AI analyzuje zprávy z finančního trhu

Modely AI určují, zda je zpráva pozitivní, negativní nebo neutrální vůči firmě či trhu analýzou slov a kontextu. Například „Společnost X hlásí rekordní zisky“ je označeno jako pozitivní, zatímco „Společnost Y čelí vyšetřování podvodu“ jako negativní.

FinBERT je populární přístup – verze jazykového modelu BERT od Googlu speciálně doladěná na finanční text pro klasifikaci sentimentu. Tyto modely jsou trénovány na historických finančních zprávách označených podle vlivu na ceny akcií.

BloombergGPT, doménově specifický velký jazykový model, byl explicitně trénován pro zlepšení analýzy sentimentu finančních zpráv (stejně jako rozpoznávání pojmenovaných entit a klasifikaci zpráv). Díky měření emocionálního tónu trhu poskytuje AI kvantitativní nástroj pro kvalitativní zprávy.

Finanční zprávy jsou plné vlastních jmen – názvy společností, osob, produktů, míst atd. AI systémy používají NLP k identifikaci a označení entit zmíněných ve zprávách. Pokud zpráva uvádí „Apple představil nový iPhone v Číně“, AI označí „Apple“ jako společnost, „iPhone“ jako produkt a „Čína“ jako místo.

Sofistikované platformy jako RavenPack mají obrovské finance-specifické slovníky – algoritmy RavenPacku dokážou rozpoznat přes 12 milionů unikátních entit, včetně veřejných a soukromých společností, manažerů, insiderů a konkrétních produktů či měn.

Kromě označování jmen AI také klasifikuje o čem zpráva je (téma nebo typ události). Je to výsledková zpráva, oznámení o fúzi, regulační záležitost nebo ekonomický ukazatel? Taxonomie RavenPacku pokrývá přes 7 000 kategorií událostí pro kategorizaci zpráv.

Ne všechny zprávy jsou stejné – některé články opakují staré informace, jiné přinášejí novinky. AI nástroje hodnotí novost (jak nová nebo unikátní je zpráva) a relevanci (jak přímo ovlivňuje danou společnost nebo trh).

Například drobný blog, který jen okrajově zmíní Apple, dostane nízkou relevanci, zatímco vyšetřování SEC ohledně financí Apple bude hodnoceno velmi vysoko. RavenPack poskytuje skóre relevance a sledování novosti pro každou detekovanou entitu/událost ve zprávě spolu s „dopadovým“ skóre.

Detekce novosti často probíhá porovnáním textu s nedávnými zprávami, aby se zjistilo, zda se opakuje známá informace. To je klíčové na rychle se pohybujících trzích, kde desítky zdrojů mohou opakovat stejný Reuters scoop – AI označí první výskyt jako nový a ostatní znevýrazní.

Pokročilá AI nekončí u jednotlivých zpráv – dokáže identifikovat makro témata a trendy napříč tisíci zprávami. LSEG MarketPsych Analytics seskupuje zprávy do více než 200 ekonomických a behaviorálních témat (např. „obchodní válka“, „inflace“, „kybernetická bezpečnost“ atd.).

AI klasifikuje každou zprávu do těchto témat a hodnotí sentiment u každého tématu. To umožňuje investorům sledovat vývoj sentimentu v čase (např. zda se sentiment kolem „elektromobilů“ tento kvartál zlepšuje nebo zhoršuje). Bloomberg Terminal nabízí funkci „Klíčová témata zpráv“, která využívá AI ke shlukování zpráv podle témat.

Díky tematickým poznatkům AI pomáhá spojovat souvislosti. Pokud mnoho zpráv o firmách souvisí například s narušením dodavatelského řetězce, investor může odhalit vznikající rizikový faktor na trhu. AI v podstatě čte mezi řádky a odhaluje vzory napříč články, které by člověk při izolovaném čtení přehlédl.

Rostoucí aplikací AI je shrnutí dlouhých nebo složitých zpráv do stravitelné podoby. Generativní AI modely (jako GPT-4 a BloombergGPT) mohou vytvářet stručná shrnutí nebo odrážky zprávy, zachovávající klíčová fakta.

Bloomberg nedávno spustil AI-poháněná shrnutí zpráv na svém Terminálu: pro každý příběh Bloomberg News AI generuje tři hlavní body na začátku článku. Tato shrnutí kontrolují odborníci Bloomberg, aby zajistili přesnost, což umožňuje zaneprázdněným obchodníkům rychle pochopit podstatu příběhu.

Zásadní změna… jasné, stručné poznatky, které mi umožňují rychle pochopit složité příběhy.

