MANA-Net：通过新闻加权缓解聚合情感同质化以增强市场预测

人们普遍认为，从新闻数据中提取市场情感有助于市场预测。然而，现有的金融情感使用方法仍然过于简单，依赖等权和静态聚合来处理来自多条新闻的情感。这导致了一个被称为“聚合情感同质化”的关键问题，我们通过对工业界实践中大型金融新闻数据集的分析探讨了该问题。当聚合大量情感时会发生这种现象，导致表示收敛至情感分布的均值，从而平滑掉独特且重要的信息。因此，聚合后的情感表示丧失了新闻数据的许多预测价值。为解决此问题，我们提出了市场注意力加权新闻聚合网络（MANA-Net），这是一种利用动态市场-新闻注意力机制来聚合新闻情感以进行市场预测的新方法。MANA-Net 学习新闻情感与价格变化的相关性，并为单条新闻分配不同权重。通过将新闻聚合步骤整合到市场预测网络中，MANA-Net 允许直接针对预测进行优化的可训练情感表示。我们使用 S&P 500 和 NASDAQ 100 指数以及 2003 年至 2018 年的金融新闻对 MANA-Net 进行了评估。实验结果表明，MANA-Net 优于多种近期的市场预测方法，将 Profit & Loss 提高了 1.1%，日 Sharpe ratio 提高了 0.252。