丹尼尔·卡尼曼因其对前景理论的研究而获得诺贝尔经济学奖。他的奖学金帮助证明了行为金融学以及情绪分析如何能够提高我们对市场行为的理解。
情绪分析将算法应用于新闻文章、社交媒体和其他数据源，以衡量人们对市场的感受，而行为经济学则识别影响决策的认知偏差。情绪分析可以帮助阐明这些偏见在金融市场中的表现方式。当然，人们所做的往往比他们所说的更具启发性，因此情绪分析并不总能捕捉到金融市场这样一个充满争议的领域中人类情感的复杂性。
尽管如此，它可以帮助我们解释和预测市场行为。就是这样。
技术分析师倾向于通过近似拐点何时发生来衡量情绪。但他们的结果往往不一致，因为他们的方法是关联的，可能无法识别市场结果背后的“原因”。基本面分析采用更为因果的方法，但其反馈循环通常比投资者的时间框架更长，并且并不总是能够区分价值和价值陷阱。
最优秀的投资者凭直觉理解市场不擅长对未来结果进行贴现。例如，在次贷危机期间，次贷证券的定价表明，市场对 80% 的基础贷款的估值大致为零。这为那些知道要寻找什么的投资者提供了非常有利的风险回报主张。同样，去年市场情绪很大程度上预期今年会出现衰退。
“最好的交易是那些能让你在 CNBC 节目中被嘲笑的交易。” —贾里德·迪利安
贾里德·迪利安（Jared Dillian）是我最喜欢的情绪交易员之一，他的观点很重要。虽然他相信情绪分析，但他承认这是一个很难筹集资金的策略。毕竟，令人欢笑的交易并不一定能激发信心或投资资本。此外，许多人怀疑情感分析的科学严谨性，并将其视为类似于占星术。
但通过重组市场数据并应用拍卖理论的原理，我们可以使用情绪分析对市场行为进行分类。James F. Dalton率先应用由 J. Peter Steidlmayer 开发的市场概况技术来识别不同市场参与者的行为。具体来说，道尔顿的技术观察一天的形状和其他“市场生成的信息”。例如，如果市场在某一天下跌，并且只有有限的市场参与者在出售，或者销售是由长期清算而非新卖家推动的，那么当天的形状可能类似于字母“b”。另一方面，如果投机和空头回补活动推动买盘，那么一天的形状可能类似于字母“p”。这些行为表明买卖形式较弱，并可能表明市场可能不像价格所表现的那么强或弱。
我们如何知道这些形状是否传达了重要且可操作的信息？通过应用人工智能（AI），我们可以测试一天的形状是否是真正随机过程造成的。如何？通过对这样的过程进行建模并将其与市场上观察到的实际形状进行比较。如果市场走势是任意的，则随机过程的形状分布将与实际的形状分布相匹配。但他们没有。
拍卖流程：日间分类
测试以 99% 的置信度表明这些结果不符合真正的随机过程。如果它们不是任意的，那么它们一定会产生有价值的信息。事实上，当形状表明市场因空头回补或多头清算而太长或太短时，就会出现与随机分布的最大偏差。这支持了这样的直觉：从投资的角度来看，这些行为既独特又具有潜在的可操作性。
Chern-Bin Ju、Min-Chih Hung 和 An-Pin Chen 在“使用卷积神经网络的市场概况：学习价格活动的结构”中表明，使用类似的图像识别技术可以识别市场模式，从而为商品生产商提供信息对冲策略。此类研究可以使人们更深入地了解市场的定价过程，并有助于量化投资者的情绪。投资者往往只关注价格，而动量策略被广泛遵循。此类交易有时可能会过于拥挤，从而导致逆转。这不是随机行为，现在我们有一种方法可以客观地衡量这种行为。
这项研究提供了一种基于启发式的因果关系测试技术。马库斯·舒勒 (Markus Schuller) 和安德烈亚斯·哈贝尔 (Andreas Haberl) 在《投资管理中的因果关系技巧：五个关键发现》中阐述了因果关系的前瞻性案例。他们观察到，金融市场是“复杂的、动态的、具有前瞻性的”，并且是由“信息不完善且理性有限的市场参与者”驱动的。客观观察和衡量这些市场参与者行为的能力“既有吸引力，又可能非常有利可图”。
这就是情绪分析如何帮助发现阿尔法机会以及为什么它值得包含在我们的投资工具包中。
韭菜热线原创版权所有，发布者：风生水起，转载请注明出处：https://www.9crx.com/79045.html
