Une IA qui sélectionne mieux les actions que les pros

La capacité de prédire le marché boursier est, comme tout trader (ou quant) quantitatif de Wall Street vous le dira, une licence pour imprimer de l'argent. Il devrait donc être d'un grand intérêt pour tous ceux qui aiment l'argent qu'un nouveau système qui fonctionne d'une manière radicalement différente des systèmes de négociation automatisés précédents semble être capable de battre les meilleurs fonds communs de placement quantitatifs de Wall Street à leur propre jeu.

C'est ce qu'on appelle le système Arizona Financial Text, ou AZFinText, et il fonctionne en ingérant de grandes quantités d'actualités financières (dans les tests initiaux, de Yahoo Finance) ainsi que des données sur les cours des actions minute par minute, puis en utilisant le premier pour comprendre comment prédire ce dernier. Ensuite, il achète, ou vend à découvert, chaque action qui, selon lui, évoluera de plus de 1% de son prix actuel au cours des 20 prochaines minutes - et il ne détient jamais une action plus longtemps.

Le système a été développé par Robert P. Schumaker du Collège Iona à New Rochelle et et Hsinchun Chen de l'Université de l'Arizona, et a été décrit pour la première fois dans un article publié au début de cette année. Les deux chercheurs continuent d'expérimenter et d'améliorer le système - plus d'informations à ce sujet ci-dessous.

En utilisant les données de cinq semaines non consécutives en 2005, une période choisie pour son absence d'activité boursière inhabituelle, voici comment AZFinText a performé par rapport aux fonds qui ont négocié les mêmes titres (qui ont tous été choisis dans le S&P 500) :

Et voici comment il s'est comporté par rapport aux 10 meilleurs fonds communs de placement quantitatifs au monde, qui puisent tous dans un panier de titres beaucoup plus large, à l'exception bien sûr du S&P 500 lui-même :

Les logiciels qui analysent les informations financières textuelles - rapports trimestriels, communiqués de presse, articles de presse - n'ont rien de nouveau. Les chercheurs publient sur le sujet depuis au moins le milieu des années 90 .

Cependant, les approches précédentes de cette technique étaient entravées soit par de mauvaises performances (en moyenne un peu mieux que le hasard) et / ou par des exigences de puissance de calcul déraisonnables. Schumaker et Chen contournent ces problèmes en réduisant d'abord radicalement la quantité de texte que leur système doit analyser en réduisant tous les articles financiers que le système ingère en mots appartenant à des catégories d'informations spécifiques.

Il est intéressant de noter que ces techniques et catégories dérivent des schémas de classification décrits à la 7e Conférence sur la compréhension des messages , qui s'est tenue en 1997, qui était un projet de la Defense Advanced Research Projects Agency visant à créer de nouvelles et meilleures façons d'extraire des informations et du sens à partir de textes. (À l'époque, ils se concentraient sur les activités terroristes en Amérique latine, les accidents d'avion, les lancements de roquettes et de missiles et d'autres choses liées à la sécurité nationale.)

Le système de Schumaker et Chen se concentre sur les noms propres - personnes et entreprises - et combine des informations sur leur fréquence avec les cours des actions au moment où un article de presse est publié. À l'aide d'un algorithme d'apprentissage automatique sur des données historiques, ils recherchent des corrélations pouvant être utilisées pour prédire les prix futurs des actions.

Des travaux supplémentaires avec le système AZFinText ont révélé des bizarreries qui peuvent ou non rester pertinentes, car les chercheurs continuent de l'appliquer à d'autres ensembles de données historiques sur les marchés boursiers et les actualités financières. Par exemple, dans un article décrit le 6 juin lors de l'atelier Computational Linguistics in a World of Social Media, Schumaker est allé à la recherche des verbes les plus susceptibles de faire monter ou descendre un stock dans les 20 minutes suivantes, et a proposé un liste de 211 termes qui avaient un certain pouvoir de faire bouger les cours des actions. (Dans son travail, « verbe » est un terme technique et ne correspond pas exactement à la définition conventionnelle du mot.)

Selon Schumaker :

Les cinq verbes ayant l'impact négatif le plus élevé sur le cours de l'action sont aux présentes, comparable, charge, sommet et vert . Si le verbe aux présentes devaient apparaître dans un article financier, AZFinText réduirait le prix de 0,0029 $. Bien que ce mouvement puisse sembler peu important, l'utilisation continue de verbes négatifs est additive.

Les cinq verbes ayant l'impact positif le plus élevé sur les cours boursiers sont planté, annonçant, avant, plus petit et brut .

Schumaker n'a pas tenté de déterminer pourquoi ces termes particuliers font bouger les cours des actions, mais il est intéressant de noter que le marché boursier ne semble pas aimer le mot à la mode du marketing vert, mais est assez heureux d'entendre des nouvelles du terme brut, comme dans huile.

cacher