ИИ анализирует новости финансового рынка

Модели ИИ определяют, является ли новость положительной, отрицательной или нейтральной по отношению к компании или рынку, анализируя формулировки и контекст. Например, «Компания X сообщает о рекордной прибыли» отмечается как положительная новость, а «Компания Y сталкивается с расследованием по мошенничеству» — как отрицательная.

FinBERT — популярный подход, версия языковой модели BERT от Google, адаптированная специально для классификации настроений в финансовых текстах. Такие модели обучаются на исторических финансовых новостях с метками, отражающими влияние на цены акций.

BloombergGPT, специализированная крупная языковая модель, была специально обучена для улучшения анализа настроений в финансовых новостях (а также для распознавания именованных сущностей и классификации новостей). Оценивая эмоциональный тон рынка, ИИ предоставляет количественную оценку качественных новостей.

Финансовые новости насыщены именами собственными — названиями компаний, людьми, продуктами, локациями и т.д. Системы ИИ используют NLP для выделения и маркировки сущностей, упомянутых в статьях. Если в новости говорится «Apple представила новый iPhone в Китае», ИИ маркирует «Apple» как компанию, «iPhone» как продукт, а «Китай» как место.

Сложные платформы, такие как RavenPack, имеют огромные специализированные словари — алгоритмы RavenPack распознают более 12 миллионов уникальных сущностей, включая публичные и частные компании, руководителей, инсайдеров и конкретные продукты или валюты.

Помимо маркировки имен, ИИ классифицирует тематику новости (тип события). Это отчет о доходах, объявление о слиянии, регуляторный вопрос или экономический индикатор? Таксономия RavenPack охватывает более 7000 категорий событий для классификации новостей.

Не все новости одинаковы — одни статьи повторяют старую информацию, другие приносят новое. Инструменты ИИ оценивают новизну (насколько нова или уникальна новость) и релевантность (насколько она напрямую влияет на компанию или рынок).

Например, небольшой блог, упоминающий Apple вскользь, получит низкую релевантность, а расследование SEC финансов Apple — очень высокую. RavenPack предоставляет оценки релевантности и отслеживание новизны для каждой сущности/события в новости, а также «оценку влияния».

Обнаружение новизны часто происходит путем сравнения текста с недавними новостями, чтобы определить, повторяется ли известная информация. Это важно на быстро меняющихся рынках, где десятки источников могут повторять один и тот же сюжет Reuters — ИИ может отметить первый случай как новый и снизить значимость остальных.

Продвинутый ИИ не ограничивается отдельными новостями — он может выявлять макротемы и тренды среди тысяч сообщений. LSEG MarketPsych Analytics группирует новости по более чем 200 экономическим и поведенческим темам (например, «торговая война», «инфляция», «кибербезопасность» и т.д.).

ИИ классифицирует каждую новость по этим темам и оценивает настроение по каждой из них. Это позволяет инвесторам отслеживать динамику настроений по темам (например, улучшается ли настроение вокруг «электромобилей» в этом квартале?). Терминал Bloomberg предлагает функцию «Ключевые новостные темы», которая использует ИИ для кластеризации новостей по темам.

Выделяя тематические инсайты, ИИ помогает «читать между строк». Если новости многих компаний связаны, скажем, с сбоями в цепочках поставок, инвестор может обнаружить растущий фактор риска на рынке. ИИ фактически видит паттерны между статьями, которые человек мог бы пропустить при чтении по отдельности.

Растущим применением ИИ является сокращение длинных или сложных новостей до удобоваримой формы. Генеративные модели ИИ (например, GPT-4 и BloombergGPT) могут создавать краткие резюме или ключевые пункты статьи, сохраняя важные факты.

Недавно Bloomberg запустил ИИ-генерируемые новости с краткими выводами в своем терминале: для каждой новости Bloomberg ИИ создает три ключевых пункта в начале статьи. Эти резюме проверяются экспертами Bloomberg для обеспечения точности, позволяя занятым трейдерам быстро схватывать суть.

Настоящее открытие… ясные, лаконичные инсайты, которые позволяют быстро понять сложные истории.

— Старший трейдер, пользователь терминала Bloomberg

Помимо резюме, ИИ может отвечать на вопросы о новостях (Q&A). Если спросить: «Что сегодня сказал глава ФРС об инфляции?», система ИИ может извлечь ответ из транскрипта новости. Некоторые платформы позволяют пользователям взаимодействовать с новостями через чат, задавая уточняющие вопросы для более глубокого анализа — более интуитивный способ работы с информацией.

