Obsah
Q:
Ako môžu nové schopnosti strojového učenia umožniť získavanie skladových dokladov pre finančné údaje?
A:
Jednou z vzrušujúcich nových hraníc strojového učenia a umelej inteligencie je to, že vedci a inžinieri sa púšťajú do rôznych spôsobov, ako využiť úplne nové typy zdrojov na predpovedanie pohybu zásob a investičných výsledkov. Vo finančnom svete je to obrovský menič hier a veľmi dômyselne spôsobí revolúciu v investičných stratégiách.
Jednou zo základných myšlienok rozšírenia tohto typu výskumu zásob je výpočtová lingvistika, ktorá zahŕňa modelovanie prirodzeného jazyka. Odborníci skúmajú, ako používať dokumenty, od podania SEK až po listy akcionárov po iné zdroje založené na periférii, aby sa zvýšila alebo doladila analýza zásob alebo aby sa vypracovali úplne nové analýzy.
Dôležitým vyhlásením je, že toto všetko je možné len prostredníctvom úplne nových pokrokov v neurónových sieťach, strojovom učení a analýze prirodzeného jazyka. Pred príchodom ML / AI využívali počítačové technológie na čítanie vstupov väčšinou lineárne programovanie. dokumenty neboli príliš štruktúrované na to, aby boli užitočné. S pokrokom dosiahnutým v analýze prirodzeného jazyka v posledných rokoch však vedci zistili, že je možné „ťažiť“ prírodný jazyk pre kvantifikovateľné výsledky alebo, inými slovami, výsledky, ktoré sa dajú nejakým spôsobom vypočítať.
Niektoré z najlepších dôkazov a najužitočnejších príkladov sú rôzne dizertačné práce a dizertačné práce dostupné na webe. V dokumente „Aplikácie strojového učenia a výpočtovej lingvistiky vo finančnej ekonomike“ uverejnenom v apríli 2016 Lili Gao dokáže vysvetliť relevantné procesy špecifické pre ťažbu firemných podaní SEC, výziev pre akcionárov a sociálnych médií.
„Získavanie zmysluplných signálov z neštruktúrovaných a vysokorozmerných údajov nie je ľahká úloha,“ píše Gao.„S vývojom strojového učenia a výpočtových lingvistických techník je však možné splniť úlohy spojené so spracovaním a štatistickou analýzou úloh a mnoho aplikácií štatistickej analýzy v spoločenských vedách sa osvedčilo ako úspešné.“ Z abstraktnej diskusie o Gaosovom modelovaní a kalibrácii ukazuje celý vyvinutý dokument, ako niektoré z týchto typov analýz fungujú podrobne.
Medzi ďalšie zdroje aktívnych projektov patria stránky ako je tento krátky projekt GitHub a tento zdroj IEEE hovorí konkrétne o získavaní cenných finančných informácií z „analýzy sentimentu“.
Pointa je, že použitie týchto nových modelov NLP vedie k rýchlej inovácii vo využívaní všetkých druhov dokumentov, nielen pre finančnú analýzu, ale aj pri iných druhoch špičkových objavov, ktoré stierajú tradične ustanovenú hranicu medzi „jazykom“ a „ dát. "