Menggunakan Ai Ketika Pemindaian Dan Pengolahan Dalam Berita

Menggunakan Ai Ketika Pemindaian Dan Pengolahan Dalam Berita

Trendsterkini.com – Eksekutif, berhati-hatilah! Kau bisa menjadi musuh terburukmu. CEO-direktur dan manajer lain semakin di bawah mikroskop sebagai beberapa investor menggunakan kecerdasan buatan untuk belajar dan menganalisis pola bahasa mereka dan nada, membuka perbatasan baru kesempatan untuk menyelinap.

Pada akhir 2020, menurut pola bahasa spesialis Evan Schnidman, beberapa eksekutif di industri IT sedang memainkan kemungkinan gangguan chip semi-pductor pendek saat membahas penyediaan rantai.

Namun nada pidato mereka menunjukkan ketidakpastian yang tinggi, menurut analisis algorithmic dirancang untuk mencari petunjuk tersembunyi dalam tulisan-tulisan yang tak tercantum secara langsung.

“Kami menemukan bahwa nada yang oleh para eksekutif sektor tidak konsisten dengan sentimen teks positif dari komentar mereka,” kata Schnidman, yang menyarankan dua perusahaan fintech di belakang analisis.

Dalam beberapa bulan komentar, Perusahaan termasuk Volkswagen dan Ford memperingatkan tentang kekurangan parah chip memukul output. Harga saham di perusahaan mobil dan industri jatuh. Eksekutif sekarang mengatakan ada memeras pasokan.

Schnidman memegang bahwa dana quant komputer mengakses skor yang ditentukan dengan nada kata-kata manajer, versus skor yang ditentukan untuk kata-kata yang tertulis, akan lebih baik sebelum industri.

Satu contoh tidak dapat bersaksi keakuratan analisis pidato, meskipun, seperti yang kita tidak tahu apakah eksekutif sedang tidak terlalu optimis di awal atau tulus mengubah pandangan mereka sebagai keadaan berubah.

Beberapa investor tetap melihat teknologi yang dikenal sebagai pemrosesan bahasa alami (NLP) – sebagai salah satu alat baru untuk mendapatkan tepi atas saingan, menurut Reuters wawancara dengan 11 manajer dana yang menggunakan atau triling sistem tersebut.

Mereka mengatakan data keuangan tradisional dan pernyataan perusahaan sangat berat saat ini bahwa mereka menawarkan sedikit nilai.

NLP adalah cabang AI dimana mesin belajar bahasa dibiarkan longgar untuk membuatnya masuk akal, dan kemudian mengubahnya menjadi sinyal kuantitatif yang quant dana faktor ke dalam perdagangan.

Perangkat lunak yang paling ambisius di daerah ini bertujuan untuk menganalisis nada yang terdengar, irama dan emphases kata-kata yang diucapkan bersama frase, sementara yang lain melihat untuk menguraikan transkrip pidato dan wawancara dengan cara yang lebih canggih.

Slavi Marinov, kepala mesin belajar di Man AHL, bagian dari $135 miliar Manajemen Perusahaan pria, mengatakan kepada Reuters bahwa NLP adalah “salah satu besar penelitian daerah fokus” di komputer-driven fund.

“Model-model ini mengubah sesuatu yang sangat berantakan untuk sesuatu yang mudah dimengerti oleh seorang quant,” katanya.

Saran memang mengatakan bahwa NLP dapat membuka potensi yang belum dimanfaatkan dari dunia “data yang tidak terstruktur”: panggilan dengan analis, huruf Q&sebagai, wawancara media.

Sistem AI ini bisa menghabiskan jutaan dolar untuk mengembangkan dan lari, mengesampingkan banyak investor dan pengembang menyelamatkan dompet dalam atau niche.

Beberapa juga pada tahap eksperimental yang relatif, tanpa data publik yang tersedia untuk menunjukkan bahwa mereka membuat uang. Dana yang diwawancarai menolak untuk menunjukkan bukti bahwa NLP dapat ditambah kembali, mengutip sensitivitas komersial.

Analisis pada bulan September oleh ahli strategi Nomura menunjukkan link antara kompleksitas bahasa ‘ eksekutif selama pendapatan panggilan dan saham. Bos Amerika yang menggunakan bahasa sederhana melihat perusahaan mereka berbagi informasi dengan 6% per annum sejak 2014, dibandingkan dengan mereka menggunakan kata-kata yang kompleks.

Bafa analis mempekerjakan model yang menggunakan frase dalam panggilan laba untuk meramalkan tarif obligasi perusahaan. Ujian ini ribuan frasa seperti “biaya cutting” dan “cash burn” untuk menemukan frase yang terkait dengan nilai default masa depan. Pengujian-belakang model menunjukkan korelasi tinggi dengan probabilitas baku, kata Ba.

Bertahun-tahun berlalu, pemrosesan bahasa dalam keuangan menjadi dasar dan peranti lunak yang secara luas dijual oleh jajaran berita atau media sosial. Ini adalah kehilangan nilai di wajah dari model NLP yang semakin canggih, yang telah memacu oleh teknologi maju dan jatuh biaya komputasi awan.

