新聞情緒及技術指標於股票排名預測之動態投資組合最佳化

摘要

科技金融在人工智慧應中是一個熱門的主題，過去雖已有許多研究使用股票歷史數據及技術指標進行個股漲或跌的預測，但是要如何將預測結果結合投資組合的配置仍然是個問題。因此本研究中，我們將財經新聞與技術指標納入為漲跌預測中，以獲得更好的預測效果。為了使動態資組合優化，我們進一步預測股票漲跌幅排名，透過簡單的策略投資排名前面的股票，使預測模型達到比台灣50ET及中100ETF 更高的投資報酬率。本研究分成隔日股票漲跌的二元分類、隔週/隔月的股票漲跌幅排名的預測、以及投資組合策略應用回測三個部份。首先應在股票趨勢的預測中，以股票及期貨市場上常用的技術指標作為模型的輸入特徵，比較有無加入新聞標題及新聞情緒對於隔日股票漲跌預測結果的影響。實驗結果顯示，技術指標加入新聞情緒之預測效果較加入新聞標題來的好，其效果提升約4%；與基準方法Random Rorest 相比，其效果提升約 5%。其次我們重新定義問題改以預測隔週/隔月的股票漲跌幅排名，以減少頻繁交易，在使用技術指標基準下，比較有無加入新聞情緒時，對於預測股票漲跌幅排名的影響。實驗結果顯示，在加入新聞情緒時，其損失函數的損失(loss)較沒加入新聞情緒時低。最後我們選擇股票排名預測排名前K名的股票形成動態資組合配置。實驗結果顯使用投資組合配置策略的投資報酬率普遍比台灣50ETF好；尤其是模型在加入新聞情緒時，投資報酬率平均可提高約23%。