متن استخراج خط اخبار برای پیش بینی بازار فارکس: الگوریتم کاهش ابعاد چند لایه با معناشناسی و احساسات

در این مقاله یک رویکرد جدید برای پیش بینی حرکات جهت گیری داخلی یک جفت ارز در بازار ارز بر اساس متن شکستن خبر های مالی ارائه شده است. انگیزه این کار دو برابر است: اول ، اگرچه پیش بینی بازار از طریق متن انجام می شود یک منطقه امیدوار کننده از کار در ادبیات است ، رویکردهای استخراج متن که در این مرحله در آن مورد استفاده قرار می گیرد ، فراتر از موارد اساسی نیست. هنوز یک میدان در حال ظهور است. این کار تلاشی برای تأکید بیشتر بر روشهای استخراج متن و مقابله با برخی از جنبه های خاص آن است که در آثار قبلی ضعیف است ، یعنی: مشکل ابعاد بالا و همچنین مشکل نادیده گرفتن احساسات و معناشناسی در برخورد با زبان متنیبشراین تحقیق فرض می کند که پرداختن به این جنبه های استخراج متن تأثیر بر کیفیت نتایج به دست آمده دارد. سیستم پیشنهادی این فرض را درست ثابت می کند. بخش دوم این انگیزه تحقیق در یک بازار خاص ، یعنی بازار ارز ، که به نظر می رسد در آثار قبلی بر اساس پیش بینی متن مورد بررسی قرار نگرفته است. بنابراین ، نتایج این کار همچنین با موفقیت رابطه پیش بینی کننده بین این نوع بازار خاص و داده های متنی اخبار را نشان می دهد. علاوه بر دو مؤلفه اصلی انگیزه ، جنبه های خاص دیگری نیز وجود دارد که باعث می شود سیستم پیشنهادی و آزمایش انجام شده منحصر به فرد باشد ، به عنوان مثال ، استفاده از مقاله های اخبار فقط و نه اخبار مقاله ، که امکان استفاده را فراهم می کند. از متن های کوتاه و نه بلند. یا استفاده از اخبار عمومی شکستن مالی بدون هیچ گونه تصفیه بیشتر.

به منظور تحقق موارد فوق ، این کار یک الگوریتم چند لایه تولید می کند که هر یک از جنبه های ذکر شده از مشکل استخراج متن را در یک لایه تعیین شده مقابله می کند. لایه اول لایه انتزاع معنایی نامیده می شود و به مشکل همبستگی در استخراج متن که به کمبود کمک می کند ، می پردازد. مرجع زمانی اتفاق می افتد که دو یا چند کلمه در یک متن متن به همان مفهوم اشاره کنند. این کار یک رویکرد سفارشی با نام ویژگی های انتخابی Heuristic-Hypeyms ایجاد می کند که راهی برای تشخیص کلمات با همان کلمه والدین ایجاد می کند تا به عنوان یک موجود در نظر گرفته شود. در نتیجه ، دقت پیش بینی به طور قابل توجهی در این لایه افزایش می یابد که به کاهش نویز مناسب از فضای ویژگی نسبت داده می شود.

لایه دوم لایه ادغام احساسات نامیده می شود ، که با پیشنهاد وزن احساسات به نام Sumscore که منعکس کننده احساسات سرمایه گذاران است ، توانایی تحلیل احساسات را در الگوریتم ادغام می کند. علاوه بر این ، این لایه با از بین بردن مواردی که از نظر احساسات از نظر احساسات از ارزش صفر برخوردار هستند ، ابعاد را کاهش می دهد و در نتیجه دقت پیش بینی را بهبود می بخشد.

لایه سوم شامل یک الگوریتم ایجاد مدل پویا است که به آن کاهش ویژگی هدفمند همزمان (STFR) گفته می شود. مناسب برای چالش موجود است که به موجب آن به استخراج یک جریان متن مربوط می شود. این مدل ها را با جدیدترین اطلاعات موجود به روز می کند و از همه مهمتر ، تضمین می کند که ابعاد به حداقل مطلق کاهش می یابد.

این الگوریتم و هر یک از لایه های آن با استفاده از داده های واقعی بازار و محتوای خبری در طی چندین سال به طور گسترده ارزیابی می شوند و ثابت شده است که از هر راه حل قابل مقایسه دیگری جامد و برتر است. تکنیک های پیشنهادی که در سیستم اجرا شده اند ، منجر به دستیابی به جهت گیری قابل توجهی بالا تا 83. 33 ٪ می شوند.

در بالای یک الگوریتم چند وجهی کاملاً گرد ، این کار با یک تست آزمایشی از داده ها که باید تلاش های تحقیقاتی آینده را راحت تر کند ، یک چارچوب تحقیقاتی بسیار مورد نیاز را برای این زمینه کمک می کند. الگوریتم تولید شده مقیاس پذیر است و طراحی مدولار آن امکان بهبود در هر یک از لایه های خود را در تحقیقات آینده فراهم می کند. در این مقاله جزئیات کافی برای بازتولید کل سیستم و آزمایش های انجام شده ارائه شده است.

