引用本文

文丹艳, 马超群, 王琨. 一种多源数据驱动的自动交易系统决策模型. 自动化学报, 2018, 44(8): 1505-1517. doi: 10.16383/j.aas.2018.c170563

WEN Dan-Yan, MA Chao-Qun, WANG Kun. A Multi-source Data Driven Decision Model for Automatic Trading Systems. ACTA AUTOMATICA SINICA, 2018, 44(8): 1505-1517. doi: 10.16383/j.aas.2018.c170563

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170563

关键词

神经网络，数据驱动，自动交易，决策模型 

摘要

股票自动交易系统属于典型的复杂系统，其成功的关键是如何对股价进行有效的预测与决策.股价受多种信息的影响，但传统的自动交易模型多建立在历史交易数据的基础上.针对上述问题，本文综合利用新闻文本数据与股价技术指标数据，基于人工神经网络（Artificial neural netuorks，ANN）方法设计了一种多源数据驱动的股票自动交易决策模型.本文首先分析了各类财经新闻的特点及其对股价的影响，然后设计了相应模板抽取了中文文本中的财经新闻事件；在此基础上，设计了历史股价和新闻事件数据共同驱动的ANN-News模型，并利用实际数据验证了模型的有效性.实验发现，ANN-News模型比传统的机器学习类模型股价预测准确率提升约4%，收益率提升约7%.

文章导读

随着信息技术的飞速发展, 股票的自动交易(也称为算法交易、机器交易、黑箱交易)受到实业界和学术界越来越多的关注与重视.据报道, 美国90%以上的证券经理在建立投资组合时会使用自动交易, 而亚洲市场上也有约40%的交易依赖于自动交易.自动交易(Automatic trading, AT)指按照量化投资的基础模式编写程序, 通过计算机自动实现交易决策或辅助决策的一种交易模式[1-2].应用自动交易系统不仅可以节约人力成本、提高交易精度, 而且可以同时监控多支股票, 捕捉到转瞬即逝的交易时机, 因而大大提高了用户的效率并增加获利机会.因此, 利用自动交易进行辅助决策乃至实际交易越来越成为一种趋势.

随着自动交易系统推广, 其核心处理模型即对股价、收益等关键变量的预测问题逐渐成为研究热门[1].许多方法对自动交易系统的研究重点围绕金融系统的模拟、仿真或优化某种与股价趋势相关的变量[3-4].然而, 无论是基于计算实验的方法、模拟仿真或优化的方法, 大多数的股价预测模型与股市预测模型都基于历史股价数据[5-6].上述做法固然可以通过减少变量降低系统的复杂度, 但也忽略了诸如财经新闻等影响股价走势的重要信息, 容易造成预测的失灵.

自动交易系统能迅速处理大量影响股市价格波动的一些公开或私密信息, 以便从根本上提高预测的精度和效率.作为一种典型的公开信息, 财经新闻对股市具有重要而深远的影响.学术界关于新闻对股市影响的分析由来已久.早在1966年, 金融学者Merrill就率先探索了利空新闻与股市价格的关系[7].随后, 学者们从多种角度分析各类不同的新闻对股市利空或利好的影响[5].然而, 传统的研究者或侧重单类新闻事件, 或侧重新闻的情感, 或侧重某一方面的指标对股市的影响(关系).关于实际影响股市的多类信息或将财经新闻融入交易策略的生成与应用层面的研究非常少.

为将财经新闻有效地融入到自动交易系统中, 本文从网络新闻文本和历史交易数据出发, 通过分析财经新闻对股价的影响, 构建了一种多源数据驱动的自动交易模型.该模型以人工神经网络(Artificial neural network, ANN)方法为基础[8-11], 利用历史交易数据产生技术交易信号作为一类输入源, 利用财经新闻数据产生新闻信号作为另一类输入源, 透过多层神经网络产生最终的交易信号.为实现股票自动交易, 本文重点解决影响自动交易系统质量的两大问题.首先, 如何从新闻文本中抽取财经事件.即如何从大量网络新闻文本中获得与股价相关的财经事件.第二, 如何将财经事件与非线性、非平稳性的金融数据进行有效地融合, 让计算机智能地根据有关信号作出最佳决策.

