Journal/Conference: ACL 2020
Title: Stock Embeddings Acquired from News Articles and Price History, and an Application to Portfolio Optimization
Authors: Xin Du, Kumiko Tanaka-Ishii
URL: https://www.aclweb.org/anthology/2020.acl-main.307/
・Price movement classifier
bi-GRUを用いてmerket vectorを変換 ()
＊re-weighting techniqueを用いる ( Ziniu Hu, Weiqing Liu, Jiang Bian, Xuanzhe Liu, andTie-Yan Liu. 2018. Listening to chaotic whispers:A deep learning framework for news-oriented stocktrend prediction. InProceedings of the EleventhACM International Conference on Web Search andData Mining, WSDM 2018, Marina Del Rey, CA,USA, February 5-9, 2018, pages 261–269.)
1つの分類器で構築することでサンプルサイズの問題を回避
5 Dataset and Settings to Acquire Stock Embeddings
5.1 Dataset
Wall Street JouranlとReuters & Bloombergなどの記事を用いて
＊ニュース本文が無関係なの図を発生させる：Xiao Ding, Yue Zhang, Ting Liu, and Junwen Duan.2015. Deep learning for event-driven stock predic-tion.InProceedings of the Twenty-Fourth Inter-national Joint Conference on Artificial Intelligence,IJCAI 2015, Buenos Aires, Argentina, July 25-31,2015, pages 2327–2333
log returnという指標を用いてpositive とnegativeに分類
5.2 Deep Learner System Settings
BERTなどを用いてtext情報を取得
6 Effect of Stick embedding on Price Movement Classification
0. 論文
Journal/Conference: ACL 2020 Title: Stock Embeddings Acquired from News Articles and Price History, and an Application to Portfolio Optimization Authors: Xin Du, Kumiko Tanaka-Ishii URL: https://www.aclweb.org/anthology/2020.acl-main.307/
1. どんなもの？
ニュース記事と過去の株価情報を組み合わせて，将来の株価予測(2値分類)を行うモデルを構築． その際に，株価予測モデル構築時に本タスク以外 (Portfolio optimization)にも応用可能なように，株価embeddingsを学習．
2. 先行研究と比べてどこがすごい？
Attentionなどの技術を組み合わせることで，株価予測タスクを取り組んだ点． 株価をembeddingとして獲得し，株価予測以外のPortfolio最適化などの他タスクに転用可能であることを示した点．
3. 技術や手法のキモはどこ？
4. どうやって有効だと検証した？
Wall Street JouranlとReuters & Bloombergなどの記事を用いて，株価変動の2値分類問題に取りくんだところ，既存のモデルよりも高いAccuracyを獲得． また，Portfolio optimizationという投資タスクも獲得した株価embeddingを用いることで，baselineの2.8倍のcapital gainを獲得．
5. 議論はある？
6.次に読むべき論文は？
メモ
Abst ニュース記事の影響力をベクトルで表現し，DNNを用いて株式予測を行う stockの価格予測以外の金融問題に応用可能 テキストと株価の過去情報で判断が可能
1 Introduction テキストと価格の相互効果が分散している 価格とテキストを関連付けて，価格予想以外への応用を試みる stock embeddings：株価が前日と比較して上がってるかどうかの分類問題で学習 (株名と株価の関係を捉える)
2つのadvantages ・全ての銘柄に対して訓練を行う ・embeddingによる情報で株価予測以外の用途にも応用可能に →本研究ではportfolio最適化の例を示す
2 Related Works
3 News-Driven Stock Price Classification 二値分類モデルを用いてembeddingを学習 day t付近のニュース記事集合を用いてニュースの値段の上がり下がりを推定 ＊NLPの多くのタスクはprediction taskに焦点を当てられる (以前の記事を用いて，今後の上がり下がりを予測) → 本研究では予測よりも分類とする (その日を含むニュース記事を用いて上下を分類)
4 Method to acquire stock embeddings s_j：stock embedding 関係のあるテキストとの内積が大きくなるように取得
・Text feature distiller Attentionによる特徴獲得 (m_t^j：market vector) 各ニュース記事をkeyとvalueのベクトルに変換 key：word levelの表現 value：context levelの表現 score：stock embeddingとkeyの内積 query：stock embeddingとした
・Price movement classifier bi-GRUを用いてmerket vectorを変換 () ＊re-weighting techniqueを用いる ( Ziniu Hu, Weiqing Liu, Jiang Bian, Xuanzhe Liu, andTie-Yan Liu. 2018. Listening to chaotic whispers:A deep learning framework for news-oriented stocktrend prediction. InProceedings of the EleventhACM International Conference on Web Search andData Mining, WSDM 2018, Marina Del Rey, CA,USA, February 5-9, 2018, pages 261–269.) 1つの分類器で構築することでサンプルサイズの問題を回避
5 Dataset and Settings to Acquire Stock Embeddings 5.1 Dataset Wall Street JouranlとReuters & Bloombergなどの記事を用いて ＊ニュース本文が無関係なの図を発生させる：Xiao Ding, Yue Zhang, Ting Liu, and Junwen Duan.2015. Deep learning for event-driven stock predic-tion.InProceedings of the Twenty-Fourth Inter-national Joint Conference on Artificial Intelligence,IJCAI 2015, Buenos Aires, Argentina, July 25-31,2015, pages 2327–2333 log returnという指標を用いてpositive とnegativeに分類
5.2 Deep Learner System Settings BERTなどを用いてtext情報を取得
6 Effect of Stick embedding on Price Movement Classification
7 Portfolio optimization risk matrixを各株式のcosine行列に置き換えることでタスクに適用
8 Conclusion 株価の値動きを2値に分類するタスクを用いて株価のembedding (stock embedding)を学習 stock embeddingを用いることで値動き以外のタスクにも適用可能 ex. Portfolio optimization task