基於機器學習的金融輿情量化系統

轉載：寬客在線

NO.1

大數據分析已被普遍應用於科學、娛樂、**等領域，經過實時信息彙集機制，分析信息的預期結果。金融市場中的分析也一直是熱門話題。

 

NO.2

基本面分析者認爲價格圍繞着價值波動，以價值爲依據着重於對影響價格的內在因素加以分析，以此決定什麼時候買賣，對於短時間的價格波動較不在意。

而技術分析者認爲價格自己就反映了一切，也包括基本面。經過歷史數據和技術分析，研究價格自己的變化，從中找出規律，並以此判斷將來的價格，對於可能改變價格的外部因素較不在意。

可是，不論是用基本面分析，仍是技術分析，獲得的結果只是市場片面的一部分，而非全貌。

對於不一樣風格的交易者來講，市場不僅是基本面和技術面，還有與品種相關新聞信息面。

 

NO.3

新聞是咱們平常生活中很是容易接觸到的一種資訊來源，也是交易者能夠用來得知交易標的相關資訊的主要媒介之一。

 

NO.4

同時，新聞也屬於影響價格變化的非結構化資料，由於新聞事件自己就會影響市場參與者的買賣決定。

它便可以影響其交易決策由買方變爲賣方，亦能夠由賣方變爲買方，這將會致使市場買賣雙方的力量發生變化，進而影響價格。

所以，新聞事件除了是市場參與者在決定買賣交易的重要參考依據，同時也隱藏着具備影響價格變化的可能性。爲此咱們開發了 —— Argus （阿爾戈斯）系統。

 

NO.5

Argus 系統藉助高性能分佈式網絡爬蟲，並結合先進的機器學習和自主研發的天然語言處理技術設計開發。

對文本化信息的新聞進行結構化處理、數量化應用，以令人們對海量新聞信息能夠進行更高效率閱讀和管理。

Argus 系統全天候抓取與金融市場有關的上百家數據源，造成實時流動的多元多類全球信息池。

包括但不限於：國內外新聞、網絡新聞、金融研報、供需數據、庫存數據、論壇貼吧、博客文章、微博信息、實時天氣、市場情緒等多元化的數據資源，並給予自適應平衡權重。

 

NO.6

Argus 系統有兩種數據處理方式，即：基本數據處理和天然語言處理。基本數據處理主要分析影響市場價格的內在因素，評估交易標的合理價位。

天然語言處理則根據原始數據的不一樣，識別、提取、分類。分析大衆反饋，並轉化爲具備社會學意義的非結構化數據。探索出他們對市場的主觀感覺，以及將來預期見解。

 

NO.7

Argus 系統基於自主研發的機器學習技術，既考慮了傳統金融領域的基本數據變量，也考慮了天然語言探索技術數據變量。

爲一類新型機器學習方法，Argus 系統能較好地解決小樣本、非線性、高維數等神經網絡不能解決的問題，克服了傳統方法的諸多缺點，而且具備更高的精確度。

 

NO.8

如何使用 Argus？

咱們提供了 Argus 地址：https://quant.la/Argus/

複製上述的 Argus 地址，到瀏覽器地址欄中，便可呈現：

另外，咱們開放 Argus 的 API 調用接口：http://quant.la/API/Argus/predict

使用 發明者量化交易平臺，對接 Argus 的 API，源碼以下：

調用 Argus 接口並解析，返回一個包含字典的二維數組：

 

其中字典中 key 的含義爲：

• count：使用了多少數據信息
• time：最後一次更新數據信息時間
• label：標籤 ID
• name：標籤名稱
• predict：輿情解讀（臨界點在0.5，即：大於 0.5 傾向於上漲）

 

NO.9

儘管人工智能賦予 Argus 系統強大的功能，但 Argus 系統所產生的結果，都只是對全部的信息的絕對客觀描述，它並不會摻雜任何主觀偏見。

換句話說，Argus 系統所產生的結果，並不是是針對信息判斷，而是對全部信息的即時反饋。

總而言之，若想真正擁有盈利上的掌控感，Argus 系統無疑是最佳選擇，她就像是超級網絡情報員，實時向您提供全網絡高緯度精準信息。經過其結構化處理生成量化信息因子，可用於量化投資領域。在 BotVS 量化交易平臺中，便可開發 Argus 因子量化策略，獲取超額投資收益。目前 Argus 系統僅支持內盤商品期貨輿情量化，不久的未來，Argus 系統將會拓展到更多的金融領域，包括：A股、美股、港股、外盤商品期貨、數字貨幣。同時 Argus 系統在將來將會不斷的更新迭代，以及自我強化學習，將來將更加智能。近年 AI 的從新興起，賦予了市場的無限可能。咱們期盼 Argus 系統在最大化用戶盈利的同時，更能引領一場羣體智慧的進化變革。

相關閱讀：論蠟燭圖技術在實際應用中的侷限性（附策略源碼）