大数据社会应用研究年会 - 金融科技 - 魏忠钰 - 终稿

Size: px

Start display at page:

Download "大数据社会应用研究年会 - 金融科技 - 魏忠钰 - 终稿"

棒奈濮
5 years ago
Views:

1 复旦大学大数据学院 School of Data Science, Fudan University 基于深度学习的金融领域事件以及实体网络建模方法研究魏忠钰复旦大学大数据学院 2018 年 10 月 19 日第一届上海市大数据社会应用研究会年会

2 目录背景介绍研究框架金融市场的自动化事件预测结合公司关系网络的股票价格预测

3 AI + 金融 2017 年 7 月 20 日, 国务院印发新一代人工智能发展规划 : 提升金融多媒体数据处理与理解能力, 创新智能金融产品和服务, 发展金融新业态年度各种 Ai 会议上金融科技 (FINTECH) 也成为大家关注的热点科技金融落地支付, 大数据征信, 量化投资 ( 文艺复兴基金公司 )

4 金融资讯驱动的投资决策辅助使用自然语言处理机器学习技术, 自动化处理分析生成金融资讯研究报告等代表公司如 : 通联数据文因互联香农科技信息的自动挖掘金融知识图谱构建研究报告的自动生成

5 事件驱动的投资决策辅助 Kensho 公司自动化地从经济报告货币政策时政新闻等多方位研究市场动态 2013 年成立, 高盛投资 1500 万美元 2018 年被 S&P GLOBAL 5.5 亿美元收购提出了事件驱动的投资决策辅助的概念总统竞选对于不同行业股价的影响 1992 年起, 总统竞选阶段行业情况概览

6 事件 + 实体网络的金融领域投资辅助决策投资建议报告查询查询词语义理解相关事件检索金融事件预测上层应用事件驱动金融资讯系统构建事件知识库事件 - 网络 - 市场关联模型金融领域实体关系网络事件 - 市场关联模型事件归因事件抽取事件 - 网络传播模型网络爬虫自然人与法人关系网络自然人关系网络网络 - 市场关联模型金融法人关系网络社交媒体金融新闻公司公告金融领域知识市场交易数据事件与网络建模信息采集

7 目录背景介绍研究框架金融市场的自动化事件预测 Financial Event Prediction via Nerual Network based Appraoches, Yiying Yang, Zhongyu Wei and Libo Wu, working paper 结合公司关系网络的股票价格预测

8 事件 n 自然语言处理领域的传统定义 : 事件是特定时间地点下的一个状态变化 n 经典的事件抽取和分类任务,ACE 2005 n 话题检测和跟踪 n 样例 :XX 在去年过世了, 小明打了小红 n 使用三元组的方式, 对事件进行表示 n <XX, 过世, NULL>,< 小明, 打了, 小红 >

9 金融事件对金融市场产生影响的重要事件例 : 停牌了近半个月的科大讯飞 ( SZ) 宣布复牌例 : 河北雄安新区, 设立于在 17 年 4 月, 但京津冀协同战略打造北京疏解集中承载地国家主席深入河北考察调研等新闻早已频繁出现公告事件 : 金融实体往往是其中的角色扮演者开放域事件 : 自然事件, 政治事件 ( 更接近与 NLP 领域事件定义 )

10 事件链条 n 由同一时间轴上顺次发生并且互相有关联性的多个事件形成的序列 n 三星的 Note 7 手机爆炸事件安全事故产品召回交易异动停牌

11 事件预测 n 给定目标公司机构已发生事件, 计算下一个时间点不同时间发生的概率 n 固定目标事件集合 ( 金融领域公告事件 ) n 第一步 : 在前序事件中, 仅仅考虑公告事件 n 第二步 : 添加开放域事件相关行业利空事件安全事故产品召回交易异动停牌?

12 事件预测模型基于循环神经网络的事件表示基于图卷积模型的事件预测

13 基于循环神经网络的事件表示 n 基于循环神经网络的事件表示 n 为每一个事件初始化一个稠密的向量表示 n 通过长短时记忆网络对事件序列进行学习 n 结合时间序列信息的事件表示 n 基于位置的注意力 : 序列位置越近, 指示效果越好 n 基于时间的注意力 : 时间越近, 指示效果越好 n 基于事件关联关系的注意力 : 事件越相关, 指示效果越好

14 基于图卷积模型的事件预测模块 n 基于 softmax 的事件预测 n 使用多层感知机直接对事件序列表示进行分类 n 结合标签类别的事件预测 n 待预测事件之间有相关性, 可以在分类器内部对类别的信息进行使用

15 公告事件集合 n 2000 至 2017 年的 2,303,013 个公告事件,360 个事件类型,25 个事件类别 n 3,556 个公司 n 平均每家公司 647 个事件 n 平均事件间隔为 6.52 天

16 实验设置 n 以上市公司为目标, 在完整的事件链条上通过划窗的方式构建事件链条, 窗口为 5, 给定前四个事件, 预测第五个事件发生的概率训练验证测试年份个数 1,687, , ,095 n 评价指标 : Top-1 和 Top3 的预测准确率