— Seniorní obchodník, uživatel Bloomberg Terminalu

Kromě shrnutí může AI odpovídat na otázky o zprávách (Q&A). Pokud se zeptáte: „Co dnes předseda Fedu řekl o inflaci?“, AI systém může vytáhnout odpověď z přepisu zprávy. Některé platformy nyní umožňují uživatelům interagovat se zprávami přes chat, klást doplňující otázky a hlouběji analyzovat informace intuitivnějším způsobem.

Mezi první uživatele AI analýzy zpráv patřily kvantitativní a algoritmické obchodní firmy. Tyto firmy integrují signály ze zpráv do svých obchodních modelů, aby získaly výhodu. Významné je, že více než 70 % nejvýkonnějších kvantitativních hedge fondů používá RavenPack News Analytics pro generování alfa a řízení rizik.

Pro tyto fondy mohou data od AI, jako jsou skóre sentimentu, metriky rozruchu a detekce událostí, sloužit jako obchodní signály. Algoritmus může například nakupovat akcie s velmi pozitivním sentimentem a prodávat ty s velmi negativním (strategie potvrzená zpětnými testy ukazujícími výkonnostní rozdíl mezi akciemi s vysokým a nízkým sentimentem).

Firmy zabývající se vysokofrekvenčním obchodováním také používají AI k algoritmickému zpracování zpravodajských kanálů – pokud projde trhem pohybující se titulek (například překvapení centrální banky), jejich AI může okamžitě spustit obchody, často zcela automaticky. To způsobilo, že trhy jsou extrémně reaktivní na zprávy, což přispívá k prudkým pohybům při neočekávaných informacích.

Kromě rychlého obchodování AI analýza zpráv podporuje dlouhodobé investory jako správce aktiv, podílové fondy a poradce pro majetek. Data o sentimentu a trendech zpráv poskytují další vrstvu poznatků nad fundamentálními údaji.

Manažer akciového portfolia může sledovat skóre sentimentu každé akcie v portfoliu; náhlý pokles může vyvolat přezkoumání negativních zpráv a posouzení, zda signalizují fundamentální problém. Stejně tak AI může zvýraznit vznikající témata ovlivňující strategii portfolia – např. pokud se „kybernetická bezpečnost“ stále častěji objevuje v souvislosti s několika technologickými akciemi, může to signalizovat rostoucí riziko (nebo příležitost) k řešení.

Tematická upozornění umožňují proaktivní rebalancování: pokud AI zaznamená nárůst rétoriky obchodní války a identifikuje pravděpodobné „vítěze“ a „poražené“ z tohoto tématu, manažer může portfoliu přizpůsobit váhy. AI také pomáhá výzkumníkům vyhnout se informačním slepým místům díky pokrytí mnoha zdrojů – může upozornit analytiky na zprávy v méně známých publikacích nebo cizích jazycích, které by jinak přehlédli.

Některé platformy (např. AlphaSense) dokonce integrují brokerský výzkum a dokumenty SEC spolu se zprávami, přičemž AI umožňuje analytikům vyhledávat napříč všemi textovými daty o společnosti. Jeden výzkumník popsal používání AI podobné ChatGPT k replikaci „mnoha pracovních postupů, které jsem dříve dělal“ v investiční bance, od shrnutí finančních výsledků společnosti po vyhledávání varovných signálů ve zprávách.

Ve financích nejde jen o hledání příležitostí – jde také o řízení rizik a dodržování předpisů. AI analýza zpráv je přínosem pro pracovníky řízení rizik a týmy compliance. Může sloužit jako systém včasného varování před různými riziky: detekuje negativní zprávy o protistraně, odhaluje známky problémů s řízením společnosti nebo sleduje geopolitický vývoj ovlivňující trhy.

Pokud se společnost náhle dostane do centra pozornosti kvůli skandálu nebo soudnímu sporu, AI to okamžitě označí, aby manažeři rizik mohli upravit expozice. Compliance oddělení používají AI ke sledování zpráv pro známky zneužití trhu nebo obchodování s neveřejnými informacemi. Burzy a regulátoři dokonce využívají AI ke sledování sociálních médií a zpráv kvůli podezření na manipulaci s trhem nebo podvody.

Anomálie – jako náhlý nárůst pozitivních příspěvků o málo obchodované akcii – může AI detekovat a vyšetřit kvůli možným pump-and-dump schématům. Reálný čas a komplexní dohled, který AI umožňuje, pomáhá udržovat integritu trhu.

Kromě toho konsolidací zpráv na jednom panelu AI pomáhá compliance pracovníkům provádět kontroly due diligence klientů nebo investic („Poznej svého klienta“ a kontroly proti praní špinavých peněz) rychlým nalezením jakýchkoli negativních zpráv spojených s osobou nebo entitou. Takto AI nejen pomáhá vydělávat peníze, ale také chrání finanční instituce před riziky a protiprávním jednáním.

