Análise de opinião útil: Mining SEC arquivamentos (parte 1)

Osho Jha Blocked Unblock Seguir Seguindo 13 de janeiro É assim que um computador lê. Eu acho que.

Ugh. Análise de Sentimentos . Para ser honesta, reviro os olhos toda vez que ouço sobre o uso da análise de sentimento para negociar ações. Não é que não funcione, é que a maioria dos produtos que eu tenho na minha capacidade profissional (ciência de dados / pesquisa para geração de ideias em um fundo) tem sido um truque: rastreamento de tweets, análise de notícias, análise de ganhos declarações após o lançamento, analisando as notas do Fed … a lista continua e continua. Esses produtos tiveram eficácia variada e preços elevados. Sem nomear nomes, um produto recente que analisa tweets de memes do twitter marcados incorretamente e piadas sobre muitos bugs do Red Dead Redemption 2 como um “insight” de que as vendas unitárias eram fracas. Eles eram Red Dead Wrong, agora com foco na Redenção – e eu posso continuar fazendo esses trocadilhos o dia todo.

Então, qual é o propósito desta peça e por que eu estou olhando para análise de sentimento se o meu sentimento sobre isso é tão negativo para começar? Bem, dados textuais têm muito poder. Uma das coisas interessantes com modelagem e previsão é que a massa de dados (a quantidade de dados com a qual você está trabalhando) tem mais impacto do que a complexidade algorítmica.

Para mais informações: https://www.dataquest.io/blog/learning-curves-machine-learning/

Com isso em mente, há muito mais dados de texto disponíveis em comparação com dados numéricos. O melhor de tudo, é principalmente livre e muito confuso. Limpar esses dados e fazer o trabalho tedioso que muitas vezes é evitado ou esquecido é onde estão os lucros.

Formas de abordar a análise de sentimentos

A análise de sentimentos utiliza vários métodos para entender o tom, a opinião e a emoção incorporados em um texto. Ele ganhou popularidade nas finanças porque os mercados reagem às mudanças de sentimento e muitos dos avanços feitos no campo do Processamento de Linguagem Natural (PNL) são facilmente acessíveis para qualquer pessoa com alguma experiência de codificação.