معرفی

بزرگترین اقتصاد امروز جهان اقتصاد بازار است. با توجه به اینکه بازارها قلب اقتصادها هستند ، درک ، استفاده و پیش بینی آنها به پیشرفت جامعه مهم است. در هسته اصلی هر بازار تعادل عرض ه-دماند. شرکت کنندگان در بازار بر اساس درک خود از جهان ، عرضه یا تقاضا را به بازارها ارائه می دهند. درک انسان محدود به اطلاعات موجود است. اطلاعات به طور مداوم از طریق کانال های خبری در دسترس قرار می گیرند. از این رو ، محتوای اخبار غیرقابل انکار در حرکات بازار تأثیر دارد. با این حال ، کمیت گرانول تر این رابطه بین بازارها و اخبار بسیار چالش برانگیز بوده است ، زیرا اخبار حاوی اطلاعات بدون ساختار به صورت زبان است. یک رویکرد برای پرداختن به داده های بدون ساختار و استخراج داده های ساختاری از آن ، توسعه موتورهای جستجوگر تخصصی مانند موتور جستجوی معنایی اخبار مالی توسط لوپیانی-رویز و همکاران ، 2011 است. با این حال ، یک موتور جستجو مانند موارد فوق محدود به استخراج موجود استداده های عددی در متون. رمزگشایی زبان توسط دستگاه زمینه پیچیده پردازش زبان طبیعی (NLP) را تشکیل می دهد. از این منظر این کار در تقاطع NLP و نظر معدن یا تجزیه و تحلیل احساسات است که اخیراً به طور فزاینده ای برای بسیاری از نیازهای نوظهور مورد بررسی قرار می گیرد (کامبریا ، شولر ، یونقینگ ، و هاواسی ، 2013). برخی از مراحل اولیه برای انجام پیش بینی های مربوط به بازار سهام بر اساس متن خبری صورت گرفته است (هاگنائو و همکاران ، 2013 ، میترمایر ، 2004 ، شوماکر و همکاران ، 2012 ، تتلوک و همکاران ، 2008 ، ووتریچ و همکاران.، 1998) و تعداد بسیار کمی از بازاریابی خارجی (Forex) مربوط به بازار (Peramunetilleke & Wong ، 2002). با این حال ، برخی از شباهت ها بین این دو مشکل وجود دارد. هنگام برخورد با اخبار و حرکات بازار ، استراتژی اساسی می تواند تلاش برای ایجاد رابطه آماری بین ظاهر کلمات و جنبش های بازار باشد. در این سناریو بیشتر کلمات خود را به عنوان ویژگی های موجود در یک ماتریس بردار نشان می دهند و این تکنیک به عنوان کیف های کلمه ای گفته می شود (Mahajan et al. ، 2008 ، Schumaker et al. ، 2012 ، Wuthrich et al. ، 1998). کیسه های مربوط به کلمات به طور گسترده ای در بسیاری از آثار مرتبط با بازارها و اخبار مورد استفاده قرار گرفته است و روند نزولی آن تعداد زیادی از ویژگی هایی است که تولید می کند ، که به راحتی منجر به لعنت از ابعاد می شود (Pestov ، 2013). علاوه بر این ، بسیاری از کلمات ممکن است همان ایده ، مفهوم یا چیز را نشان دهند و ممکن است برای به نوعی آنها را به گونه ای انتزاع کند. در نتیجه،

ارائه راه حل هایی برای دو چالش فوق ، یعنی انتخاب دوم یا ویژگی در یک شکل انتزاعی و اولی ، راهی برای مقابله با لعنت از بعدی از طریق یک تکنیک کاهش ویژگی ، قطعات اصلی این کار است.

دو بخش اصلی مشارکت در این کار وجود دارد. خلاصه مختصر در زیر ارائه شده است:

الف-پیشنهاد روشهای جدید برای استخراج متن در 3 حوزه: 1.

تعامل معنایی و ادغام از طریق یک تکنیک انتخاب ویژگی جدید ، نامیده شده ، هیپرنیم های اکتشافی.

ادغام احساسات از طریق یک مکانیسم جدید وزن احساسات ، نامیده می شود ، Sumscore.

کاهش ابعاد از طریق یک تکنیک جدید کاهش ویژگی ، نامیده شده ، کاهش ویژگی هدفمند همزمان.

ب-اکتشاف یک مورد استفاده جدید جدید ، یعنی: "پیش بینی کوتاه مدت فارکس بر اساس خطوط اخبار". 1

اکتشاف از نوع جدید بازار از طریق پیش بینی استخراج متن. پیش بینی متن پیش بینی اخبار قبلاً در بازار فارکس به بهترین دانش ما مورد بررسی قرار نگرفته است.