Terobosan tersebut datang pada tahun 2018 ketika para pengembang mengeluarkan kode sumber di belakang NLP “pembelajaran”, yang memungkinkan model untuk pra-terlatih pada satu dataset kata-kata dan kemudian menempatkan untuk bekerja pada yang lain, menghemat waktu dan uang.

Tim AI Google telah merilis kode di balik beberapa model mutakhir yang telah dilatih di datasets yang pernah lebih besar.

Pengembang sistem saat ini mengatakan mereka crunch puluhan ribu kata-kata pada kecepatan petir, mengekstrak pola dan mengukur tingkat mereka sehubungan dengan tertentu signifikan “benih” kata, frase dan ide-ide, seperti yang ditetapkan oleh pengguna.

Man AHL Marinov melihat kebaikan dalam analisis tonal tapi belum menggunakannya, berfokus untuk saat ini pada petunjuk tersembunyi dalam teks tertulis.

Ini bisa menjadi apa saja dari membandingkan laporan tahunan dari waktu ke waktu untuk mencari perubahan halus tidak jelas bagi pembaca, untuk mengukur sesuatu yang tidak berwujud sebagai budaya perusahaan.

Beberapa investor mencoba secara resmi mengukur budaya perusahaan di masa lalu meskipun itu penting untuk kinerja jangka panjang, terutama dalam lingkup investasi ESG panas lingkungan, sosial dan pemerintahan pertimbangan.

Man AHL model Dapat Memindai komentar eksekutif ‘untuk mencari kata-kata atau frasa yang menunjukkan sebuah budaya” goal-driven”, serta mencari melalui review karyawan pada situs web karir Glassdle.

Kai Wu, pendiri perusahaan hedge fund Sparkline Capital, telah menciptakan “profil kepribadian” bagi perusahaan untuk mengukur tingkat kepatuhan mereka terhadap nilai-nilai budaya tertentu.

Dia memilih kata benih yang dia percaya mencerminkan nilai-nilai tersebut. Model NLP nya kemudian mengurangi volume yang luas kata-kata ke jumlah kecil kata-kata dengan arti yang sama, dengan temuan menyatakan numerik.

Menggunakan model NLP pada komentar manajemen dan ulasan karyawan, ia menemukan bahwa perusahaan dengan “keistimewaan” budaya seperti Apple, Southwest Airlines dan Costco outper informasi.

Sebaliknya, bisnis Amerika menunjukkan “beracun” – dimana karyawan menggunakan kebodohan secara spesifik sebagai “baik ol’ boys club “dan” anjing makan anjing ” – telah sangat lemah, kata Wu.

Dana tanpa sumber daya untuk menyewa ilmuwan data untuk membangun alat NLP mereka sendiri dapat membeli dalam analisis dari perusahaan pihak ketiga, seperti perusahaan Schnidman advises-fintech Aiera dan penyedia tonal analytics Life-yang menjual layanan mereka kepada klien seperti hedge fint.

Namun, Wu at Sparkline adalah pikiran bahwa dana harus mendapatkan data NLP-diturunkan “sedekat mungkin dengan mentah”, dengan model in-house yang lebih disukai.

Teknologi menghadapi tantangan lain, dan melakukannya dengan benar dapat memakan waktu. Manajer Belanda nn Investment Partners of third-party data dan modelnya sendiri, beberapa masih dalam fase penelitian.

Satu proyek sedang melatih model untuk menemukan kata-kata yang memprediksi tarif default obligasi … katanya Sebastiaan Reinders, kepala NNIP’S ilmu investasi. Yang pada awalnya diperlukan portofolio Manager untuk memeriksa daftar panjang frasa untuk melabelinya secara manual positif atau negatif.

Kebanyakan model difokuskan pada bahasa Inggris, dan pengembang dapat menghadapi tugas sulit beradaptasi mereka untuk membaca secara akurat sentimen dari orang – orang dari budaya yang berbeda yang berbicara bahasa lain.

Ketika George Mussalli, kepala investment officer di AS based PanAgora Manajemen Aset, mengatakan kepada bos perusahaan biotech bahwa dananya bahwa eksekutif perusahaan AI-nya scan ‘ komentar untuk watchwords, orang meminta daftar untuk membantu posisinya lebih tinggi.

Mussalli menolak permintaan itu tapi mengatakan dokumen seperti transkrip pendapat laba semakin “ditulis dengan baik”, mengurangi nilai mereka.

Namun Man Grup Marinov menganggap eksekutif Man akhirnya akan membuktikan tidak ada yang cocok untuk mesin yang memperbaiki dengan lebih banyak data.

“Tidak ada aturan, itu seperti mobil self-driving yang mempelajarinya,” dia menambahkan. “Jadi dalam banyak kasus mustahil memberi eksekutif daftar Watch kata-kata.”

You May Also Like

About the Author: Bang Dudut

Leave a Reply

Your email address will not be published. Required fields are marked *