17 实验结果模型预测准确率 Top-1 Top-3 majority NBC LSTM %&' LSTM Att %&' LSTM +, LSTM Att +,

18 实验结果 n 修改事件序列的窗口长度 n 事件序列越长, 预测准确率越高

19 实验结果 n 对 360 个事件类型进行分类, 进行表示学习 n 针对三个类别下的事件进行聚类 n 相同类别的事件会分布在坐标系的相近位置 n 黄色方块 : 股票交易 n 红色圆圈 : 股票停牌 n 粉丝五星 :IPO

20 目录背景介绍研究框架金融市场的自动化事件预测结合公司关系网络的股票价格预测 Incorporating Corporation Relationship via Graph Convolutional Neural Networks for Stock Price Prediction, Yingmei Chen and Zhongyu Wei, CIKM 2018

21 金融市场网络 n 金融市场中的单位是相互依存的, 彼此相互关联, 形成相应的网络以金融事实连接的网络 : 如基金间的共同重仓持股关系公司相互持股关系等 ; 以社会事实连接的网络 : 如基金经理间的校友关系同城关系年龄相仿等 ; 两类网络间存在互动关系

22 应用场景 n 多维度相关公司推荐 n 关联波动预测 n 关联交易挖掘 n 股票价格预测

23 公司相关网络构建维度人员流动产品业务资本市场新闻事件描述董事高管职位变化等产品线上下游关系, 供应商客户等持股交易投融资关系变化等金融资讯共现关系等 n 在当前研究中, 采用持股关系构建公司网络 n 在万得数据库中抽取上市公司以及他们的前十大持股机构的信息进行网络构建 n 2017 年 4 月 29 日的数据 n 20, 836 个网络节点

24 基于图的实体表示学习 n 为金融实体学习一个低维度的稠密向量 n Node2Vec n 随机游走 n DeepWalk n LINE

25 结合公司网络关系的股票价格预测公司表示学习结合邻居特征混合特征表示 n 使用公司表示, 计算公司相关度, 选择邻居节点 n 扩展公司特征基于循环神经网络的历史信息建模和目标预测

26 基于图卷积模型的股票价格预测 n 使用图卷积模型, 直接利用图上的信息, 进行公司的特征学习 n 不局限于邻居的个数

27 实验设置 n 以沪深三百上市公司作为对象, 从 Tushare 获得股票的交易日股价信息, 如果开盘价格高于上一个交易日的开盘价, 则标记为涨, 否则为跌 n 当前交易日前七个工作日股价信息作为历史信息 n 某一日的特征表示 < 开盘价, 高点, 低点, 收盘价, 交易量 > 训练测试测试样例数 31,066 13,315 上涨天数的比例时间区间 29/04/ /10/ /10/ /12/2017

28 结合公司网络关系的股票价格预测方法准确率特征表示邻居信息分类器 majority 50.10% LR 52.07% 离散无回归 LSTM 53.17% 循环神经网络无多层感知机 DeepWalk+LSTM 56.93% 循环神经网络是多层感知机 node2vec+lstm 56.61% 循环神经网络是多层感知机 LINE+LSTM 57.00% 循环神经网络是多层感知机 GCN 54.44% 循环神经网络是图卷积模型 LSTM+GCN 57.98% 循环神经网络是图卷积模型

29 公司节点的表示学习 n 将 3000 个公司的向量表示投射到坐标系 n 银行业的相关公司, 被投射到了邻近区域

30 公司节点的表示学习的性能演示 n 在特征扩展时, 选择相关度不同的公司 n 当选择的公司相关度越高, 股价波动预测越准 Methods DeepWalk+LSTM node2vec+lstm LINE+LSTM Accuracy Last % Mid % Top % Last % Mid % Top % Last % Mid % Top %

31 总结 n 使用深度学习的方法, 对于金融领域的事件和金融实体进行了表示学习的探索 n 构建了固定了集合的金融事件预测任务, 并提出了基于图卷积网络的预测模型 n 尝试了结合实体关系进行公司股价预测的模型, 获得了初步的成功 n 尝试开放域事件的建模 n 结合事件和网络金融领域的预测任务探索

32 复旦大学大数据学院 School of Data Science, Fudan University 基于深度学习的金融领域事件以及实体网络建模方法研究魏忠钰复旦大学大数据学院 2018 年 10 月 19 日第一届上海市大数据社会应用研究会年会

一 215 年定增市场数据解析... 3 1. 215 年定向增发数量及规模再创新高... 3 2. 定增项目行业分布... 4 3. 定增融资目的多元化, 并购重组渐成焦点... 5 4. 定增项目折价

一 215 年定增市场数据解析... 3 1. 215 年定向增发数量及规模再创新高... 3 2. 定增项目行业分布... 4 3. 定增融资目的多元化, 并购重组渐成焦点... 5 4. 定增项目折价聚焦定增王权威报告 216 定增市场深度解析一 215 年定增市场数据解析... 3 1. 215 年定向增发数量及规模再创新高... 3 2. 定增项目行业分布... 4 3. 定增融资目的多元化, 并购重组渐成焦点... 5 4. 定增项目折价吸引力不减...