กระดาษสีขาว การวิเคราะห์ ข่าว เชิง กลยุทธ์การซื้อขาย

ข่าวกระดาษสีขาว Analytics สำหรับกลยุทธ์การซื้อขายเชิงปริมาณ [ข้ามโพสต์จากสัญญาณ Predictive] บันทึกในอนาคตคือการสร้างผลิตภัณฑ์การวิเคราะห์สำหรับการวิเคราะห์ขนาดใหญ่ของการไหลของสื่อออนไลน์ที่ครอบคลุมบล็อกและทวิตเตอร์ข่าวหลักเอกสารที่ยื่นต่อรัฐบาล กระดาษสีขาวพูดคุยวิเคราะห์วิธีการชั่วคราวของเราสามารถพบได้ที่นี่ แม้ว่าเนื้อหาของเรามีโปรแกรมในวงกว้างในหลายโดเมนที่เราได้มีความสนใจเริ่มต้นอย่างมีนัยสำคัญจากพื้นที่ของการซื้อขายข้ามขั้นตอนวิธีการเรียนสินทรัพย์ เอกสารนี้จะมุ่งเน้นไปที่การวิเคราะห์วิธีการบางอย่างที่เกี่ยวข้องกับพื้นที่นี้ การวิเคราะห์ข่าว บันทึกการวิเคราะห์ข่าวในอนาคต เพื่อที่จะกำหนดกลยุทธ์การลงทุนนักลงทุนเชิงปริมาณใช้ความหลากหลายของสตรีมข้อมูลสร้างแบบจำลองบนพื้นฐานของหลักการเช่นการซื้อขายคู่หมายถึงการพลิกกลับ, ฯลฯ และประเมินรูปแบบเหล่านี้กับการทดสอบหลังและอื่น ๆ วิธีการจำลองประวัติศาสตร์และใช้พวกเขาในกลยุทธ์การซื้อขาย . บันทึกการวิเคราะห์เนื้อหาข่าวในอนาคตเหมาะโดยตรงในวิธีการที่เป็นชุดที่เพิ่มขึ้นของกระแสข้อมูลการวิเคราะห์ข่าวว่าอาจจะได้รับทั้งในรูปแบบของพวกเขาเองหรือร่วมกับกระแสข้อมูลอื่น ๆ ในบางกรณีที่กระแสข้อมูลที่บันทึกไว้ในอนาคตอาจจะมีการสำรวจสำหรับความสัมพันธ์อย่างมีนัยสำคัญกับผลการตลาดที่น่าสนใจและเมื่อเหล่านี้จะพบที่ดีที่สุดและรวมอยู่ในกลยุทธ์การซื้อขาย วิธีการอื่น ๆ ก็อาจประเมินความหลากหลายของกลยุทธ์การซื้อขายบนพื้นฐานของข้อมูลที่บันทึกไว้ในอนาคต จุดของการวิเคราะห์ในการสนับสนุนการลงทุนใด ๆ ที่จะกระตุ้นการเปลี่ยนแปลงในตำแหน่ง ในท้ายที่สุดการส่งสัญญาณใด ๆ ที่น่าสนใจอย่างต่อเนื่องโดยสิ้นเชิงหรือคอมโพสิตจะนำไปใช้ในการใช้กลยุทธ์การซื้อขาย ก่อนที่จะดำน้ำลึกเกินไปในประเด็นการสร้างแบบจำลองก็เป็นสิ่งสำคัญที่จะต้องพิจารณาในชั้นเรียนของสัญญาณที่มีอยู่ในบันทึกเนื้อหาอนาคต เหล่านี้สามารถแบ่งออกเป็นชนิดข้อมูลที่ไม่ต่อเนื่องและต่อเนื่อง: บันทึกชนิดข้อมูลในอนาคต มาตรการและตัวชี้วัด: ชนิดข้อมูลอย่างต่อเนื่อง กระแสอย่างต่อเนื่องโมเมนตัมคือความเชื่อมั่นการป้องกันความเสี่ยงปริมาณนิติบุคคลปริมาณเอกสารที่วัดหรือคำนวณปริมาณที่แตกต่างกันในช่วงเวลาสำหรับเหตุการณ์เฉพาะและหน่วยงาน โมเมนตัมเป็นตัวชี้วัดของ "ข่าวลือ" รอบนิติบุคคลเฉพาะ (คน บริษัท สถานที่) หรือชนิดเหตุการณ์ (การควบรวมกิจการ, การเดินทางคนอื่น ๆ ) มันขึ้นอยู่กับระยะสั้นกลางและระดับในระยะยาวและการเปลี่ยนแปลงในเนื้อหาเช่นเดียวกับความน่าเชื่อถือของแหล่งที่มาและจำนวนของปัจจัยอื่น