[論文レビュー] Trade the Event: Corporate Events Detection for News-Based Event-Driven Trading

Zhihan Zhou, Liqian Ma+1 more|arXiv (Cornell University)|May 26, 2021

Stock Market Forecasting Methods参考文献 23被引用数 4

ひとこと要約

本論文は、30万件を超えるニュース記事と分単位の株価データを用いたEDTデータセットで検証された、バイレベルイベント検出モデルを用いてニュース記事から企業イベントを検出するイベント駆動型取引戦略を提案する。この手法は、トークンレベルのイベントラベル付けとアーティクルレベルの文脈統合を組み合わせており、超過収益と取引利益率の両面で優れたパフォーマンスを達成した。

ABSTRACT

In this paper, we introduce an event-driven trading strategy that predicts stock movements by detecting corporate events from news articles. Unlike existing models that utilize textual features (e.g., bag-of-words) and sentiments to directly make stock predictions, we consider corporate events as the driving force behind stock movements and aim to profit from the temporary stock mispricing that may occur when corporate events take place. The core of the proposed strategy is a bi-level event detection model. The low-level event detector identifies events' existences from each token, while the high-level event detector incorporates the entire article's representation and the low-level detected results to discover events at the article-level. We also develop an elaborately-annotated dataset EDT for corporate event detection and news-based stock prediction benchmark. EDT includes 9721 news articles with token-level event labels as well as 303893 news articles with minute-level timestamps and comprehensive stock price labels. Experiments on EDT indicate that the proposed strategy outperforms all the baselines in winning rate, excess returns over the market, and the average return on each transaction.

研究の動機と目的

• 株価の変動要因としての企業イベントに注目することで、感情分析や特徴量ベースの株価予測の代替手段として、より説明可能で客観的な手法の開発を目的とする。
• 従来のモデルが粗い粒度のテキスト特徴量や主観的な感情分析に依存するという限界を克服し、トークンレベルでの事実に基づく企業イベントの検出を実現することを目的とする。
• ニュースのタイムリー性を活用し、リアルタイムでのイベント検出を動的取引ポリシーに統合することで、取引パフォーマンスの向上を図ることを目的とする。
• 企業イベント検出およびニュースベースの株価予測のための大規模かつ高品質なベンチマークデータセット（EDT）の構築を目的とする。
• 最小限の遅延で実行された場合、イベント駆動型戦略が市場インデックスを上回る超過収益と取引あたりの利益率を達成することを実証することを目的とする。

提案手法

• バイレベルイベント検出モデルを提案：低レベルのシーケンスラベル付けモデルが各トークンにイベントラベルを割り当て、高レベルのモデルが低レベルの予測と全体的なアーティクル文脈を統合する。
• 階層的アーキテクチャを採用し、低レベルの検出器が各トークンをk種類の事前に定義された企業イベントのいずれか、または'O'（イベントなし）に分類することで、イベントの記述の細分化を可能にする。
• 高レベルの検出器が、全アーティクルの表現と低レベルのトークン予測を統合して、各イベントタイプがアーティクル内に存在する可能性を評価する。
• トークンレベルのイベントアノテーションを有する9,721件のニュース記事と、分単位のタイムスタンプと株価ラベルを有する303,893件の記事を含むEDTデータセットを導入する。
• ニュース公開直後に即座に取引を発動するリアルタイム取引ポリシーを実装し、予測されたイベントタイプとその期待される市場影響を活用する。
• マルチステージの評価パイプラインを適用：イベント検出性能はF1スコアで測定され、取引パフォーマンスは勝率、超過収益、取引あたり平均収益で評価される。

実験結果

リサーチクエスチョン

• RQ1 従来の感情分析やbag-of-words手法と比較して、トークンレベルでの企業イベント検出は、株価変動予測の正確性と説明可能性を向上させるか？
• RQ2 バイレベル検出フレームワークにおける局所的（トークンレベル）およびグローバル的（アーティクルレベル）な文脈の統合は、イベント検出性能をどのように向上させるか？
• RQ3 客観的事実である企業イベントは、感情やテキスト特徴量と比較して、株価変動をどれほど信頼性高く予測できるか？
• RQ4 取引実行のタイムリー性はイベント駆動型戦略においてどれほど重要であり、遅延が生じた場合にどれほどのパフォーマンス低下が生じるか？
• RQ5 大規模で専門家がアノテートしたデータセット（EDT）は、イベント駆動型取引モデルの強固な訓練とベンチマーク評価を可能にするか？

主な発見

• 提案されたバイレベルイベント検出モデルは、EDTデータセットにおいてすべてのベースラインを上回るF1スコアを達成し、トークンレベルおよびアーティクルレベルの両方で検出精度の向上を示した。
• イベント駆動型取引戦略は、市場インデックスを著しく上回る超過収益を達成し、勝率が高く、取引あたりの平均収益も大きいことが明らかになった。
• バックテストの結果、ニュース公開後数十秒の遅延を伴う取引では平均収益がマイナスになることが判明し、タイムリー性の重要性が強く強調された。
• 取引がニュース公開された分の始値で実行された場合、戦略のパフォーマンスが最も良く、実行速度が収益性に決定的な要因であることが示された。
• EDTデータセットは、企業イベント検出およびニュースベースの株価予測のための強固な評価を可能にし、303,893件のニュース記事と詳細な株価ラベルを備えた新しいベンチマークを確立した。
• 企業イベントは、その客観的かつ事実に基づいた性質ゆえに、感情やテキスト特徴量よりも、株価変動の予測に効果的で信頼性が高い指標であることが示された。