NLP在智能投研及量化投资的应用研究

下载 38

岁月静好

发布于

3642

人观看

#信息技术

NLP在智能投研及量化投资的应用研究

展开查看详情

1 . ） TC BD NLP在智能投研及量化投（会资的应用研究大术技据赵东岩数北京大学计算机研究所/北京大数据研究院NLP实验室大 2018.12. 8 国中 18 20

2 .背景介绍——什么是文本大数据分析？） TC BD 对每一篇文档进行语义分析，目标——理解语义（会  主要事件、事实（谁做了什么）——5W1H 大  涉及的实体和实体关系，人、机构、时间、地点、动作、观点、倾向性术  关联到知识库——李娜，协和号，杜鹃技  动态更新知识库据 可以支持基于知识库的智能问答与对话系统数 基于语义进行查询  没有关键字也可以查到大国中 根据知识关联进行聚合和导航 18  只要提及就可发现 20 2

3 .文本大数据分析技术路线图） TC BD 基础研究技术研究智能应用（智能问答/ 智库系统/ 智能对话系专业咨询类知识问答会自然语言生成情报系统统机器人语义搜索大自然语言QA APP 语义搜索引擎术海量语义数知识表示与推理据管理平台技语义分析知识服务智能问答信息抽取 API API API 据语义理解系观点分析统数信息语义知识库语义语语语篇章分析大语义知识库构建平台采集分析构建理解义义义国索句法分析语义知识索索引中语义分析工知识资源语义知识语义知识库引引词法分析具包创新库库 18 互联网非结构化数据社交网络异构知识信息资源 20 3

4 .研究工作之一：语义挖掘） TC BD • 研究内容和研究框架（  研究内容：如何从开放域网络信息资源中萃取以实体及实体间关系形会式存在的知识条目；并据此构建以图模式存储的结构化语义知识库大  研究路线：术  开放域半结构化知技识抽取与知识库补据全数  非结构化文本的实大国体关系抽取中  基于大规模知识库 18 的自然语言问答 20

5 .研究工作之二：语义理解） TC BD • 研究内容（会 • 面向结构化知识资源的语义分析和理解大  问题：如何有效的表示句子中的语义信息，如何利用多来源的知识回答复杂的问句术  方法1：综合利用概念、实体识别和语义关技系抽取技术，将问句语义表示为实体关系图据并利用联合优化技术提高语义表示的准确性  方法2：从结构化知识库关系抽取、开放式数文本关系抽取两方面同时抽取规范化的知识大库关系和非规范化的文本关系，融合二者来国表示问题语义，从而解析更为复杂的问题，中扩大覆盖面，提高答案精度 18 20

6 .研究工作之三：基于知识库的人机对话技术） TC • 领域自适应对话系统 BD • 检索式对话（ • 生成式对话会 • 多轮及主动对话技术大术技据数大国中 18 20 15

7 .文本大数据分析与智能投顾和量化投资） TC BD • 机器学习和大数据技术在证券投资领域中广泛应用于智能投顾及（量化投资上，其依赖的信息绝大多数是数值类的信息及结构化的会信息。但存在受财报数据发布周期的限制导致的更新不及时等问大术题。现实中，大量的信息存在于文本中，且信息更新更为及时。技从应用角度看，目前对这类文本的分析和信息的归纳总结以人工据为主，效率低下数大 • 研究自然语言处理技术在智能投研及量化投资中的应用，通过文国本分析来发现一些内在的经济规律，提取文本类的量化因子，并中分析其表现 18 20

8 .主要内容） TC BD • NLP在智能投研中的应用（会大 • NLP在量化投资中的应用术技据数大国中 18 20

9 .一、NLP在智能投研的应用） TC BD • 关于智能投研（会 • 技术平台大 • 分析模型术技 • 部分结果据数大国中 18 20

10 .关于智能投研） TC BD • 把AI技术、大数据技术应用于投资领域（会 • 价值大 • 处理海量数据，尤其是文本数据，提高效率术 • 洞察人所难以发现的潜在因素技 • 观点形成据数 • 进化路径大 • 从信息服务，到给出观点，再到主动交易国 • 从辅助决策走向决策中 18 20

