Εφαρμογή προβλέψεων στη χρηματοοικονομική αγορά με τεχνικές μηχανικής μάθησης και ανάλυσης συναισθήματος

Abstract

Η χρηματοοικονομική αγορά έχει σημειώσει τα τελευταία χρόνια σημαντικά αυξανόμενη χρήση. Ωστόσο, οι προκλήσεις παραμένουν πολλές, με κυριότερη εξ ’αυτών τη διασφάλιση του υπάρχοντος κεφαλαίου και επέκτασης αυτού. Ο κίνδυνος που ενδέχεται να αντιμετωπίσει ένας επενδυτής στη χρηματιστηριακή αγορά είναι μεγάλος, όμως η υιοθέτηση των μεθόδων πρόβλεψης μπορεί να συμβάλει στη μείωση αυτού. Έχει δειχθεί από πολλές μελέτες στη βιβλιογραφία ως αρκετά χρήσιμη η χρήση των τεχνικών μηχανικής μάθησης και ανάλυσης συναισθήματος σε κοινωνικά δίκτυα, αλλά και στα νέα που αφορούν τις αγορές. Η εφαρμογή τους μπορεί να συνεισφέρει στον εντοπισμό της κατεύθυνσης της κίνησης της αγοράς του χρηματιστηρίου, γεγονός που μπορεί να υποδείξει στους επενδυτές συγκεκριμένες στρατηγικές ανάλογα με την τάση της αγοράς. Στην παρούσα εργασία, γίνεται εκτενής ανάλυση στα ζητήματα που αφορούν τον χρηματοοικονομικό τομέα, σε στρατηγικές και μεθόδους ανάλυσης και πρόβλεψης των τιμών της αγοράς, και κυρίως στις μεθόδους ανάλυσης συναισθήματος και στις τεχνικές μηχανικής μάθησης, με σκοπό τις καλύτερες αποδόσεις επενδυτικά. Ερευνάται στην πράξη η αποδοτικότητα μεθόδων μηχανικής μάθησης και ανάλυσης συναισθήματος σε χρηματοοικονομικές αγορές. Αρχικά δοκιμάζεται προγραμματιστική υλοποίηση της εφαρμογής ανάλυσης συναισθήματος σε δεδομένα του Twitter, σε διάφορες χρηματοοικονομικές αγορές από αγορά μετοχών, συναλλάγματος και κρυπτονομισμάτων. Η κύρια πειραματική εφαρμογή εξετάζει αν η ύπαρξη των δεικτών ανάλυσης συναισθήματος στα χαρακτηριστικά των δεδομένων που θα χρησιμοποιήσουν οι αλγόριθμοι μηχανικής μάθησης μπορεί να συνεισφέρει θετικά στις επενδυτικές αποφάσεις σε ένα σύνολο δημοφιλών μετοχών. Τέλος, γίνεται σύγκριση και αξιολόγηση των δυο κατηγοριών - μια με δείκτες ανάλυσης συναισθήματος και μια χωρίς -, σύμφωνα με ευρέως χρησιμοποιούμενες μετρικές αξιολόγησης.