استفاده از مقاله های اخبار به جای اخبار مقاله های خبری. پیش از این در اخبار اخبار در کارهای تحقیقاتی پیش بینی شده در بازار پیش بینی شده است.

یک راه حل جدید برای فعال کردن پیش بینی کوتاه مدت 1 تا 3 ساعت پس از انتشار خبر.

همه 6 مورد فوق مشارکت این کار است. ترکیبی از تکنیک های جدید فوق نتیجه ای را به دست می آورد که در مقایسه با سناریوهای بدون آنها به طور قابل توجهی بیشتر است. دقت جهت دار به اندازه 83. 33 ٪ در آزمایشات انجام شده بر روی حرکات داخلی یورو/USD-Purrency-Pair که بعداً در این مقاله ارائه شده و به تفصیل مورد بحث قرار می گیرد ، حاصل می شود.

در بقیه این مقاله این بخش ها به شرح زیر است: 2 - بررسی ادبیات ؛3 - توضیحات مشکل ؛4 - توضیحات سیستم ؛5 - نتایج تجربی و ارزیابی ؛6 - پایان سخنان و تحقیقات آینده.

قطعه قطعه

توصیف مشکل

مشکل خاصی که این تحقیق به آن می پردازد و الزامات آن در زیر شرح داده شده است.

اولین جنبه تعریف مشکل ، تمرکز بر روی یک نوع بازار خاص است. به طور کلی ، انواع مختلفی از بازارهای مالی وجود دارد ، یعنی: 1 - بازارهای سرمایه (سهام و اوراق قرضه) ، 2 - بازارهای کالا ، 3 - بازارهای پول ، 4 - بازارهای مشتق ، 5 - بازارهای آینده ، 6 - بازارهای بیمه و 7-بازارهای ارزیهمانطور که از نام آنها دلالت دارد ، دارایی های مختلفی در هر بازار معامله می شود. از این رو

بررسی ادبیات

به طور کلی هنگام پیش بینی بازارهای مالی ، دو رویکرد اصلی وجود دارد: فنی و اساسی. رویکردهای فنی با استفاده از داده های تاریخی بازار که کمی است و بر اساس آن پیش بینی می کنند ، سروکار دارند. نمونه های بسیاری از استفاده یا بهبود الگوریتم های هوش مصنوعی برای پیش بینی بازار ارز و تشخیص الگوهای موجود در آن بر اساس داده های فنی وجود دارد. Sermpinis ، Laws ، Karathanasopoulos و Dunis (2012) دو کلاس امیدوارکننده را مطالعه می کنند

شرح سیستم

کار سیستمی که در این کار پیشنهاد شده است این است که عناوین خبری با مهر و موم را به عنوان ورودی انجام دهید ، آنها را بر اساس فاصله از پیش تعیین شده گروه بندی کنید و پیش بینی کنید که آیا بازار در بازه بعدی به سمت بالا یا پایین حرکت می کند.

این پیش بینی با تصمیم گیری در مورد اختصاص گروهی از عناوین خبری در یک بازه به یک کلاس "بالا" یا "پایین" تحقق می یابد. به عبارت دیگر ، کار مؤلفه یادگیری ماشین سیستم طبقه بندی باینری از ورودی متنی است.

در این کار ،

نتایج تجربی و ارزیابی

هنگامی که تکنیک های پیشنهادی در سیستم موجود است و آزمایش با دقت 83. 33 ٪ در نمونه آزمایش شرح داده شده در بالا حاصل می شود. با این حال ، اگر تمام 3 تکنیک پیشنهادی از سیستم خارج شوند و آزمایش انجام شود ، دقت حاصل از 50. 00 ٪ است که به طور تصادفی همان چیزی است که فرض می شود در صورت وجود 2 کلاس ، دقت طبقه بندی به طور اتفاقی است. در ادامه هر یک از تکنیک ها به صورت جداگانه از سیستم و تأثیر آن حذف می شود

نتیجه گیری اظهارات و تحقیقات آینده

دسترسی به داده های اساسی پنهان در متن خبری بدون ساختار چالش برانگیز است. این کار با جمع آوری پردازش زبان طبیعی و تشخیص الگوی آماری و همچنین تجزیه و تحلیل احساسات ، این چالش را در یک زمینه خاص به وجود می آورد تا سیستمی را پیشنهاد کند که حرکت جهت دار یک جفت ارز در بازار ارز را بر اساس کلمات مورد استفاده در مجاور پیش بینی کند. خطوط اخبار در چند ساعت گذشته. این سیستم با سطح دقت 83. 33 ٪ موفق به انجام این کار می شود

تصدیق