交易事件：面向基于新闻的事件驱动交易的企业事件检测

本文提出一种事件驱动交易策略，通过从新闻文章中检测企业事件来预测股票走势。与现有利用文本特征（如词袋）和情感直接进行股票预测的模型不同，我们将企业事件视为股票走势背后的驱动力，并旨在从企业事件发生时可能出现的暂时性股票错误定价中获利。该策略的核心是一个双层事件检测模型。底层事件检测器从每个词元识别事件的存在，而高层事件检测器结合整篇文章的表示与底层检测结果，在文章级别发现事件。我们还构建了一个精心标注的数据集 EDT，用于企业事件检测与基于新闻的股票预测基准。EDT 包含 9721 篇带词元级事件标签的新闻文章，以及 303893 篇带分钟级时间戳和全面股票价格标签的新闻文章。在 EDT 上的实验表明，所提策略在胜率、超越市场的超额收益以及每笔交易平均收益上均优于所有基线。