ๆ คิดว่ามันเป็น "Google Page Rank ของ" สำหรับเนื้อหาการไหลของสื่อ มาตรการความเชื่อมั่นรวมถึงตัวชี้วัดของ positivity และปฏิเสธของภาษาที่ใช้ในบริบทของกิจการหรือเหตุการณ์ในขณะที่การป้องกันความเสี่ยงเป็นตัวชี้วัดของความเชื่อมั่นในภาษาที่อธิบาย entitity / เหตุการณ์ บนมืออื่น ๆ , การวัดที่ง่ายที่สุดก็คือการนับจำนวนของกรณีนิติบุคคลหรือกรณีเหตุการณ์ที่เกิดขึ้นเฉพาะกับ บริษัท ที่น่าสนใจ ปัจจัยเหล่านี้จะเป็นหลักอนุกรมเวลาของตัวชี้วัดในช่วงเวลาที่เฉพาะเจาะจง มาตรการเหล่านี้อย่างต่อเนื่องสามารถกลั่น (ย่อย) และรวม (ค่าเฉลี่ยใน supersets) เพื่อจัดกลุ่มเฉพาะที่น่าสนใจตามที่ต้องการ ยกตัวอย่างเช่น บริษัท แผ่นเสียงปริมาณความเชื่อมั่นและโมเมนตัมสามารถแบ่งตามอุตสาหกรรมมูลค่าตลาด ฯลฯ มาตรการเหล่านี้ยังสามารถแบ่งต่อไป ใครสามารถตรวจสอบความเชื่อมั่นหรือไดรฟ์ บริษัท แผ่นเสียงจากสื่อเฉพาะชนิดแหล่งที่มาของหัวข้อสื่อภูมิศาสตร์ ฯลฯ นอกจากนี้ช่วงเวลาเหล่านี้สามารถได้รับการประเมินในกรอบที่แตกต่างกัน เนื้อหาที่สามารถตีความได้ตามระยะเวลาที่มีการเผยแพร่หรือตามเวลาที่มันถูกสร้างขึ้นมามีอยู่ในระบบของเรา โดยปกติแล้วความแตกต่างนี้มีขนาดเล็ก แต่บางครั้งอาจมีขนาดใหญ่ตัวอย่างเช่นเมื่อมีการเพิ่มแหล่งประวัติศาสตร์ใหม่ ทางเลือกนี้อาจจะขึ้นอยู่กับชนิดของ backtesting หนึ่งมีความสนใจในการแสดง หนึ่งยังอาจต้องการที่จะมุ่งเน้นไปที่เวลาของกิจกรรม เป็นเหตุการณ์ที่เกิดขึ้นใหม่จะถูกเพิ่มเข้ามาในระบบของเราที่เราตรวจสอบเมื่อเหตุการณ์เหล่านี้แสดงที่จะเกิดขึ้นไม่ว่าจะในอดีตปัจจุบันหรือในอนาคต ครั้งนี้เหตุการณ์ที่เป็นประโยชน์อย่างยิ่งในการค้นหาและวิเคราะห์คาดการณ์เหตุการณ์ในอนาคต เหตุการณ์และข้อมูลชั่วขณะ: ชนิดข้อมูลแบบไม่ต่อเนื่อง บันทึกหลักในการบันทึกฐานข้อมูลในอนาคตที่มีการจัดกิจกรรมและกรณีนิติบุคคล กิจการที่เป็น บริษัท ที่คนหรือสถานที่ทางภูมิศาสตร์ในขณะที่มีอยู่ในขณะนี้ 150 ชนิดรวมทั้งเหตุการณ์ใบเสนอราคา, การได้มา, ผลประกอบการโทรเพื่อชื่อไม่กี่ พิจารณาเหตุการณ์เช่นใบเสนอราคาจาก Ben Bernanke เกี่ยวกับอัตราเงินของรัฐบาลกลาง ฐานข้อมูลที่บันทึกไว้ในอนาคตจะมีการบันทึกกรณีเหตุการณ์เฉพาะสำหรับช่วงเวลานี้ แต่ละกรณีเหล่านี้เป็นเหตุการณ์ที่อะตอมได้มาจากเหตุการณ์ที่สังเกตเดียวและสามารถนำมาใช้ในการสร้างแบบจำลองต่อไป นอกจากนี้ยังเป็นไปได้ที่จะสร้างกิจกรรมต่อเนื่องมาจากมาตรการอย่างต่อเนื่องตัวอย่างเช่น บริษัท ที่เฉพาะเจาะจงมีการเปลี่ยนแปลงโมเมนตัมของ X ในช่วงสัปดาห์ เหตุการณ์อะตอมสามารถรวมกลุ่มกันในรูปแบบคอมโพสิตเหตุการณ์ ยกตัวอย่างเช่นสามหรือมากกว่าข่าวประชาสัมพันธ์และสองคนหรือมากกว่าเหตุการณ์การค้าภายในที่เกิดขึ้นในสัปดาห์เดียวกันสำหรับ บริษัท ที่ได้รับเป็นเหตุการณ์คอมโพสิต เราสามารถสร้างเหตุการณ์เดียวจากชุดของกฎที่ใช้กับเหตุการณ์ที่เกิดขึ้นอะตอม กฎสำหรับการกำหนดเหตุการณ์คอมโพสิตอาจจะซับซ้อนโดยพลการและอาจรวมถึงการสั่งซื้อเวลาบางส่วนเช่นเดียวกับการเกิดขึ้นของเฉพาะภายในความสัมพันธ์ระหว่างเหตุการณ์อะตอม (คือข่าวประชาสัมพันธ์และการจัดกิจกรรมการค้าภายในทั้งหมดสอดคล้องกับ บริษัท เดียวกัน) เหตุการณ์คอมโพสิตเหล่านี้เกี่ยวข้องกันอย่างใกล้ชิดกับเหตุการณ์ที่เกิดขึ้นมีความซับซ้อนและการตรวจสอบและการวิเคราะห์ของพวกเขามีความเกี่ยวข้องกับการประมวลผลเหตุการณ์ที่ซับซ้อน ตามที่กำหนดไว้ที่นี่เป็นเหตุการณ์ที่ประกอบเป็นชุดของเหตุการณ์ที่เกิดขึ้นรวมอะตอมและเหตุการณ์ที่ซับซ้อนเป็นเหตุการณ์ระดับที่สูงขึ้นสรุปจากการดำรงอยู่ของเหตุการณ์คอมโพสิต, การเปลี่ยนแปลงที่สำคัญอาจจะเกิดขึ้นใน บริษัท ที่ตรงกับเกณฑ์เหล่านี้ การวิเคราะห์สัญญาณ การสร้างแบบจำลองตัวชี้วัดตลาดที่มีบันทึกอย่างต่อเนื่องตัวแปรในอนาคต การวิเคราะห์ข้อมูลอย่างต่อเนื่องอาจจะดำเนินการโดยใช้ความหลากหลายของวิธีการถดถอยการตรวจสอบอำนาจอธิบายของข้อมูลอย่างต่อเนื่องกับผลลัพธ์ที่น่าสนใจเช่นผลตอบแทนที่ปริมาณการซื้อขายหรือความผันผวน พยากรณ์อื่น ๆ อาจมีการเพิ่มเพื่อดูว่าบันทึกข้อมูลอย่างต่อเนื่องในอนาคตให้พลังงานอธิบายหลังจากชดเชยตัวแปรอื่น ๆ เช่นประสิทธิภาพ SP หนึ่งในการวิเคราะห์ดังกล่าวโพสต์ในบล็อกของเราเรามองที่ว่าหรือไม่แตกต่างในแรงผลักดันให้ บริษัท มีการคาดการณ์ของการเปลี่ยนแปลงในปริมาณการตลาดต่อไปนี้การเปลี่ยนแปลงโมเมนตัม ในการควบคุมการถดถอยทั้งปริมาณวันก่อนหน้าและปริมาณเฉลี่ยในช่วง 20 วันที่เราพบความสัมพันธ์อย่างมีนัยสำคัญทางสถิติระหว่างวันก่อนหน้าโมเมนตัม (ถ่วงน้ำหนักด้วยปริมาณเฉลี่ยต่อท้าย) พอดีรูปแบบที่เฉพาะเจาะจงคือ: DVT = a * DV (t-1) + b * SMA (DV t-1 t-20) + C * (ขำ-1 * SMA (DV t-1 t-20)) + เอต ที่ไหน DVX เป็นปริมาณเงินดอลลาร์ในเวลา x, SMA มีฟังก์ชั่นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในช่วงของระยะเวลาที่โมเป็นบันทึกการวัดแรงผลักดันในอนาคตและเป็นคำและข้อผิดพลาดที่เวลา t เราดำเนินการวิเคราะห์ในสภาพแวดล้อมการประมวลผลทางสถิติ R และรูปแบบการติดตั้งคือ: LM (สูตร = Dollarvol.1 0 + lDollarvol.1 + + smaxlMo smaDvol. Dollarvol.1 ข้อมูล seriesdf =) เหลือ: