AI Menganalisis Berita Pasar Keuangan

Model AI menentukan apakah sebuah berita bernada positif, negatif, atau netral terhadap perusahaan atau pasar dengan menganalisis kata dan konteks. Misalnya, "Perusahaan X melaporkan keuntungan rekor" diberi label positif, sedangkan "Perusahaan Y menghadapi penyelidikan penipuan" negatif.

FinBERT adalah pendekatan populer – versi model bahasa BERT Google yang disesuaikan khusus untuk klasifikasi sentimen teks keuangan. Model ini dilatih pada berita keuangan historis yang diberi label berdasarkan pengaruhnya terhadap harga saham.

BloombergGPT, model bahasa besar khusus domain, secara eksplisit dilatih untuk meningkatkan analisis sentimen berita keuangan (serta pengenalan entitas bernama dan klasifikasi berita). Dengan mengukur nada emosional pasar, AI memberikan pegangan kuantitatif pada berita kualitatif.

Berita keuangan penuh dengan kata benda khusus – nama perusahaan, orang, produk, tempat, dll. Sistem AI menggunakan NLP untuk mengidentifikasi dan menandai entitas yang disebutkan dalam artikel berita. Jika sebuah berita mengatakan "Apple meluncurkan iPhone baru di China", AI menandai "Apple" sebagai perusahaan, "iPhone" sebagai produk, dan "China" sebagai lokasi.

Platform canggih seperti RavenPack memiliki kamus khusus keuangan yang sangat besar – algoritma RavenPack dapat mengenali lebih dari 12 juta entitas unik, termasuk perusahaan publik dan swasta, eksekutif, orang dalam, serta produk atau mata uang tertentu.

Selain menandai nama, AI juga mengklasifikasikan apa isi berita (topik atau jenis acara). Apakah itu laporan pendapatan, pengumuman merger, isu regulasi, atau indikator ekonomi? Taksonomi RavenPack mencakup lebih dari 7.000 kategori acara untuk mengkategorikan berita.

Tidak semua berita sama – beberapa artikel mengulang informasi lama, sementara yang lain menghadirkan hal baru. Alat AI menilai kebaruan (seberapa baru atau unik sebuah berita) dan relevansi (seberapa langsung berdampak pada perusahaan atau pasar tertentu).

Misalnya, blog berita kecil yang menyebut Apple secara singkat akan mendapat skor relevansi rendah, sedangkan penyelidikan SEC terhadap keuangan Apple akan mendapat skor sangat tinggi. RavenPack menyediakan skor relevansi dan pelacakan kebaruan untuk setiap entitas/acara yang terdeteksi dalam sebuah cerita, beserta skor "dampak".

Deteksi kebaruan biasanya dilakukan dengan membandingkan teks dengan berita terbaru untuk melihat apakah mengulang informasi yang sudah diketahui. Ini penting di pasar yang bergerak cepat di mana puluhan outlet mungkin mengulang berita Reuters yang sama – AI dapat menandai kejadian pertama sebagai baru dan mengurangi bobot sisanya.

AI canggih tidak berhenti pada artikel tunggal – ia dapat mengidentifikasi tema makro dan tren dari ribuan berita. LSEG MarketPsych Analytics mengelompokkan berita ke dalam lebih dari 200 tema ekonomi dan perilaku (seperti "perang dagang", "inflasi", "keamanan siber", dll.).

AI mengklasifikasikan setiap berita ke tema-tema ini dan memberi skor sentimen pada masing-masing tema. Ini memungkinkan investor melacak sentimen tema dari waktu ke waktu (misalnya, apakah sentimen tentang "kendaraan listrik" membaik atau memburuk kuartal ini?). Terminal Bloomberg menawarkan fungsi "Tema Berita Utama" yang menggunakan AI untuk mengelompokkan berita berdasarkan tema.

