[论文解读] Predicting Abnormal Returns From News Using Text Classification

Ronny Luss, Alexandre d’Aspremont|ArXiv.org|Sep 16, 2008

Stock Market Forecasting Methods参考文献 27被引用 13

一句话总结

本文提出了一种多核学习（MKL）框架，结合金融新闻文本与历史绝对收益，利用支持向量机（SVM）预测日内异常价格波动。结果表明，文本特征在预测异常收益幅度方面显著优于仅使用历史收益的表现，尽管收益方向仍不可预测；通过采用高效的分析中心切平面优化方法，MKL提升了分类准确率与鲁棒性。

ABSTRACT

We show how text from news articles can be used to predict intraday price movements of financial assets using support vector machines. Multiple kernel learning is used to combine equity returns with text as predictive features to increase classification performance and we develop an analytic center cutting plane method to solve the kernel learning problem efficiently. We observe that while the direction of returns is not predictable using either text or returns, their size is, with text features producing significantly better performance than historical returns alone.

研究动机与目标

• 探究金融新闻文本是否能够超越仅依赖历史收益的预测能力，更有效地预测异常日内股票收益。
• 开发一种机器学习框架，整合文本新闻数据与价格收益数据，以提升异常收益幅度的预测能力。
• 应用多核学习（MKL）以最优方式组合文本与收益特征，提升分类性能。
• 设计并实现一种高效的优化算法——分析中心切平面法，用于求解大规模MKL问题，以支持金融预测。
• 评估MKL对无关或噪声核（如随机核或参数设定不佳的高斯核）的鲁棒性。

提出的方法

• 对新闻文章（如路透社、《华尔街日报》）中的文本进行处理，转化为词频特征，作为文本分类模型的输入。
• 使用不同时间窗口（如10–250分钟）的历史绝对收益作为额外预测特征。
• 训练支持向量机（SVM）分类器，以预测在新闻发布后固定时间窗口内是否会发生异常收益（定义为超过第75百分位数）。
• 采用多核学习（MKL）将来自文本与收益特征的线性核和高斯核进行组合，学习最优核权重以最大化分类性能。
• 开发分析中心切平面法，以高效求解大规模MKL问题，相比标准求解器显著缩短计算时间。
• 通过不同时间跨度（如10至250分钟）后的准确率与夏普比率评估性能。

实验结果

研究问题

• RQ1 金融新闻文章中的文本是否能够比仅使用历史价格收益更有效地预测异常日内股票收益？
• RQ2 通过多核学习（MKL）组合文本与收益特征，是否能显著提升预测准确率，优于单独使用任一模态？
• RQ3 MKL框架对引入无关或噪声核（如随机核或参数设定不佳的高斯核）的鲁棒性如何？
• RQ4 MKL模型的性能是否对核权重的精确调优敏感？还是即使使用次优核权重，仍能获得良好结果？
• RQ5 像分析中心切平面法这样的高效优化算法，能否有效应用于金融文本分类中的大规模MKL问题？

主要发现

• 仅使用文本特征时，其在预测异常收益幅度方面的表现显著优于仅使用历史收益；通过MKL结合两者后，准确率得到显著提升。
• 尽管收益方向无法通过文本或收益数据单独预测，但利用所提出的框架，异常收益的大小（幅度）可被高度准确地预测。
• 在MKL组合中引入高质量核至关重要，若使用次优或参数设定不佳的高斯核，将导致准确率显著下降。
• MKL框架对无关核具有鲁棒性：在最优核集中加入三个随机核对性能影响可忽略，因为这些核的权重趋近于零。
• 分析中心切平面法能高效求解大规模MKL问题，在计算速度上优于标准求解器，同时保持高准确率。
• 即使核组合采用等权重分配，性能依然强劲，表明高精度优化核权重并非获得良好结果的必要条件。