AI analýza zpráv není vyhrazena elitě Wall Street. Stále více proniká k maloobchodním investorům a finančním poradcům obsluhujícím běžné klienty. Nové robo-poradenské aplikace a obchodní platformy začleňují AI, aby uživatelům poskytly poznatky založené na zprávách.

Některé obchodní aplikace nyní obsahují indikátory sentimentu zpráv nebo AI generovaná shrnutí důvodů pohybu akcií. Díky AI mají i jednotliví investoři přístup k analýzám, které dříve byly dostupné jen velkým bankám nebo institucionálním investorům.

Podle nedávné zprávy Reuters již 13 % maloobchodních investorů použilo AI nástroje jako ChatGPT pro výzkum akcií nebo doporučení a asi polovina je k tomu otevřená. Tato demokratizace znamená, že běžný člověk může chatbotovi položit otázku „Jaký je výhled pro společnost Z vzhledem k nejnovějším zprávám?“ a získat koherentní odpověď shrnující aktuální vývoj.

Startupy také nabízejí AI kurátorské zpravodajské kanály přizpůsobené portfoliu nebo zájmům investora, často s vysvětlujícími zvýrazněními. Například StockPulse poskytuje klientům (včetně některých brokerů) denní shrnutí a analýzu sentimentu akcií generované AI, integrované do klientských zpráv pro podporu informovaného rozhodování.

Finanční poradci spravující klientská portfolia používají AI analýzu zpráv, aby byli informovaní a lépe komunikovali s klienty. Poradce se může spolehnout na AI panel, který poskytne rychlou aktualizaci: „Sentiment zpráv za tento týden u vašich držeb byl převážně pozitivní, kromě jedné akcie čelící negativní publicitě.“

Takové poznatky lze převést do klientsky přívětivých vysvětlení, podpořených AI generovanými grafy nebo vizualizacemi. Například LSEG MarketPsych umožňuje vytvářet intuitivní vizualizace jako grafy sentimentu a ceny a tepelné mapy tematické expozice, které přeměňují složité NLP výstupy na něco, co koncový investor snadno pochopí.

To zlepšuje klientskou zkušenost – poradci mohou proaktivně vysvětlovat, jak „nálada zpráv“ kolem sektoru může ovlivnit výkon, a zároveň vzdělávat klienty. Navíc poradci sami profitují z AI, která je udržuje v obraze o makro zprávách. Pokud dojde k náhlé geopolitické události nebo změně politiky, AI upozornění zajistí, že poradci mohou rychle kontaktovat klienty s pohledem na dopad na jejich investice.

AI může odhalit poznatky, ale lidská odbornost je potřeba k jejich interpretaci a využití. Pokud AI označí příběh jako negativní, zkušený analytik si ho přečte, aby pochopil nuance a kontext. AI může přehlédnout sarkasmus nebo dvojsmysly v textu, nebo nesprávně posoudit tón, pokud je například „rekordní zisk“ ve skutečnosti jednorázovým účetním ziskem.

AI systémy jsou tak dobré, jaká jsou data, na kterých jsou trénovány. Zaujatost ve zdrojích zpráv (nebo šum na sociálních médiích) se může odrazit ve výstupech AI. Je třeba být opatrný, aby například vlna spekulativních blogů falešně nezvýšila skóre sentimentu. Nejlepší poskytovatelé to řeší spamovými filtry a vážením zdrojů, ale uživatelé by měli zůstat kritičtí.

Na rychlých trzích je analýza zpráv nejvíce užitečná ihned po zveřejnění zprávy. Skóre sentimentu AI 10 minut po události může být pozdě, pokud trh už reagoval. Proto obchodníci používají tyto nástroje v reálném čase, často s přímými datovými toky do obchodních algoritmů.

Pro méně časově citlivé investice (např. dlouhodobá rozhodnutí) není přesná rychlost tak kritická, AI pak slouží k syntéze velkého množství informací pro širší pohled.

Důvěra v AI je snazší, když není úplnou „černou skříňkou“. Mnoho platforem nyní poskytuje vysvětlení k výstupům. Pokud AI skóre ukazuje „negativní sentiment“, systém může ukázat, která slova nebo fráze v textu k tomu vedla (např. „bankrot“, „žaloba“ atd.). To pomáhá uživatelům ověřit logiku AI.

Finanční svět se rychle vyvíjí – nové slangy na sociálních médiích, nové firmy a nové typy událostí (kdo měl před pár lety na radaru „meme stock short squeeze“?). AI modely je třeba pravidelně aktualizovat a přeškolovat, aby zůstaly aktuální.

Stojí za to se ptát poskytovatelů, jak často aktualizují své modely a slovníky. Nejlepší systémy zahrnují zpětnou vazbu (například AI shrnutí Bloomberg jsou kontinuálně vylepšována porovnáváním výstupů AI s hodnocením lidských editorů).