Dengan menampilkan wawasan tematik, AI membantu menghubungkan titik-titik. Jika banyak berita perusahaan terkait dengan, misalnya, gangguan rantai pasok, investor dapat mendeteksi faktor risiko yang muncul di seluruh pasar. AI pada dasarnya membaca di antara baris, menemukan pola lintas artikel yang mungkin terlewat manusia saat membaca sendiri-sendiri.

Salah satu aplikasi AI yang berkembang adalah meringkas berita panjang atau kompleks menjadi bentuk yang mudah dicerna. Model AI generatif (seperti GPT-4 dan BloombergGPT) dapat menghasilkan ringkasan singkat atau poin-poin penting dari sebuah artikel berita, mempertahankan fakta utama.

Bloomberg baru-baru ini meluncurkan Ringkasan Berita Berbasis AI di Terminalnya: untuk setiap cerita Bloomberg News, AI menghasilkan tiga poin utama di bagian atas artikel. Ringkasan ini ditinjau oleh para ahli Bloomberg untuk memastikan akurasi, memungkinkan pedagang sibuk memahami inti cerita dengan cepat.

Sebuah perubahan besar… wawasan yang jelas dan ringkas yang memungkinkan saya memahami cerita kompleks dengan cepat.

— Pedagang senior, pengguna Terminal Bloomberg

Selain ringkasan, AI dapat menjawab pertanyaan tentang berita (Q&A). Jika Anda bertanya, "Apa yang dikatakan ketua Fed tentang inflasi hari ini?", sistem AI dapat mengambil jawaban dari transkrip berita. Beberapa platform kini memungkinkan pengguna berinteraksi dengan berita melalui chat, mengajukan pertanyaan lanjutan untuk menggali lebih dalam, sebagai cara yang lebih intuitif untuk menganalisis informasi.

Mungkin pengguna awal analitik berita AI adalah perusahaan perdagangan kuantitatif dan algoritmik. Perusahaan ini mengintegrasikan sinyal yang berasal dari berita ke dalam model perdagangan mereka untuk mendapatkan keunggulan. Fakta bahwa lebih dari 70% dana lindung nilai kuantitatif berperforma terbaik menggunakan RavenPack News Analytics untuk menghasilkan alpha dan manajemen risiko sangat menunjukkan hal ini.

Bagi dana ini, data yang disediakan AI seperti skor sentimen, metrik buzz, dan deteksi acara dapat berfungsi sebagai sinyal perdagangan. Algoritma mungkin membeli saham dengan sentimen berita sangat positif dan menjual saham dengan sentimen sangat negatif (strategi yang divalidasi oleh uji coba kembali yang menunjukkan perbedaan kinerja antara saham dengan sentimen tinggi dan rendah).

Perusahaan perdagangan frekuensi tinggi juga menggunakan AI untuk mengurai feed berita secara algoritmik – jika ada tajuk utama yang menggerakkan pasar (misalnya kejutan bank sentral), AI mereka dapat langsung memicu perdagangan sebagai respons, seringkali secara otomatis sepenuhnya. Ini membuat pasar sangat reaktif terhadap berita, berkontribusi pada pergerakan tajam saat informasi tak terduga muncul.

Selain perdagangan cepat, analisis berita AI mendukung investor jangka panjang seperti manajer aset, dana bersama, dan penasihat kekayaan. Data sentimen dan tren berita memberikan lapisan wawasan tambahan di atas fundamental.

Manajer portofolio saham mungkin memantau skor sentimen setiap saham dalam portofolio; penurunan mendadak dapat memicu tinjauan terhadap berita negatif yang muncul dan apakah itu menunjukkan masalah fundamental. Demikian pula, AI dapat menyoroti tema yang muncul yang memengaruhi strategi portofolio – misalnya, melihat bahwa "keamanan siber" semakin sering disebut dalam konteks beberapa saham teknologi bisa menandakan risiko (atau peluang) yang berkembang untuk diatasi.