มินเฉลี่ยไตรมาสที่ 1 ไตรมาสที่ 3 แม็กซ์ -5.039e + 09 + 07 -2.215e -2.284e + 06 + 07 1.813e 1.597e + 10 ค่าสัมประสิทธิ์: ประมาณการ Std ข้อผิดพลาด Pr ค่าที (& gt; | เสื้อ |) lDollarvol.1 0.513193 0.003237 158.54 & lt; 2e-16 *** smaxlMo 0.077162 0.015683 4.92 8.67e-07 *** signif รหัส: 0 '***' 0.001 '**' 0.01 "*" 0.05 0.1 '' 1 ข้อผิดพลาดมาตรฐานที่เหลือ '.': 170,900,000 ใน 72,109 องศา freedomMultiple R-squared: 0.8539, Adjusted R-squared: 0.8539 F-สถิติ : 1.405e + 05 เมื่อวันที่ 3 และ 72,109 DF, p-value: ข้อผิดพลาดมาตรฐานที่เหลือ: 170900000 ใน 72,109 องศาอิสระ หลาย R-squared: 0.8539, Adjusted R-squared: 0.8539 F-สถิติ: 1.405e + 05 เมื่อวันที่ 3 และ 72,109 DF, p-value: & lt; 2.2e-16 ค่าสัมประสิทธิ์บวกในระยะ SmaxlMo หมายถึงปริมาณการซื้อขายที่เพิ่มขึ้นด้วยแรงผลักดันที่เพิ่มขึ้น รายละเอียดเพิ่มเติมเกี่ยวกับการวิเคราะห์โมเมนตัมนี้สามารถเห็นได้ในบล็อกของเรา ตัวอย่างนี้เป็นเพียงหนึ่งในความเป็นไปได้ของวิธีการใช้ตัวชี้วัดที่บันทึกฟิวเจอร์สอย่างต่อเนื่องเป็นปัจจัยบ่งชี้ข้อมูลตลาด วิธีการอื่น ๆ อีกมากมายที่เป็นไปได้ บางทีอาจจะมากกว่าอย่างมีนัยสำคัญตัวชี้วัดเหล่านี้สามารถรวมอยู่ในรูปแบบที่มีอยู่เพื่อเพิ่มอำนาจในการอธิบายเพิ่มเติม ถ้า "ข่าว" เป็นที่เอื้อเสียงที่จะเป็นรูปแบบที่มีอยู่รวมตัวกันของข้อมูลการวิเคราะห์ข่าวอาจปรับปรุงประสิทธิภาพการทำงานรูปแบบ นักลงทุนอาจพิจารณาเชิงปริมาณกลยุทธ์ที่พวกเขาจะใช้ในวันนี้และประเมินยูทิลิตี้ที่มีศักยภาพในการเพิ่มตัวชี้วัดการวิเคราะห์ข่าวกับโมเดลที่มีอยู่ การสร้างแบบจำลองตัวชี้วัดตลาดที่ไม่ต่อเนื่องบันทึกตัวแปรในอนาคต การประเมินผลของสัญญาณที่ไม่ต่อเนื่องสำหรับการซื้อขายอาจเกี่ยวข้องกับการสืบชุดของธุรกิจการค้าที่มีศักยภาพ (หรือการซื้อขายที่ไม่ได้ถ้าการประเมินกลยุทธ์การซื้อขายที่หายไป) จากสัญญาณและการประเมินผลตอบแทนที่ได้จากการทำธุรกิจการค้าเหล่านั้น ไม่ทิศทางของการค้าและการเพิ่มขึ้น / ลดลงของราคาสินทรัพย์ที่เห็นบ่อยกว่าที่คาดไว้มากขึ้น? อะไรคือสิ่งที่ผลตอบแทนเ​​ฉลี่ยในการซื้อขายที่ทำโดยใช้สัญญาณหรือไม่ อะไรคืออัตราส่วนชาร์ป / Sortino ของธุรกิจการค้าตามสัญญาณการซื้อขาย? วิธีการทำผลตอบแทนสัญญาณการซื้อขายทำกับตลาดหรือไม่ วิธีการเหล่านี้มีความเหมาะสมสำหรับทั้งอะตอมและคอมโพสิตเหตุการณ์ที่ไม่ต่อเนื่อง ในตัวอย่างจากบล็อกของเราเรามองที่ "อนาคต" เหตุการณ์ที่เกิดขึ้นสำหรับ บริษัท SP500 ที่เหตุการณ์ในอนาคตจะถูก จำกัด ให้เหตุการณ์ที่เกิดขึ้น "เกิดขึ้น" หลังจากที่ตีพิมพ์นานหนึ่งวันหรือน้อยกว่าและเกิดขึ้นในวันที่ซื้อขาย จากนั้นเราจะดูเพื่อดูว่าปริมาณการตลาดในวันนี้สำหรับ บริษัท เหล่านี้สูงกว่าค่าเฉลี่ย เราพบว่ามีความสัมพันธ์อย่างมีนัยสำคัญที่ระดับเสียงบนเหล่านี้ "อนาคต" วันที่มีค่าเฉลี่ยสูงกว่าในวันอื่น ๆ นอกจากนี้เรายังมองไปที่นี้แต่ละ บริษัท ใช้การทดสอบ Wilcoxon และตั้งข้อสังเกตว่าเป็นจำนวนมากโดยไม่คาดคิดของ บริษัท ที่วันที่ในอนาคตได้ปริมาณเพิ่มขึ้น ความสัมพันธ์ระหว่างเหตุการณ์ในอนาคตและมูลค่าการซื้อขาย Histogram ของ P-ค่าสำหรับความสัมพันธ์ระหว่างเหตุการณ์ในอนาคตและมูลค่าการซื้อขายหลักทรัพย์ จำนวนสัดส่วนของความสัมพันธ์แสดงนัยสำคัญทางสถิติ ถ้ามีความสัมพันธ์ระหว่างเหตุการณ์ในอนาคตและปริมาณไม่เราคาดหวังกราฟนี้จะค่อนข้างแบนที่มีประมาณ 5% ของเสื้อทดสอบมี p-value น้อยกว่า 5% ในทางตรงกันข้ามเราจะเห็นประมาณ 35% ของ บริษัท ของเรามีความแตกต่างอย่างมีนัยสำคัญระหว่างเหตุการณ์ที่คาดการณ์ปริมาณและปริมาณที่ไม่ได้คาดการณ์ไว้ ประเภทของการทำนายของไดรฟ์นี้อาจจะมีประโยชน์ถ้านักลงทุนมีความสนใจในการเปลี่ยนแปลงในสภาพคล่องของหุ้นที่ได้รับในช่วงเวลา ในตัวอย่างที่ผ่านมาเรามองที่ตัวชี้วัดตลาดที่เกี่ยวข้องในวันที่เหตุการณ์ที่เกิดขึ้นเนื่องมาจากฐานข้อมูลที่บันทึกไว้ในอนาคตและเมื่อเทียบกับตัวชี้วัดตลาดในวันอื่น ๆ เพื่อดูว่าเหตุการณ์ที่เกิดขึ้นต่อเนื่องมีความเกี่ยวข้องกับความแตกต่างในเหตุการณ์เหล่านี้ ในตัวอย่างจากส่วนก่อนหน้านี้ที่เรามองที่ว่ามีความสัมพันธ์ระหว่างแรงผลักดันอย่างต่อเนื่องตัวชี้วัดและปริมาณการซื้อขาย นอกจากนี้ยังเป็นไปได้ที่จะรวมตัวแปรเหล่านี้ต่อเนื่องและต่อเนื่องลงไปในตัวชี้วัดที่ซับซ้อนโดยพลการเช่นกัน ยกตัวอย่างเช่นในบล็อกโพสต์ที่สามเรามองว่ามีความสัมพันธ์ระหว่าง บริษัท ที่กล่าวถึงในบล็อกของข่าวการเงินที่เฉพาะเจาะจง (FT Alphaville) และผลตอบแทนของตลาดในอนาคต โดยเฉพาะสำหรับวันที่ไม่ต่อเนื่องที่ บริษัท ถูกกล่าวถึงในบล็อกที่เราคำนวณตัวชี้วัดที่อยู่บนพื้นฐานของความเชื่อมั่นและโมเมนตัมสำหรับ บริษัท ที่และมองสำหรับความสัมพันธ์ระหว่างตัวชี้วัดและผลตอบแทน เราพบว่ามีความสัมพันธ์อย่างมีนัยสำคัญและน่าสนใจพอไม่พบความสัมพันธ์ที่คล้ายกันผ่านสื่อระบุว่าในฐานะที่เป็น ป่านนี้เราได้มีการพิจารณาเหตุการณ์ที่เกิดขึ้นต่อเนื่องอะตอม เหตุการณ์คอมโพสิตอาจจะซับซ้อนโดยพลการและยังอาจจะเป็นประโยชน์ที่จะคิดว่าพวกเขาให้คะแนนความเกี่ยวข้องที่อาจเกิดขึ้น พิจารณาโลกของการควบรวมกิจการที่มีเราอาจต้องการตรวจสอบ 15-20 