Astock：基于个股新闻分析模型的新型数据集与自动化股票交易
计算与语言
2022-06-15 v1 机器学习
摘要
自然语言处理（NLP）通过分析来自社交媒体或新闻媒体的文本，展现出支持金融决策的巨大潜力。在这项工作中，我们构建了一个平台，以系统研究 NLP 辅助的股票自动交易算法。与之前的工作相比，我们的平台具有三个特征：（1）我们为每只特定股票提供财经新闻。（2）我们为每只股票提供多种股票因子。（3）我们从更具金融相关性的指标评估性能。这样的设计使我们能够在更真实的设定中开发和评估 NLP 辅助的股票自动交易算法。除了设计评估平台和收集数据集外，我们还通过提出一个从多种输入信息中自动学习良好特征表示的系统做出了技术贡献。我们算法的关键是一种称为语义角色标注池化（SRLP）的方法，它利用语义角色标注（SRL）来创建每个新闻段落的紧凑表示。基于 SRLP，我们进一步纳入其他股票因子以做出最终预测。此外，我们提出了一种基于 SRLP 的自监督学习策略，以增强我们系统的分布外泛化性能。通过实验研究，我们表明所提方法表现更优，并在真实交易中超越所有基线的年化收益率以及沪深300指数和 XIN9 指数的最大回撤。我们的 Astock 数据集和代码可在 https://github.com/JinanZou/Astock 获取。
引用
@article{arxiv.2206.06606,
title = {Astock: A New Dataset and Automated Stock Trading based on Stock-specific News Analyzing Model},
author = {Jinan Zou and Haiyao Cao and Lingqiao Liu and Yuhao Lin and Ehsan Abbasnejad and Javen Qinfeng Shi},
journal= {arXiv preprint arXiv:2206.06606},
year = {2022}
}