11 .智能投研的应用场景） TC BD （辅助投资决策用于量化投资会 • 目标人群： • 挖掘量化因子，构建策略，进行自动交易大 • 投资经理、分析师等 • 数值类因子：已经广泛应用术 • 个人投资者 • 文本类因子：较为缺少技 • 带来的价值 • 目标客户据 • 更好、更快获得信息 • 量化基金、证券公司数 • 信息更深层、更全面 • 投资机构（保险、银行等）大国中 18 20

12 .智能投研-大数据平台框架） TC BD 采集整理基本面分析挖掘问题技术面（机构面公司信息资讯会观点高管信息深度学习推荐大术公告自然语言处理技知识库图文答复研报据文本挖掘数股价智能投研助理财报数据库大知识发现国新闻知识关联中策略及模型 18 评论数据 20 文本量化因子大数据采集分析处理平台量化平台

13 .智能投研-大数据平台整合多源数据） TC BD （数据收集、整理分析挖掘会大 • 公司、人员、行业、产品、知识产权 • 挖掘行业、板块、个股之间的关联关术 • 基本信息、财务数据、股价信息，及系，传导效应，轮动效应技周边数据（大宗商品价格等） • 数据模型与时间序列据 • 事件及关系（如投融资、并购重组、 • 事件模型，跟踪及因果关系分析数产品及项目、诉讼）大 • 预测模型国 • 个股、板块、行业、上下游中 • 包括文本类、数值类的信息 18 20

14 .数据情况-上市公司） TC BD • 3300多家基本信息及9万多名高管（ • 200多万公告（含年报、季报），回溯至IPO，其中包含了历年（季）的财会务数据大 • 50万研究报告（公司研究、行业研究、宏观研究、投资策略）术 • 二级市场交易数据（实时股价、近7年的历史量价信息500万条），行业指技数据 • 130万会议议案，挖掘7类共3万多条事件（提供担保、申请额度、签订协议、数使用资金、设立公司、收购股权、开展业务）大 • 公司行业、主营产品、主营地区，行业上下游关系、板块信息国 • 财经资讯：30多万，含多年的公司资讯18万中 18 • 可扩展：工商登记，股东，涉诉，人事、知识产权，行业专业数据等 20

15 .智能投研-一些分析和模型） TC BD （产业链分析经济事件及影响推测研报评价财报的解读文本类量化因子会 • 通过构造上下游产业 • 基于金融知识图谱和 • 研报分析回溯及结果 • 分析提取财报的核心 • 基于文本的量化因子大链知识图谱，基于经推理逻辑，找到未来跟踪要素发现及因子有效性评术济基本面建立传导模趋势的变化或者解释 • 对研报（按人、机构） • 针对不同的关注点给价技型已经发生过的事情的正确率进行第三方出相应的解读 • 当产业链中重要节点 • 如：行业中发生某一评价据的状态发生变化时，事件时，可沿产业链数将启动沿产业链传导向上游进行传导推理，推理引擎，自动给出大并生成分析影响报告国影响范围、对象和程度，为事件引发的基中本面分析做支持 18 20

16 .知识图谱示例：公司、产品、行业、地区，会议及决议） TC BD （会大术技据数大国中 18 竞争关系 20

17 .知识图谱示例：高管及公司的关联关系） TC BD （会大术个别跳槽？技据数大国中 18 20 关联公司?

18 . 公司、行业）上下游关系 TC BD （会大电力生产术煤炭开采电力供应技水泥制造据黑色金属冶炼和压延加工业数房地产开发经营物业管理大国房地产中介服务中 18 20 可分析重大经济事件在产业链的传播和影响情况

19 .行业相关性分析）使用多种文本相似性分析及数值分析方法 TC BD （计算机、通信和其他电子设备制造业软件和信息技术服务业仪器仪表制造会互联网和相关服务大术技据数大国中 18 20

20 .行业相关性分析（部分行业指数）） TC BD • 指数涨跌，扣除大盘影响（会 • 银行与软件存在较弱的负相大关术 • 银行与商业百货的负相关较为明显技 • 房地产与软件服务独立性强据 • 房地产商业百货存弱正相关数 • 软件服务与商业百货较强正大相关国 • 轮动效应中 18 20