Peringatan tematik memungkinkan penyeimbangan ulang proaktif: jika AI mendeteksi retorika perang dagang meningkat dan mengidentifikasi "pemenang" dan "pecundang" dari tema tersebut, manajer dapat menyesuaikan portofolio. AI juga membantu peneliti menghindari titik buta informasi dengan mencakup banyak sumber – dapat memberi peringatan pada analis tentang berita di publikasi yang kurang dikenal atau bahasa asing yang mungkin terlewat.

Beberapa platform (seperti AlphaSense) bahkan mengintegrasikan riset broker dan dokumen SEC bersama berita, menggunakan AI untuk memungkinkan analis mencari di seluruh data teks perusahaan. Seorang peneliti menggambarkan menggunakan AI seperti ChatGPT untuk mereplikasi "banyak alur kerja yang dulu saya lakukan" di bank investasi, dari merangkum keuangan perusahaan hingga memindai berita untuk tanda bahaya.

Dalam keuangan, bukan hanya soal menemukan peluang – juga tentang mengelola risiko dan mematuhi regulasi. Analisis berita AI sangat membantu petugas risiko dan tim kepatuhan. AI dapat berfungsi sebagai sistem peringatan dini untuk berbagai risiko: mendeteksi berita negatif tentang mitra, mengenali tanda masalah tata kelola perusahaan, atau memantau perkembangan geopolitik yang dapat memengaruhi pasar.

Jika sebuah perusahaan tiba-tiba menjadi sorotan berita karena skandal atau gugatan, AI dapat segera menandainya sehingga manajer risiko dapat menyesuaikan eksposur. Departemen kepatuhan menggunakan AI untuk memantau berita terkait indikasi penyalahgunaan pasar atau perdagangan orang dalam. Bursa saham dan regulator bahkan menggunakan AI untuk memantau media sosial dan berita guna mendeteksi indikasi manipulasi pasar atau penipuan.

Anomali – seperti lonjakan mendadak posting positif tentang saham yang diperdagangkan tipis – dapat dideteksi AI dan diselidiki untuk potensi skema pump-and-dump. Pengawasan real-time dan komprehensif yang dimungkinkan AI membantu menjaga integritas pasar.

Selain itu, dengan mengkonsolidasikan berita dalam dashboard, AI membantu petugas kepatuhan melakukan pemeriksaan kelayakan pada klien atau investasi ("Kenali Pelanggan Anda" dan pemeriksaan anti pencucian uang) dengan cepat menemukan berita negatif terkait individu atau entitas. Dengan cara ini, AI tidak hanya membantu menghasilkan uang, tetapi juga membantu melindungi institusi keuangan dari risiko dan pelanggaran.

Analisis berita AI tidak terbatas pada elit Wall Street. Ini semakin menjangkau investor ritel dan penasihat keuangan yang melayani klien sehari-hari. Aplikasi robo-penasihat dan platform perdagangan baru mengintegrasikan AI untuk memberikan wawasan berbasis berita kepada pengguna.

Beberapa aplikasi perdagangan kini memiliki indikator sentimen berita bawaan atau ringkasan yang dihasilkan AI tentang alasan pergerakan saham. Berkat AI, bahkan investor individu kini dapat mengakses analisis yang "dulu hanya tersedia untuk bank besar atau investor institusional."

Laporan Reuters baru-baru ini mencatat bahwa 13% investor ritel sudah menggunakan alat AI seperti ChatGPT untuk riset saham atau rekomendasi, dan sekitar setengahnya terbuka terhadap ide tersebut. Demokratisasi ini berarti orang biasa dapat bertanya pada chatbot, "Bagaimana prospek Perusahaan Z berdasarkan berita terbaru?" dan mendapatkan jawaban koheren yang mensintesis perkembangan terkini.