เรียนแตกต่างกันของเหตุการณ์อะตอมและเรียกเหตุการณ์คอมโพสิตเมื่อ "มวลวิกฤต" ของเหตุการณ์ต่าง ๆ ที่เกิดขึ้น "มวลวิกฤต" อาจจะเป็นคะแนนซึ่งถูกสร้างขึ้นโดยใช้เก​​ณฑ์การให้คะแนนกับเหตุการณ์พื้นฐานที่ บางทีอาจจะเป็นแหล่งข้อมูลเพิ่มเติมรายงานเกี่ยวกับการควบรวมกิจการที่มีศักยภาพที่สูงกว่าคะแนนของ "การควบรวมกิจการ" เหตุการณ์อื่น ๆ สัญญาณเช่นนี้อาจได้รับการประเมินโดยมนุษย์สำหรับความเกี่ยวข้องที่อาจเกิดขึ้นมากกว่าโดยอัตโนมัติเรียกการค้า กระบวนทัศน์ตรวจสอบเหตุการณ์คอมโพสิตสามารถให้ค่าโดยการติดตามเหตุการณ์ระดับที่ต่ำกว่าจำนวนมากที่อยู่ในตัวเองอาจจะไม่ได้ให้ข้อมูล แต่เมื่อรวมกับกระแสเหตุการณ์ที่คล้ายกันอื่น ๆ อาจนำไปสู่​​การเชื่อมโยงกันของสัญญาณ กลยุทธ์การซื้อขาย อย่างมีนัยสำคัญทางสถิติความสัมพันธ์ที่มีความสำคัญ แต่เพื่อที่จะสร้างผลกำไรจริงจากสัญญาณเฉพาะกลยุทธ์การซื้อขายอย่างชัดเจนต้องระบุ ขึ้นอยู่กับสัญญาณที่ได้รับจะมีจำนวนมากของกลยุทธ์ที่แตกต่างกันสามารถใช้ได้โดยครั้งถือผลงานและกลยุทธ์การเช่นเดียวกับการกำหนดสิ่งที่ตัดสินใจทำธุรกรรมที่จะเชื่อมโยงกับสิ่งที่ระดับของสัญญาณ นอกจากนี้สัญญาณอื่น ๆ จากแหล่งอื่น ๆ อาจจะมีการแบบบูรณาการทั้งในการเลือกการซื้อขายและน้ำหนักพอร์ตการลงทุน เห็นได้ชัดว่ามูลค่าการซื้อขายที่มีศักยภาพของสัญญาณใด ๆ จะขึ้นอยู่มากในกลยุทธ์การซื้อขายที่ใช้ว่าจะใช้มัน ความเชี่ยวชาญด้านการสร้างแบบจำลองทางการเงินจะต้องเลือกกลยุทธ์การซื้อขายที่เหมาะสมสำหรับการส่งสัญญาณใด ๆ ที่น่าสนใจ เราสำรวจวิธีการหนึ่งในการนี​​้ในบล็อกโพสต์ ในกรณีที่เราวิเคราะห์กลยุทธ์การซื้อขายบนพื้นฐานของการเปลี่ยนแปลงในความเชื่อมั่นในแหล่งที่เฉพาะเจาะจงเกี่ยวกับ บริษัท ตามกลยุทธ์ที่เลือกถ้า Sentiment เชิงบวกเพิ่มขึ้นเมื่อเวลาผ่านไปเราเอาหรือจัดตำแหน่งยาวในขณะที่การลดลงของความเชื่อมั่นในเชิงบวกที่นำไปสู่​​การดำเนินการหรือการดำรงตำแหน่งสั้น การประเมินผลการปฏิบัติงานการตลาดของผลงานกระดาษขึ้นอยู่กับสัญญาณการค้าเหล่านี้จะปรากฏด้านล่าง ความเชื่อมั่นเมื่อเทียบกับผลการดำเนินงาน SP500 กลยุทธ์นี้โดยเฉพาะอย่างยิ่งได้งานที่ดีตอบสนองต่อวิกฤตตลาดในช่วงปลายปี 2008 แต่ไม่ได้ค่าโดยสารได้ดีในช่วงเวลาที่วุ่นวายน้อยลง บางทีอาจจะเป็นสัญญาณนี้อาจจะนำมาใช้ในกลยุทธ์การค้าอื่น ๆ เพื่อปรับปรุงประสิทธิภาพการทำงาน ซื้อขายวิเคราะห์อิสระ หนึ่งอาจต้องการที่จะมองสำหรับความสัมพันธ์อย่างมีนัยสำคัญระหว่างสองประเภทของกิจกรรมหรือเหตุการณ์ที่เกิดขึ้นอย่างต่อเนื่องและ readouts ที่ไม่เกี่ยวข้องกับการซื้อขาย