AI analyserar finansiella marknadsnyheter

AI-modeller avgör om en nyhet är positiv, negativ eller neutral i tonen mot ett företag eller marknad genom att analysera ordval och kontext. Till exempel märks "Företag X rapporterar rekordvinster" som positivt, medan "Företag Y utreds för bedrägeri" är negativt.

FinBERT är en populär metod – en version av Googles BERT-språkmodell finjusterad på finansiell text specifikt för känsloklassificering. Sådana modeller tränas på historiska finansiella nyheter märkta efter hur de påverkade aktiekurser.

BloombergGPT, en domänspecifik stor språkmodell, tränades uttryckligen för att förbättra känsloanalys av finansiella nyheter (samt namngiven entity-igenkänning och nyhetsklassificering). Genom att mäta marknadens känslomässiga ton ger AI ett kvantitativt grepp om kvalitativa nyheter.

Finansiella nyheter är fulla av egennamn – företagsnamn, personer, produkter, platser med mera. AI-system använder NLP för att identifiera och tagga entiteter som nämns i nyhetsartiklar. Om en nyhet säger "Apple lanserade en ny iPhone i Kina", taggar AI "Apple" som företag, "iPhone" som produkt och "Kina" som plats.

Avancerade plattformar som RavenPack har enorma finansspecifika ordböcker – RavenPacks algoritmer kan känna igen över 12 miljoner unika entiteter, inklusive offentliga och privata företag, chefer, insiders och specifika produkter eller valutor.

Utöver att tagga namn klassificerar AI också vad nyheten handlar om (ämnet eller händelsetypen). Är det en resultatrapport, ett samgåendemeddelande, en regulatorisk fråga eller en ekonomisk indikator? RavenPacks taxonomi täcker över 7 000 händelsekategorier för att kategorisera nyheter.

Inte alla nyheter är lika – vissa artiklar återupprepar gammal information, medan andra bryter ny mark. AI-verktyg bedömer nyhet (hur ny eller unik en artikel är) och relevans (hur direkt påverkan den har på ett visst företag eller marknad).

Till exempel får en mindre nyhetsblogg som nämner Apple i förbifarten låg relevans, medan en SEC-utredning av Apples ekonomi får mycket hög poäng. RavenPack tillhandahåller relevanspoäng och nyhetsspårning för varje upptäckt entitet/händelse i en berättelse, tillsammans med en "påverkans"-poäng.

Nyhetsdetektering görs ofta genom att jämföra text med senaste nyheter för att se om den upprepar känd information. Detta är avgörande i snabbrörliga marknader där dussintals medier kan återge samma Reuters-scoop – AI kan flagga första förekomsten som ny och tona ner resten.

Avancerad AI stannar inte vid enskilda nyhetsartiklar – den kan identifiera makroteman och trender över tusentals artiklar. LSEG MarketPsych Analytics grupperar nyheter i över 200 ekonomiska och beteendemässiga teman (som "handelskrig", "inflation", "cybersäkerhet" med mera).

AI klassificerar varje nyhet i dessa teman och poängsätter känslan för varje tema. Detta gör det möjligt för investerare att följa temakänslor över tid (t.ex. förbättras eller försämras känslan kring "elbilar" detta kvartal?). Bloombergs Terminal erbjuder en funktion för "Viktiga nyhetsteman" som använder AI för att klustra nyheter efter teman.

Genom att lyfta fram tematiska insikter hjälper AI till att koppla samman punkterna. Om många företags nyheter handlar om, säg, störningar i leveranskedjan, kan en investerare upptäcka en framväxande riskfaktor över marknaden. AI läser mellan raderna och upptäcker mönster över artiklar som en människa kan missa vid isolerad läsning.

En växande tillämpning av AI är att sammanfatta långa eller komplexa nyheter till lättsmälta format. Generativa AI-modeller (som GPT-4 och BloombergGPT) kan producera korta sammanfattningar eller punktlistor av en nyhetsartikel och bevara nyckelfakta.

Bloomberg lanserade nyligen AI-drivna nyhetssammanfattningar på sin Terminal: för varje Bloomberg News-berättelse genererar AI tre punkter med huvudinsikter högst upp i artikeln. Dessa sammanfattningar granskas av Bloombergs experter för att säkerställa korrekthet, vilket gör att upptagna handlare kan fånga essensen av en berättelse på ett ögonblick.

En revolution… klara, koncisa insikter som låter mig snabbt förstå komplexa berättelser.

