תוֹכֶן
ש:
כיצד יכולות למידה חדשה של מכונות לאפשר כריית מסמכי מלאי לנתונים פיננסיים?
ת:
אחת הגבולות החדשים והמרתקים של למידת מכונה ו- AI היא שמדענים ומהנדסים יוצאים בדרכים שונות להשתמש בסוגים חדשים של משאבים כדי לחזות תנועת מניות ותוצאות השקעה. זהו מחליף משחק אדיר בעולם הפיננסי, ויחולל מהפכה באסטרטגיות השקעה בצורה מאוד עמוקה.
אחד הרעיונות הבסיסיים להרחבת מחקר מסוג זה הוא בלשנות חישובית, המערבת דוגמנות של שפה טבעית. מומחים בודקים כיצד להשתמש במסמכים, החל מגישת SEC ועד מכתבי מניות למשאבים אחרים מבוססי היקפי, על מנת להגדיל או לכוונן את ניתוח המניות או לפתח ניתוחים חדשים לחלוטין.
הוויתור החשוב הוא שכל זה אפשרי רק באמצעות התקדמות חדשה לגמרי ברשתות עצביות, למידת מכונות וניתוח שפה טבעית. לפני הופעת ה- ML / AI, טכנולוגיות המחשוב השתמשו בעיקר בתכנות לינארית כדי "לקרוא" תשומות. המסמכים היו בלתי מובנים מכדי להיות מועילים. אך עם ההתקדמות בניתוח השפה הטבעית במהלך השנים האחרונות, מדענים מגלים שאפשר "לכרות" את השפה הטבעית לתוצאות ניתנות לכימות, או במילים אחרות, תוצאות שניתן לחשב בצורה כלשהי.
כמה מהעדויות הטובות והדוגמאות השימושיות ביותר לכך נובעות מסרטציות שונות ועבודות דוקטורט הזמינות ברשת. במאמר "יישומים של למידת מכונות ובלשנות חישובית בכלכלה פיננסית", שפורסם באפריל 2016, לילי גאו מסבירה בצורה ניכרת תהליכים רלוונטיים הספציפיים לכריית הגשת תאגידי SEC, שיחות מניות ותקשורת חברתית.
"חילוץ אותות משמעותיים מנתונים לא מובנים וממדים גבוהים אינה משימה קלה", כותב גאו."עם זאת, עם פיתוח למידת מכונות וטכניקות לשוניות חישוביות ניתן לבצע משימות וניתוח סטטיסטי של מסמכי Ual. יישומים רבים של ניתוח סטטיסטי במדעי החברה הוכיחו כמוצלחים." מתוך דיון בגאוס במודלים וכיול בתקציר, המסמך המפותח כולו מראה כיצד חלק מסוג זה של ניתוח עובד בפירוט.
מקורות אחרים לפרויקטים פעילים כוללים דפים כמו תקציר GitHub זה, ומשאב IEEE המדבר ספציפית על קבלת מידע פיננסי חשוב מ"ניתוח סנטימנטים ".
בשורה התחתונה, השימוש בדגמי NLP החדשים הללו מניע חדשנות מהירה בשימוש בכל מיני מסמכים, לא רק לצורך ניתוח פיננסי, אלא גם לסוגים אחרים של גילוי חדשני, המטשטשים את הקו המסורתי שבין "שפה" ל " נתונים."