A nyelvtechnológia legizgalmasabb és egyben talán legkevésbé ismert alkalmazása az ún. high frequency trading vagy automatikus pénzügyi kereskedelmi rendszerek területe. A nagy hír- és adatszolgáltató cég, mint pl. a Bloomberg és a Reuters már évek óta kínálnak ún. machine readable news szolgáltatásokat, melyek összeszedik, elemzik és programmatikusan is "emészthető" formában metaadatokkal feldúsítva API-n keresztül kínálják a pénzügyi és gazdasági híreket (szinte) valós időben. A teljesség igénye nélkül a hírelemzéssel kapcsolatos legfontosabb tanulmányokat mutatjuk be posztunkban röviden.
Rich Brown, Incorporating News Analytics into Quantitative Investment and Trading Strategies, April 12, 2011 from Seth Grimes on Vimeo.
Tim Loughran és Bill McDonald When is a Liability not a Liability? Textual Analysis, Dictionaries, and 10-Ks című tanulmányukban kimutatták, hogy a szentimentelemzéshez használt általános szótárak nem működnek jól a pénzügyi területen, mivel a hagyományos eszközök az esetek háromnegyed(!!!) részében rosszul azonosították az egyes szavak polaritását. A tanulmányt megjelenése óta szeretik idézni más területeken is, mivel úgy tűnik, hogy vagy új szótárakat kell építeni minden esetben, vagy egyszerűbb tréningkorpuszt készíteni és klasszifikációval megközelíteni a szentimentelemzést.
Dzielinski News sensitivity and the cross-section of stock returns tanulmányában a Reuters NewsScope szolgáltatását használva kimutatta, hogy egyes részvények mozgása érzékenyebb a hírekre. További érdekesség, hogy ez a hírérzékenység egyben prémiumot is jelent (0.84%) a tőzsdei árfolyamban.
Akbas és társai a Pollyanna jelenséghez hasonló folyamatot figyeltek meg a pénzügyi híreket elemezve, melyet Mispricing Following Public News: Overreaction for Losers, Underreaction for Winners című tanulmányukban összegeztek. A vizsgálatok szerint a negatív szentimentre alapozott kereskedési stratégia sokkal jobban teljesít, mint a pozitív hírekre figyelő. A szerzők ezt egy ún. kognitív torzításnak (cognitive bias) tulajdonítják, ami összhangban van a Pollyanna jelenség vizsgálata során felhalmozott empirikus adatokkal.
Érdekes, hogy habár sok más területen egyre elterjedtebb a nyelvtechnológia, a pénzügyi világban kapcsolják csupán össze igazán a felhasználók, a piacok és egyéb ágensek viselkedésének megértését a rendelkezésre álló nyelvi információval. Reméljük ez a szemlélet hamarosan máshol is teret nyer!