โดยทั่วไปเรามีคอลเลกชันของกระบวนการและจุดกระแสข้อมูลอย่างต่อเนื่อง ถ้ากระบวนการสำรวจจุดที่มีการคาดการณ์ของกระบวนการอย่างต่อเนื่องสามารถทำได้คล้ายกับกลยุทธ์การค้ากล่าวก่อนหน้านี้ ตรวจสอบชุดของการเปลี่ยนแปลงในตัวแปรอย่างต่อเนื่องต่อไปนี้เหตุการณ์และตรวจสอบว่าพฤติกรรมที่เป็นปกติหรือไม่ ตัวอย่างเช่นพิจารณาชุดของการเปลี่ยนแปลงโมเมนตัมต่อวันสำหรับ บริษัท เมื่อมีเหตุการณ์ไม่ได้เกิดขึ้น คอลเลกชันของการเปลี่ยนแปลงนี้จะมีความหมายและความแปรปรวน นอกจากนี้เรายังพิจารณาการเปลี่ยนแปลงโมเมนตัมจากชุดขนาดเล็กมากของวันต่อไปนี้เกิดขึ้นเหตุการณ์เฉพาะ เราสามารถใช้ตัวแปร (เช่น t-test) หรือไม่ตัวแปร (เช่นการทดสอบ Wilcoxon) วิธีการที่จะสร้างความน่าจะเป็นของทั้งสองชุดของข้อมูลที่มีการกระจายตัวเดียวกัน วิธีการเหล่านี้สามารถสร้างความสัมพันธ์อย่างมีนัยสำคัญระหว่างทั้งสองสัญญาณถึงแม้จะไม่ถึงมาตรฐานในการตรวจสอบสาเหตุ ความสัมพันธ์ระหว่างการตรวจสอบกระบวนการจุดสามารถดำเนินการในหลายวิธี วิธีการหนึ่งที่ง่ายคือไปดูที่อัตราการเกิดในประเภทใดประเภทหนึ่งเหตุการณ์ในช่วงเวลาก่อนหรือหลังเหตุการณ์ประเภทอื่น ๆ เปรียบเทียบอัตราการตั้งข้อสังเกตในช่วงเวลาเหล่านี้ไปยังอัตราโดยรวมในการประเมินความสำคัญของความสัมพันธ์ที่ 10 การทดลองแบบจำลองทางการเงินสำหรับคุณที่จะทำงานกับที่บันทึกไว้ในอนาคตของข่าวสารการวิเคราะห์ นี่คือบางส่วนที่มีการวิเคราะห์แนะนำคุณสามารถทำงานกับที่บันทึกไว้ในอนาคต ฉันสามารถสร้างกลยุทธ์การซื้อขายทำกำไรได้โดยใช้ตัวชี้วัดตามความเชื่อมั่นและโมเมนตัมชนิดเหตุการณ์แตกต่างกันอย่างไร ฉันสามารถตรวจสอบครั้งที่ความเชื่อมั่น / โมเมนตัมสำหรับ บริษัท ที่แตกต่างจากผู้ที่อยู่ในอุตสาหกรรมอยู่แล้ว? มีเหตุการณ์บางอย่างคาดการณ์ของผลตอบแทนที่ผิดปกติ? ฉันสามารถกำหนดชุดของเหตุการณ์ที่เกิดขึ้นในอนาคตที่มีการคาดการณ์ของตัวชี้วัดตลาดเช่นผลตอบแทนที่ผิดปกติความผันผวนหรือไดรฟ์? ฉันสามารถรวมเนื้อหาที่บันทึกไว้ในอนาคต (เหตุการณ์หรือตัวชี้วัดที่ บริษัท ) ในรูปแบบที่มีอยู่ในการปรับปรุงการใช้พลังงานที่คาดการณ์ไว้ ฉันสามารถทำนายเวลาที่โมเดลที่มีอยู่ของฉันล้มเหลว ฉันสามารถหาคอลเลกชันของเหตุการณ์ที่เกี่ยวข้องที่มีการคาดการณ์ของตัวชี้วัดตลาด ฉันสามารถประเมินความน่าเชื่อถือของแหล่งที่มาโดยดูที่การคาดการณ์ที่ผ่านมาที่ ฉันสามารถตรวจสอบระยะเวลาที่เงียบสงบสำหรับ บริษัท ? มีความแตกต่างระหว่างความเชื่อมั่นและบล็อกหลักและผมสามารถสร้างสัญญาณการซื้อขายนี้ เริ่มต้นกับข่าววิเคราะห์ API ผู้ใช้เข้าถึงเนื้อหาที่บันทึกไว้ในอนาคตผ่านทางบริการ web based