针对上述两个难点问题, 本文从网络文本中抽取出对股价具有重要影响的财经类新闻事件, 将新闻事件转化为交易信号与技术指标的信号进行融合, 设计了一种基于ANN模型的自动交易框架.具体地, 本文首先定义了影响股价的财经类事件集, 进而针对不同类型财经事件的特点, 设计了从网络文本中抽取中文财经类新闻事件的模板, 并利用统计方法分析各类财经事件与股价波动的关系, 将各类财经事件转化为股票价格涨跌的信号.然后, 基于神经网络的方法, 设计了以交易信号为基础的自动交易框架, 并通过股市历史数据验证了自动交易框架的有效性.

本文章节安排:第1节介绍相关工作; 第2节提出考虑新闻变量的自动交易框架与基于ANN的自动交易模型; 第3节提出中文财经事件抽取的方法; 第4节介绍10种技术指标交易信号的产生方法; 第5节通过实验验证本文提出的自动交易框架的性能以及事件抽取与信号产生模型的有效性; 第6节为总结与展望.

图 1  基于ANN模型的自动交易框架

图 2  4层的ANN (ANN-News)模型

图 3  句法树关系

股票的自动交易系统需要获取多方面的信息并加以综合利用.本文以ANN模型为基础, 提出了一个新闻数据和交易数据共同驱动的自动交易模型, 并成功应用至股票自动交易系统.为获取新闻事件信息, 本文设计事件抽取框架从互联网新闻文本中抽取多类新闻事件, 通过定量分析产生交易信号.在"沪深300"和自选股价数据集两年的交易数据集上的实验显示, 将新闻事件信号作为输入加入到模型中能产生比单独使用技术指标信号更高的收益, 考虑了新闻因素的ANN-News模型比其他类传统模型预测准确率提高4 %以上, 收益能提高7%以上.总结本文工作, 主要贡献如下:

1) 提出了网络新闻数据与历史交易数据共同驱动的自动交易模型, 构建了考虑新闻事件的基于ANN模型的自动交易框架.

2) 提出了从中文新闻文本中有效提取财经新闻事件的方法, 设计了中文财经事件抽取方法并利用实际数据验证了该方法.

3) 利用实际数据验证了股票自动交易框架的性能, 从准确度、收益率等角度对比分析了考虑新闻信号和不考虑新闻信号的ANN模型.

结合相关工作的最新进展, 下一步研究将重点聚焦以下方面: 1)在处理新闻与交易决策方面作更深入的研究, 搜集整理更丰富的财经事件数据, 借助模型具体地分析每一类的新闻事件对ANN模型效果的影响. 2)在新闻信号与技术指标信号融合方面, 下一步将探讨更优的新闻信号产生方法, 并设计更优化的模型以融合新闻事件信息与技术指标信号. 3)考虑直接使用新闻文本数据作为原始数据, 构建更自动化的多源数据驱动机器学习模型, 通过计算机自动提取特征数据并在测试中提高模型的性能.

作者简介

马超群

湖南大学工商管理学院教授, 国家杰出青年基金获得者, 湖南省"芙蓉学者计划"特聘教授.主要研究方向为金融工程与风险管理.E-mail:cqma1998@hnu.edu.cn

王琨  

湖南大学工商管理学院硕士研究生, 2015年获得湖南大学学士学位.主要研究方向为金融工程与风险管理.E-mail:wagnkunhnu@163.com

文丹艳  

湖南大学工商管理学院博士研究生.主要研究方向为金融市场异象、投资策略.本文通信作者.E-mail:wdy_2008@hnu.edu.cn