— Senior handlare, Bloomberg Terminal-användare

Utöver sammanfattningar kan AI svara på frågor om nyheter (Q&A). Om du frågar, "Vad sa Fed-chefen om inflationen idag?", kan ett AI-system hämta svaret från en nyhetstranskription. Vissa plattformar låter nu användare interagera med nyheter via chatt, ställa följdfrågor för att fördjupa analysen, som ett mer intuitivt sätt att analysera information.

Kanske var de tidigaste användarna av AI-nyhetsanalys kvantitativa och algoritmiska handelsföretag. Dessa företag integrerar nyhetssignaler i sina handelsmodeller för att få fördelar. Det är talande att över 70 % av de bäst presterande kvantitativa hedgefonderna använder RavenPack News Analytics för alfa-generering och riskhantering.

För dessa fonder kan AI-levererad data som känslopoäng, buzz-mått och händelsedetektioner fungera som handelssignaler. En algoritm kan gå lång i aktier med mycket positiv nyhetskänsla och korta de med mycket negativ känsla (en strategi som validerats av backtester som visar en prestationsskillnad mellan höga och låga känslopoäng).

Högfrekvenshandelsföretag använder också AI för att algoritmiskt tolka nyhetsflöden – om en marknadsrörande rubrik dyker upp (t.ex. en centralbanksöverraskning) kan deras AI omedelbart trigga affärer som svar, ofta helt automatiserat. Detta har gjort marknader extremt reaktiva på nyheter och bidrar till kraftiga rörelser vid oväntad information.

Utöver snabb handel stödjer AI-nyhetsanalys långsiktiga investerare som kapitalförvaltare, fonder och förmögenhetsrådgivare. Känslo- och nyhetstrenddata ger ett extra lager insikt ovanpå fundamenta.

En aktieportföljförvaltare kan övervaka känslopoängen för varje aktie i portföljen; ett plötsligt fall kan leda till en granskning av vilka negativa nyheter som kommit ut och om det indikerar ett fundamentalt problem. På samma sätt kan AI lyfta fram framväxande teman som påverkar portföljstrategin – t.ex. att notera att "cybersäkerhet" allt oftare nämns i samband med flera teknikaktier kan signalera en växande risk (eller möjlighet) att hantera.

Tematiska varningar möjliggör proaktiv ombalansering: om AI upptäcker att retoriken kring handelskrig ökar och identifierar sannolika "vinnare" och "förlorare" från temat kan en förvaltare justera portföljen därefter. AI hjälper också forskare att undvika informationsblindzoner genom att täcka så många källor – den kan varna analytiker för nyheter i obskyra publikationer eller främmande språk som de annars skulle ha missat.

Vissa plattformar (som AlphaSense) integrerar till och med mäklarforskning och SEC-rapporter tillsammans med nyheter, och använder AI för att låta analytiker söka i all textdata för ett företag. En forskare beskrev att använda ChatGPT-liknande AI för att återskapa "många av de arbetsflöden jag brukade göra" på en investeringsbank, från att sammanfatta företagsfinanser till att skanna nyheter efter varningsflaggor.

Inom finans handlar det inte bara om att hitta möjligheter – det handlar också om att hantera risker och följa regler. AI-nyhetsanalys är en tillgång för riskansvariga och compliance-team. Den kan fungera som ett tidigt varningssystem för olika risker: upptäcka negativa nyheter om en motpart, se tecken på bolagsstyrningsproblem eller övervaka geopolitiska händelser som kan påverka marknader.

Om ett företag plötsligt blir trendigt i nyheterna på grund av en skandal eller rättstvist kan AI flagga detta omedelbart så att riskansvariga kan justera exponeringar. Compliance-avdelningar använder AI för att övervaka nyheter efter tecken på marknadsmissbruk eller insiderhandel. Börser och regulatorer har till och med använt AI för att övervaka sociala medier och nyheter efter tecken på marknadsmanipulation eller bedrägeri.

Anomalier – som en plötslig ökning av positiva inlägg om en tunnhandlad aktie – kan upptäckas av AI och undersökas för potentiella pump-and-dump-scheman. Den realtids och omfattande övervakning som AI möjliggör hjälper till att upprätthålla marknadens integritet.

Genom att konsolidera nyheter på en instrumentpanel hjälper AI också compliance-ansvariga att utföra due diligence-kontroller på kunder eller investeringar ("Know Your Customer" och anti-penningtvättskontroller) genom att snabbt hitta negativ information kopplad till en person eller enhet. På så sätt hjälper AI inte bara till att tjäna pengar, utan också att skydda finansiella institutioner från risker och oegentligheter.

AI-nyhetsanalys är inte begränsad till Wall Streets elit. Den når allt mer ut till privata investerare och finansiella rådgivare som betjänar vanliga kunder. Nya robo-rådgivarappar och handelsplattformar integrerar AI för att ge nyhetsdrivna insikter till användare.

