Stock trading
Aktienhandel basierend auf Stimmungsanalyse
Hintergrund
Die Aktienkurse börsennotierter Unternehmen werden von Bankanalysten beeinflusst, die die Finanzkennzahlen und die Investor-Relations-Kommunikation eines Unternehmens bewerten. Analysten und Journalisten veröffentlichen ständig Artikel und Berichte, um die Leistung des Unternehmens auf dem Markt zu bewerten und mit der Konkurrenz zu vergleichen. Nach dem vierteljährlichen Geschäftsbericht bewerten Analysten und Journalisten, ob der Aktienkurs des Unternehmens noch angemessen ist oder ob er unter- oder überbewertet ist und ob das Unternehmen die Markterwartungen erfüllt hat.
Herausforderungen
Wenn Unternehmen Ad-hoc-Mitteilungen oder Jahresabschlüsse veröffentlichen, untersuchen (potenzielle) Investoren Artikel und Analystenberichte, um festzustellen, ob eine Arbitragemöglichkeit besteht, d.h. ob die Aktie unter- oder überbewertet ist. Scheinbare Arbitragemöglichkeiten verschwinden jedoch schnell, da professionelle Aktienhändler innerhalb kurzer Zeit reagieren, um Gewinne zu erzielen. Es ist daher von entscheidender Bedeutung, die Auswirkungen von Nachrichten auf die Aktienkurse innerhalb von Sekunden oder sogar noch schneller zu bewerten, um aus Arbitragemöglichkeiten Kapital zu schlagen.
Lösungsansatz
Die Stimmungsanalyse ist eine Machine Learning Technik, mit der Texte in verschiedene Klassen von Stimmungen eingeteilt werden, die der Autor beim Schreiben des Textes mit sich trug. Die einfachste Form ist eine Einteilung in "positiv", "negativ" oder "neutral". Ausgefeiltere Algorithmen klassifizieren den emotionalen Zustand (z.B. "wütend") oder das Ausmaß der Empfindung (z.B. auf einer Skala von 1 bis 5). Zu den für die Stimmungsanalyse verwendeten Algorithmen gehören Naive Bayes Regression oder Support Vector Machines (SVM). Für anspruchsvollere Aufgaben bieten sich tiefe neuronale Netze an.