Одними из первых пользователей аналитики новостей на базе ИИ стали фирмы, занимающиеся количественной и алгоритмической торговлей. Они интегрируют сигналы из новостей в свои торговые модели для получения преимущества. Примечательно, что более 70% лучших количественных хедж-фондов используют RavenPack News Analytics для генерации альфы и управления рисками.

Для этих фондов данные ИИ, такие как оценки настроений, метрики шума и обнаружение событий, служат торговыми сигналами. Алгоритм может открывать длинные позиции по акциям с очень положительным настроением и короткие — по акциям с негативным (стратегия, подтвержденная бэктестами с разницей в доходности между акциями с высоким и низким настроением).

Фирмы высокочастотной торговли также используют ИИ для алгоритмического разбора новостных лент — если появляется заголовок, способный повлиять на рынок (например, неожиданное решение центрального банка), их ИИ мгновенно запускает сделки, зачастую полностью автоматически. Это сделало рынки чрезвычайно чувствительными к новостям, способствуя резким движениям при неожиданных событиях.

Помимо быстрой торговли, анализ новостей с помощью ИИ поддерживает долгосрочных инвесторов — управляющих активами, паевых фондов и консультантов по богатству. Данные о настроениях и трендах новостей дают дополнительный слой понимания поверх фундаментальных показателей.

Менеджер портфеля акций может отслеживать оценку настроений каждой акции; резкое падение может вызвать проверку негативных новостей и оценку, указывает ли это на фундаментальную проблему. Аналогично, ИИ может выделять новые темы, влияющие на стратегию портфеля — например, если «кибербезопасность» все чаще упоминается в контексте нескольких технологических компаний, это может сигнализировать о растущем риске (или возможности).

Тематические оповещения позволяют проактивно ребалансировать портфель: если ИИ замечает рост риторики торговой войны и определяет вероятных «победителей» и «проигравших» по этой теме, менеджер может скорректировать портфель. ИИ также помогает исследователям избегать информационных слепых зон, охватывая множество источников — он может оповещать аналитиков о новостях из малоизвестных изданий или на иностранных языках, которые они могли бы пропустить.

Некоторые платформы (например, AlphaSense) даже интегрируют брокерские исследования и документы SEC вместе с новостями, используя ИИ для поиска по всем текстовым данным о компании. Один исследователь описал использование ИИ, похожего на ChatGPT, для автоматизации «многих рабочих процессов, которые я раньше выполнял» в инвестиционном банке — от суммирования финансовых показателей компании до поиска тревожных сигналов в новостях.

В финансах важно не только находить возможности, но и управлять рисками и соблюдать регуляторные требования. Анализ новостей с помощью ИИ — это мощный инструмент для специалистов по рискам и комплаенсу. Он может служить системой раннего предупреждения о различных рисках: обнаруживать негативные новости о контрагентах, выявлять признаки проблем корпоративного управления или отслеживать геополитические события, влияющие на рынки.

Если компания внезапно становится объектом новостей из-за скандала или судебного иска, ИИ может сразу это зафиксировать, чтобы менеджеры рисков могли скорректировать экспозиции. Отделы комплаенса используют ИИ для мониторинга новостей на предмет признаков рыночных злоупотреблений или инсайдерской торговли. Фондовые биржи и регуляторы даже применяют ИИ для мониторинга соцсетей и новостей в поисках признаков манипуляций или мошенничества.

Аномалии — например, резкий всплеск положительных сообщений о мало ликвидной акции — могут быть выявлены ИИ и проверены на предмет схем «pump-and-dump». Реальное время и всесторонний мониторинг, которые обеспечивает ИИ, помогают поддерживать целостность рынка.

Кроме того, объединяя новости на единой панели, ИИ помогает специалистам по комплаенсу быстро проводить проверки клиентов или инвестиций (процедуры «Знай своего клиента» и противодействия отмыванию денег), оперативно находя негативную информацию, связанную с лицом или организацией. Таким образом, ИИ помогает не только зарабатывать деньги, но и защищать финансовые институты от рисков и нарушений.

