa de estoque é a linguística computacional, que envolve a modelagem da linguagem natural. Os especialistas estão investigando como usar documentos de texto, dos arquivos da SEC às cartas dos acionistas e outros recursos periféricos baseados em texto, a fim de aumentar ou ajustar a análise de ações ou desenvolver análises inteiramente novas.
| Download grátis: Machine Learning e por que é importante |
O aviso importante é que tudo isso só é possível através de novos avanços em redes neurais, aprendizado de máquina e análise de linguagem natural. Antes do advento do ML / AI, as tecnologias de computação usavam principalmente programação linear para "ler" entradas. Os documentos de texto eram muito desestruturados para serem úteis. Mas com o progresso feito na análise da linguagem natural nos últimos anos, os cientistas estão descobrindo que é possível "extrair" a linguagem natural para resultados quantificáveis ou, em outras palavras, resultados que possam ser computados de alguma maneira.
Algumas das melhores evidências e exemplos mais úteis disso vêm de várias dissertações e trabalhos de doutorado disponíveis na web. Em um artigo, "Aplicações de Aprendizado de Máquina e Linguística Computacional em Economia Financeira", publicado em abril de 2016, Lili Gao explica habilmente processos relevantes específicos para a mineração de registros corporativos da SEC, chamadas de acionistas e mensagens de mídia social.
"Extrair sinais significativos de dados de texto não estruturados e de alta dimensão não é uma tarefa fácil", escreve Gao. "No entanto, com o desenvolvimento de técnicas de aprendizado de máquina e linguística computacional, é possível realizar tarefas de processamento e análise estatística de documentos textuais, e muitas aplicações da análise estatística de texto em ciências sociais provaram ser bem-sucedidas". Da discussão de Gao sobre modelagem e calibração no resumo, todo o documento desenvolvido mostra como parte desse tipo de análise funciona em detalhes.
Outras fontes de projetos ativos incluem páginas como este resumo do projeto GitHub e esse recurso do IEEE falando especificamente sobre como obter informações financeiras valiosas da "análise de sentimentos do Twitter".
A conclusão é que o uso desses novos modelos de PNL está impulsionando inovações rápidas no uso de todos os tipos de documentos de texto, não apenas para análise financeira, mas para outros tipos de descoberta de ponta, obscurecendo a linha tradicionalmente estabelecida entre "linguagem" e "linguagem". "dados."
