Sisältö
K:
Kuinka uudet koneoppimisominaisuudet mahdollistavat taloudellisten tietojen varastointiasiakirjojen louhinnan?
V:
Yksi koneen oppimisen ja AI: n jännittävistä uusista rajoista on, että tutkijat ja insinöörit aloittavat erilaisia tapoja käyttää täysin uudentyyppisiä resursseja osakekannan ja sijoitustoiminnan tulosten ennustamiseen. Tämä on valtava pelinvaihtaja finanssimaailmassa, ja se mullistaa sijoitusstrategioita erittäin syvällisesti.
Yksi perusajatuksista tällaisen kantatutkimuksen laajentamiseksi on laskennallinen kielitiede, johon sisältyy luonnollisen kielen mallintaminen. Asiantuntijat selvittävät, kuinka käyttää asiakirjoja SEC-arkistoinnista osakkeenomistajien kirjeisiin muihin oheispohjaisiin resursseihin varastoanalyysin parantamiseksi tai hienosäätöön tai täysin uusien analyysien kehittämiseksi.
Tärkeä vastuuvapauslauseke on, että kaikki tämä tehdään toteutettavissa vain aivan uusilla hermostoverkkojen, koneoppimisen ja luonnollisen kielen analysoinnin avulla. Ennen ML / AI: n syntymistä laskennalliset tekniikat käyttivät enimmäkseen lineaarista ohjelmointia "lukea" tuloja. asiakirjat olivat liian rakenteettomia ollakseen hyödyllisiä. Mutta luonnollisen kielen analysoinnissa viime vuosina tapahtuneen edistyksen myötä tutkijat ovat havainneet, että on mahdollista "kaivoa" luonnollista kieltä kvantitatiivisesti ilmaistuihin tuloksiin tai toisin sanoen tuloksiin, jotka voidaan laskea jollain tavalla.
Jotkut parhaista todisteista ja hyödyllisimmistä esimerkeistä tästä ovat peräisin useista verkossa saatavilla olevista väitöskirjoista ja tohtorityöstä. Lili Gao selittää huhtikuussa 2016 julkaistussa asiakirjassa "Koneoppimisen ja laskennallisen kielitieteen sovellukset finanssitaloustieteessä", joka kuvaa osaamisprosesseja, jotka liittyvät yritysten SEC-hakemusten, osakkeenomistajien kutsujen ja sosiaalisen median louhintaan.
"Merkityksellisten signaalien poimiminen jäsentämättömästä ja korkean ulottuvuuden tiedosta ei ole helppo tehtävä", Gao kirjoittaa."Koneoppimisen ja laskennallisten kielitekniikoiden kehittämisellä voidaan kuitenkin suorittaa ual-asiakirjojen käsittely ja tilastollisesti analysointi, ja monet tilastollisen analyysin sovellukset yhteiskuntatieteissä ovat osoittautuneet onnistuneiksi." Gaos-keskustelusta abstraktista mallinnuksesta ja kalibroinnista koko kehitetty asiakirja osoittaa, kuinka osa tämän tyyppisistä analyyseistä toimii yksityiskohtaisesti.
Muita aktiivisten projektien lähteitä ovat sivut, kuten tämä GitHub-projektin kuvaus, ja tämä IEEE-resurssi puhuu erityisesti arvokkaan taloudellisen tiedon hankkimisesta "tuntemusanalyysistä".
Tärkeintä on, että näiden uusien NLP-mallien käyttö ajaa nopeaa innovaatiota kaikenlaisten asiakirjojen käytössä, ei pelkästään taloudelliseen analyysiin, vaan muun tyyppisiin huipputekijöihin, hämärtäen perinteisesti vakiintunutta linjaa "kielen" ja " tiedot."