[논문 리뷰] Trade the Event: Corporate Events Detection for News-Based Event-Driven Trading

Zhihan Zhou, Liqian Ma외 1명|arXiv (Cornell University)|2021. 05. 26.

Stock Market Forecasting Methods참고 문헌 23인용 수 4

한 줄 요약

이 논문은 뉴스 기사에서 기업 이벤트를 이중 수준 이벤트 탐지 모델을 사용해 탐지하는 이벤트 기반 거래 전략을 제안하며, 초과 수익률과 거래 수익성에서 뛰어난 성능을 달성한다. 이 방법은 토큰 수준의 이벤트 레이블링과 기사 수준의 맥락 통합을 결합하며, 30만 건 이상의 뉴스 기사와 분 단위 주식 데이터를 포함한 EDT 데이터셋에서 검증되었다.

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.

연구 동기 및 목표

• 주식 가격 변동의 원인으로 기업 이벤트에 초점을 맞추어 감성 분석 및 특징 기반 주식 예측의 보다 설명 가능하고 객관적인 대안을 개발하기 위해.
• 기존 모델이 낮은 해상도의 텍스트 특징이나 주관적인 감성 분석에 의존하는 한계를 보완하기 위해 토큰 수준에서 사실 기반 기업 이벤트를 탐지함으로써.
• 뉴스의 시의성과 실시간 이벤트 탐지를 동적 거래 정책에 통합하여 거래 성과를 향상시키기 위해.
• 기업 이벤트 탐지 및 뉴스 기반 주식 예측를 위한 대규모 고품질 벤치마크 데이터셋(EDT)을 구축하기 위해.
• 최소 지연 시간으로 실행될 경우 이벤트 기반 전략이 시장 인덱스보다 초과 수익률과 거래당 평균 수익성에서 뛰어나다는 것을 입증하기 위해.

제안 방법

• 이중 수준 이벤트 탐지 모델을 제안: 저수준의 시퀀스 레이블링 모델이 각 토큰에 이벤트 레이블을 할당하고, 고수준 모델이 저수준 예측과 함께 전체 기사의 맥락을 통합한다.
• 저수준 탐지기는 각 토큰을 k개의 사전 정의된 기업 이벤트 중 하나 또는 'O'(이벤트 없음)로 분류하여 이벤트 언급의 미세한 국소화를 가능하게 한다.
• 고수준 탐지기는 전체 기사 표현과 저수준 토큰 예측을 융합하여 각 이벤트 유형이 기사에 존재할 가능성을 결정한다.
• 토큰 수준의 이벤트 주석이 포함된 9,721건의 뉴스 기사와 분 단위 타임스탬프 및 주식 가격 레이블이 있는 303,893건의 기사로 구성된 EDT 데이터셋을 도입한다.
• 뉴스 발표 직후 즉시 거래를 트리거하는 실시간 거래 정책을 구현하며, 예측된 이벤트 유형과 그 예상 시장 영향을 활용한다.
• 다단계 평가 파이프라인을 적용: 이벤트 탐지 성능은 F1 스코어로 측정하고, 거래 성능은 승률, 초과 수익률, 거래당 평균 수익률로 평가한다.

실험 결과

연구 질문

• RQ1 전통적인 감성 분석 또는 bag-of-words 방법에 비해 토큰 수준에서 기업 이벤트를 탐지함으로써 주가 변동 예측의 정확도와 설명 가능성이 향상되는가?
• RQ2 이중 수준 탐지 프레임워크에서 국소(토큰 수준) 및 전반적(기사 수준) 맥락을 통합함으로써 이벤트 탐지 성능이 어떻게 향상되는가?
• RQ3 감성 또는 텍스트 특징에 비해 객관적 사실 기반인 기업 이벤트는 주가 변동 예측에 얼마나 더 신뢰성 있고 효과적으로 작용하는가?
• RQ4 이벤트 기반 전략에서 거래 실행의 시의성이 얼마나 중요하며, 지연된 실행으로 인해 발생하는 성능 저하는 어느 정도인가?
• RQ5 대규모 전문가 주석이 달린 데이터셋(EDT)이 이벤트 기반 거래 모델의 강력한 훈련 및 벤치마킹을 지원할 수 있는가?

주요 결과

• 제안된 이중 수준 이벤트 탐지 모델은 EDT 데이터셋에서 모든 베이스라인보다 높은 F1 스코어를 기록하여 토큰 수준과 기사 수준 모두에서 탐지 정확도 향상을 입증한다.
• 이벤트 기반 거래 전략은 초과 수익률에서 시장 인덱스를 크게 앞서며, 승률이 높고 거래당 평균 수익률도 더 크다.
• 백테스트 결과, 뉴스 발표 후 수십 초의 지연만으로도 평균 수익률이 음수로 전환됨을 확인하여 시의성의 결정적 중요성을 입증한다.
• 뉴스가 발표된 분의 시가 가격에서 거래가 실행될 경우 전략의 성과가 가장 우수함을 확인하여 실행 속도가 수익성에 결정적인 영향을 미친다는 점을 시사한다.
• EDT 데이터셋은 강력한 평가를 가능하게 하며 기업 이벤트 탐지 및 뉴스 기반 주식 예측 분야의 새로운 기준을 설정한다. 이 데이터셋에는 303,893건의 뉴스 기사와 상세한 주식 가격 레이블이 포함되어 있다.
• 기업 이벤트는 감성 또는 텍스트 특징에 비해 주가 변동 예측에 더 효과적이고 신뢰할 수 있는 지표임을 입증하였으며, 이는 객관적이고 사실 기반의 성격 덕분이다.