Application Programming Interface (API) โดยใช้รูปแบบ JSON อุตสาหกรรมมาตรฐานภาษาที่แตกต่างกันจำนวนมากและสภาพแวดล้อมที่สามารถใช้ในการเข้าถึงบริการรวมทั้งงูหลาม, Java, R และ Matlab เรายังคงเอกสารของการวิเคราะห์ข่าวของเรา API รวมทั้งเป็นตัวอย่างและได้ใส่กันแสดงให้เห็นว่าการกวดวิชาที่จะใช้พวกเขา ตัวอย่างเหล่านี้เป็นโฮสต์บนเว็บไซต์ของ Google รหัสใหม่ของเรา ซึ่งเป็นพื้นที่เก็บข้อมูลส่วนกลางสำหรับการเป็นเจ้าภาพของเราตัวอย่างเช่นเหล่านี้ ผู้ใช้ API สามารถดาวน์โหลดตัวอย่างเหล่านี้และเริ่มการเข้าถึงเนื้อหาที่บันทึกไว้ในอนาคตทันที การเข้าถึงเอกสารฉบับนี้ไม่จำเป็นต้องมีใบอนุญาต API และทุกคนที่สนใจในการตรวจสอบทางเทคนิคลึกขึ้นของ API และเนื้อหาสามารถตรวจสอบวัสดุที่เว็บไซต์รหัสของ Google บันทึกอนาคตเว็บการวิเคราะห์การเชื่อมต่อ บันทึกในอนาคตนอกจากนี้ยังมีส่วนติดต่อผู้ใช้สำหรับการโต้ตอบกับเนื้อหาของเรา ผู้ประกอบการค้าเชิงปริมาณอาจจะใช้เว็บไซต์นี้เพื่อเริ่มต้นการสำรวจชนิดของข้อมูลที่เราจัดระเบียบที่จะมองหาสัญญาณที่มีศักยภาพและรูปแบบที่พวกเขาสามารถใช้ในการทำธุรกิจการค้าอย่างต่อเนื่อง T เขาเว็บไซต์ส่วนติดต่อผู้ใช้สามารถนำมาใช้เพื่อสนับสนุนขั้นตอนการสร้างสมมติฐาน เมื่อได้รับการตั้งสมมติฐานสูตรที่พวกเขาสามารถ backtested ผ่านทาง API และถ้าเห็นว่ามีคุณค่าสามารถนำมาใช้เป็นส่วนหนึ่งของกลยุทธ์การซื้อขายโดยใช้ข้อมูลในอนาคตได้รับผ่านทางเอพีไอ รูปแบบใดวิจัยสามารถตรวจสอบได้อย่างมีระบบผ่านการใช้ฟิวเจอร์สที่เรียกว่าที่เป็นรูปแบบที่จะถูกตรวจสอบและผู้ใช้แจ้งผ่านทางอีเมล์ถ้ารูปแบบจะถูกจับคู่ - คือแจ้งให้ฉันทราบทันทีที่มีปัญหาผลิตภัณฑ์ในกลุ่ม บริษัท ยาภายในสัปดาห์ของผลิตภัณฑ์ที่ การเปิดตัว บันทึกข้อมูลการวิเคราะห์ข่าวอนาคตมีหน่วยงานที่ไม่ต่อเนื่องและเหตุการณ์ที่เกิดขึ้นในปัจจุบันที่ผ่านมาและในอนาคตเช่นเดียวกับ (การเจริญเติบโต) จำนวนของตัวชี้วัดอย่างต่อเนื่องมาที่เกิดจากเหตุการณ์เหล่านี้และหน่วยงาน บริการเว็บ API สามารถใช้ได้สำหรับนักลงทุนที่จะดึงชุดข้อมูลที่น่าสนใจในสภาพแวดล้อมการวิเคราะห์ของพวกเขาในการเลือกและข้อมูลทางประวัติศาสตร์ที่สามารถใช้ได้สำหรับการสร้างแบบจำลองที่เกี่ยวข้อง เมื่อนักลงทุนได้มีการกำหนดรูปแบบที่มีประโยชน์คำสั่ง API เรียลไทม์สามารถดำเนินการเพื่อดึงข้อมูลล่าสุดเพื่อนำมาใช้ในรูปแบบ ชุดของข้อมูลและเครื่องมือนี้ขณะนี้อยู่ในการใช้งานโดยผู้เชี่ยวชาญด้านการเงินและสามารถใช้ได้กับคนอื่น ๆ ที่สนใจในการเพิ่มกลยุทธ์การวิเคราะห์ข่าวกับวิธีการสร้างแบบจำลองเชิงปริมาณของพวกเขา