21 .板块相关性分析）使用数值分析方法（历史股价信息） TC BD 雄安新区京津冀（保障房会大术基金重仓保险重仓技信托重仓据数大国中 18 20

22 .证券分析师第三方评价） TC BD • 分析师的公司研报中公司（ eps预测值与实际值偏差的会回溯验证分析大 • 近三年行业内报告数量为术 Top10的分析师中技 • 以12个月内的预测偏差平据均值、标准偏差，及报告数数量加权形成指数大 • 按行业内指数排名选出各国行业的三甲分析师中 • 与部分媒体评选的2016最佳 18 分析师的对比 20 新财富2016最佳分析师第一财经2016最佳分析师

23 .20 18 中国大数据技术大会（ BD TC ）智投研：基于人机对话的智能投研助手

24 .二、 NLP在量化投资中的应用） TC BD • 关于量化因子（会大 • 舆情因子及特性术技据 • 基于舆情因子的量化策略数大国中 18 20

25 .1、现实中的量化因子） TC BD （常见的量化因子反应的因素计算的数据源局限性会 • 价值因子(PB，PE等) • 宏观周期 • 来源于定期报告，在 • 自变量很少大 • 市场因子(涨幅,换手率 • 市场结构一个时间内不发生变 • 尤其是缺少能反应中术等) 化，滞后性短期的影响的有效因 • 估值技 • 基本面因子(资产负债 • 宏观经济数据：全局子 • 成长据率,流动比率等) 性，滞后性 • 盈利质量数 • 成长因子(净利润增长 • 来源于市场交易，如 • 分析师盈利预测率,主营利润增长率等) 大 • 市场情绪价格、涨幅、换手率国等，随时变化，是一个结果中 • 常量+结果变量的组合 18 20

26 .文本类因子的特点和意义） TC BD • 丰富性：（ • 来源：公告、第三方研究报告、资讯、股民情绪、评论等会 • 大量的信息是用文本来表达的大 • 及时性：术 • 公司的很多基本面数据随季报而发表，之后相当长的时间内不再变化技 • 市场价格信息，反应了即时的结果，很难归因据 • 多类别：数 • 舆情、情绪、事件、主题 • 多层次：大国 • 宏观经济、行业、个股中 18 • 可以作为现有因子的有益补充，丰富策略选择 20

27 .文本类因子分类） TC BD （舆情类情绪类事件类主题类会 • 基于新闻资讯，能反 • 基于股民评论信息， • 特殊的经济事件、公 • 基于概念、主题、板大应中短期的企业、所提取情绪类因子司事件，从历史同类块的多种事件的组合术在行业、宏观经济的 • 信息来源：股民的评事件中获取反应模型 • 独立于行业、公司之技情况论 • 数据来源：公告、资外的一种类别体系据 • 信息来源：各类资讯 • 可作用于大盘指数、讯 • 作用于一组股票数（公司新闻、产业新个股 • 可作用于大盘指数、闻、宏观经济等信息）大行业指数、及个股国 • 可作用于大盘指数、中行业指数、及个股 18 20

28 .新闻正负向与股价相对行业趋势分析） TC BD • 通过公司相关新闻当日的股市相对行业的涨跌，作为其正负（向标签会 • 基于历史数据学习后的模型，对新闻标签利好、利空、中性大术技 • 预测涨跌与实际K线对比 • 红色：利好据 • 绿色：利空数大 • 基于新闻正负向的股票推荐国 • 2017.11.1-2018.4.30推荐股票中 • 65%的股票相对所在行业上涨 • 当日平均涨幅0.8% 18 20

29 .基于正负向因子构建的量化策略表现） TC BD （会大术技据数大国中 18 20 选 hs300及zz500作为股票池，对比的基准为 hs300 及 zz500 低贝塔值的策略，相对基准超额收益：40+%

16点赞

8收藏

38下载

NLP在智能投研及量化投 资的应用研究

NLP在智能投研及量化投资的应用研究