Vissa handelsappar har nu inbyggda indikatorer för nyhetskänsla eller AI-genererade sammanfattningar av varför en aktie rör sig. Tack vare AI kan även enskilda investerare nu få tillgång till analyser som "tidigare bara var tillgängliga för stora banker eller institutionella investerare."

En färsk Reuters-rapport noterade att 13 % av privata investerare redan använt AI-verktyg som ChatGPT för aktieforskning eller rekommendationer, och ungefär hälften är öppna för idén. Denna demokratisering innebär att en vanlig person kan fråga en chatbot, "Hur ser utsikterna ut för Företag Z med tanke på senaste nyheterna?" och få ett sammanhängande svar som syntetiserar senaste utvecklingen.

Startups erbjuder också AI-kuraterade nyhetsflöden anpassade efter en investerares portfölj eller intressen, ofta med förklarande höjdpunkter. Till exempel ger StockPulse kunder (inklusive vissa mäklare) AI-genererade dagliga sammanfattningar och känsloanalys för aktier, integrerat i kundrapporter för att stödja informerade beslut.

Finansiella rådgivare som förvaltar kundportföljer använder AI-nyhetsanalys för att hålla sig informerade och kommunicera bättre med kunder. En rådgivare kan förlita sig på en AI-instrumentpanel för att snabbt ge en uppdatering: "Veckans nyhetskänsla för dina innehav var övervägande positiv, förutom en aktie som möter negativ press."

Sådana insikter kan omvandlas till kundvänliga förklaringar, stödda av AI-genererade diagram eller visuella presentationer. LSEG:s MarketPsych tillåter till exempel skapande av intuitiva visualiseringar som känslo-prisdiagram och värmekartor över tematisk exponering, vilket gör komplexa NLP-resultat begripliga för slutinvesterare.

Detta förbättrar kundupplevelsen – rådgivare kan proaktivt förklara hur "nyhetsstämningen" kring en sektor kan påverka avkastningen och utbilda kunder i processen. Dessutom drar rådgivare själva nytta av att AI håller dem uppdaterade om makroekonomiska nyheter. Vid plötsliga geopolitiska händelser eller policyförändringar säkerställer AI-varningar att rådgivare snabbt kan kontakta kunder med perspektiv på hur det påverkar deras investeringar.

AI kan lyfta fram insikter, men mänsklig expertis behövs för att tolka och agera på dem. Om AI flaggar en berättelse som negativ kommer en skicklig analytiker ändå läsa artikeln för att förstå nyanser och kontext. AI kan missa sarkasm eller dubbeltydigheter i text, eller felbedöma tonen om t.ex. en "rekordvinst" egentligen beror på en engångsredovisning.

AI-system är bara så bra som den data de tränas på. Bias i nyhetskällor (eller brus från sociala medier) kan speglas i AI-resultat. Man måste vara försiktig så att t.ex. en flod av spekulativa blogginlägg inte felaktigt höjer en känslopoäng. De främsta leverantörerna mildrar detta med spamfilter och viktning av källor, men användare bör förbli kritiska.

I snabba marknader är nyhetsanalys mest användbar omedelbart när nyheter bryter ut. En AI-känslopoäng 10 minuter efter en händelse kan vara för sent om marknaden redan rört sig. Därför använder handlare dessa verktyg i realtid, ofta med direkta flöden till handelsalgoritmer.

För mindre tidskritiska investeringar (som långsiktiga beslut) är exakt hastighet mindre avgörande, men då skiftar AI:s roll till att syntetisera mycket information för en större helhetsbild.

Det kan vara lättare att lita på AI när det inte är en total "svart låda". Många plattformar ger nu förklaringar till sina resultat. Om en AI-poäng indikerar "negativ känsla" kan systemet visa vilka ord eller fraser i texten som ledde till slutsatsen (t.ex. "konkurs", "rättegång" med mera). Detta är hjälpsamt för användare att validera AI:s resonemang.

Finansvärlden utvecklas snabbt – ny slang på sociala medier, nya företag och nya typer av händelser (vem hade "meme stock short squeeze" på radarn för några år sedan?). AI-modeller behöver uppdateras och tränas om för att hålla sig aktuella.

Det är värt att fråga leverantörer hur ofta de uppdaterar sina modeller och ordböcker. De bästa systemen har feedbackloopar (t.ex. Bloombergs AI-sammanfattningar förfinas kontinuerligt genom att jämföra AI-resultat med mänskliga redaktörers bedömningar).