Startup juga menawarkan feed berita yang dikurasi AI sesuai portofolio atau minat investor, sering dengan highlight penjelasan. Misalnya, StockPulse menyediakan klien (termasuk beberapa broker) dengan ringkasan harian dan analisis sentimen saham yang dihasilkan AI, terintegrasi dalam laporan klien untuk mendukung pengambilan keputusan yang tepat.

Penasihat keuangan yang mengelola portofolio klien menggunakan analisis berita AI untuk tetap terinformasi dan berkomunikasi lebih baik dengan klien. Seorang penasihat dapat mengandalkan dashboard AI untuk memberikan pembaruan cepat: "Sentimen berita minggu ini untuk kepemilikan Anda sebagian besar positif, kecuali satu saham yang menghadapi pemberitaan negatif."

Wawasan seperti ini dapat diubah menjadi penjelasan yang mudah dipahami klien, dibantu oleh grafik atau visual yang dihasilkan AI. LSEG MarketPsych, misalnya, memungkinkan pembuatan visual intuitif seperti grafik sentimen-harga dan peta panas eksposur tematik, mengubah output NLP kompleks menjadi sesuatu yang dapat dipahami investor akhir.

Ini meningkatkan pengalaman klien – penasihat dapat secara proaktif menjelaskan bagaimana "mood berita" di sekitar suatu sektor mungkin memengaruhi kinerja, sekaligus mendidik klien. Selain itu, penasihat sendiri mendapat manfaat dari AI yang menjaga mereka tetap update dengan berita makro. Jika terjadi peristiwa geopolitik mendadak atau perubahan kebijakan, peringatan AI memastikan penasihat dapat segera menghubungi klien dengan perspektif tentang dampaknya terhadap investasi mereka.

AI dapat menghadirkan wawasan, tetapi keahlian manusia diperlukan untuk menafsirkan dan bertindak. Jika AI menandai sebuah cerita sebagai negatif, analis yang cermat tetap akan membaca untuk memahami nuansa dan konteks. AI mungkin melewatkan sarkasme atau makna ganda dalam teks, atau salah menilai nada jika, misalnya, "keuntungan rekor" sebenarnya karena keuntungan akuntansi satu kali.

Sistem AI hanya sebaik data yang digunakan untuk melatihnya. Bias dalam sumber berita (atau kebisingan media sosial) dapat tercermin dalam output AI. Harus berhati-hati agar misalnya, gelombang posting spekulatif tidak secara salah menaikkan skor sentimen. Penyedia utama mengatasi ini dengan filter spam dan bobot sumber, tetapi pengguna harus tetap kritis.

Di pasar yang cepat, analitik berita paling berguna segera saat berita muncul. Skor sentimen AI 10 menit setelah kejadian mungkin terlambat jika pasar sudah bergerak. Oleh karena itu, pedagang menggunakan alat ini secara real-time, sering dengan feed langsung ke algoritma perdagangan.

Untuk investasi yang kurang sensitif waktu (seperti keputusan jangka panjang), kecepatan tepatnya kurang kritis, tetapi peran AI bergeser menjadi mensintesis banyak informasi untuk gambaran besar.

Mempercayai AI bisa lebih mudah jika bukan "kotak hitam" total. Banyak platform kini menyediakan penjelasan dengan output mereka. Jika skor AI menunjukkan "sentimen negatif," sistem mungkin menunjukkan kata atau frasa dalam teks yang menyebabkan kesimpulan itu (misalnya "bangkrut", "gugatan", dll.). Ini membantu pengguna memvalidasi alasan AI.

Dunia keuangan berkembang cepat – slang baru di media sosial, perusahaan baru, dan jenis acara baru (siapa yang memprediksi "meme stock short squeeze" beberapa tahun lalu?). Model AI perlu diperbarui dan dilatih ulang agar tetap mutakhir.

Penting menanyakan seberapa sering penyedia memperbarui model dan kamus mereka. Sistem terbaik menggabungkan umpan balik (misalnya, ringkasan AI Bloomberg terus disempurnakan dengan membandingkan output AI dengan penilaian editor manusia).