Анализ новостей с помощью ИИ уже не ограничивается элитой Уолл-стрит. Он все шире доступен розничным инвесторам и финансовым консультантам, обслуживающим обычных клиентов. Новые приложения робо-советников и торговые платформы внедряют ИИ для предоставления новостных инсайтов пользователям.

Некоторые торговые приложения теперь имеют встроенные индикаторы настроений новостей или ИИ-генерируемые резюме причин движения акций. Благодаря ИИ даже частные инвесторы получают доступ к анализу, который раньше был доступен только крупным банкам или институциональным инвесторам.

Недавний отчет Reuters отметил, что 13% розничных инвесторов уже использовали ИИ-инструменты, такие как ChatGPT, для исследования акций или получения рекомендаций, и около половины открыты к этой идее. Такая демократизация позволяет обычному человеку спросить чатбота: «Каковы перспективы компании Z с учетом последних новостей?» и получить связный ответ, синтезирующий свежие события.

Стартапы также предлагают ИИ-курируемые новостные ленты, адаптированные под портфель или интересы инвестора, часто с объясняющими выделениями. Например, StockPulse предоставляет клиентам (включая брокеров) ежедневные ИИ-генерируемые резюме и анализ настроений по акциям, интегрированные в отчеты для поддержки обоснованных решений.

Финансовые консультанты, управляющие портфелями клиентов, используют анализ новостей с помощью ИИ, чтобы быть в курсе и лучше общаться с клиентами. Консультант может опереться на панель ИИ для быстрого обновления: «Настроение новостей по вашим активам на этой неделе было в основном положительным, за исключением одной акции с негативным освещением».

Такие инсайты можно превращать в понятные клиенту объяснения с помощью ИИ-генерируемых графиков или визуализаций. Например, LSEG MarketPsych позволяет создавать интуитивные визуализации, такие как графики настроений и цен, тепловые карты тематической экспозиции, превращая сложные результаты NLP в понятный конечному инвестору формат.

Это улучшает клиентский опыт — консультанты могут проактивно объяснять, как «настроение новостей» вокруг сектора может повлиять на результаты, обучая клиентов в процессе. Более того, сами консультанты выигрывают от того, что ИИ держит их в курсе макроэкономических новостей. Если происходит внезапное геополитическое событие или изменение политики, оповещения ИИ позволяют консультантам быстро связаться с клиентами и дать оценку влияния на их инвестиции.

ИИ может выявлять инсайты, но для их интерпретации и принятия решений необходим человеческий опыт. Если ИИ помечает новость как негативную, опытный аналитик все равно прочитает материал, чтобы понять нюансы и контекст. ИИ может не распознать сарказм или двусмысленность, или неверно оценить тон, если, например, «рекордная прибыль» обусловлена разовой бухгалтерской операцией.

Системы ИИ хороши ровно настолько, насколько качественны данные для обучения. Предвзятость в источниках новостей (или шум в соцсетях) может отражаться в результатах ИИ. Нужно быть осторожным, чтобы, например, поток спекулятивных блогов не завысил оценку настроений. Лучшие провайдеры минимизируют это с помощью фильтров спама и взвешивания источников, но пользователи должны оставаться критичными.

В быстро меняющихся рынках аналитика новостей наиболее полезна немедленно после выхода новости. Оценка настроений ИИ через 10 минут после события может быть уже слишком поздней, если рынок уже отреагировал. Поэтому трейдеры используют эти инструменты в реальном времени, часто с прямыми потоками в торговые алгоритмы.

Для менее срочных инвестиций (например, долгосрочных решений) точная скорость менее критична, и тогда роль ИИ смещается к синтезу большого объема информации для общего обзора.

Доверять ИИ проще, когда он не является полной «черной коробкой». Многие платформы теперь предоставляют объяснения своих выводов. Если оценка ИИ указывает на «негативное настроение», система может показать, какие слова или фразы в тексте привели к такому выводу (например, «банкротство», «иск» и т.д.). Это помогает пользователям проверить логику ИИ.

Финансовый мир быстро меняется — появляются новые сленговые выражения в соцсетях, новые компании и новые типы событий (кто несколько лет назад ожидал «мемные» короткие сжатия?). Модели ИИ нужно регулярно обновлять и переобучать, чтобы оставаться актуальными.

Стоит уточнять у провайдеров, как часто они обновляют модели и словари. Лучшие системы включают обратную связь (например, резюме ИИ Bloomberg постоянно совершенствуются путем сравнения с оценками редакторов).