Unsupervised extraction of market moving events with neural attention

Abstract

En este trabajo presentamos un método para identificar eventos relevantes asociados con movimientos en el precio de las acciones sin datos anotados manualmente. Entrenamos una red neuronal basada en el mecanismo de atención, que dada una serie de títulos periodísticos, en un intervalo específico, predice el movimiento de precios con tres resultados posibles (baja, sin cambios, sube). El mecanismo de atención actúa de selector de inputs calculando un score normalizado de importancia para el embedding correspondiente a cada título. El promedio ponderado de los embeddings es utilizado para predecir el movimiento de la acción. Presentamos un análisis para entender si luego de que la red fuese entrenada, el mecanismo de atención no normalizado es capaz de producir un ranking global de eventos financieros. El ranking debería otorgar mayor importancia a los eventos financieramente más relevantes. En este estudio inicial utilizamos las categorías de las noticias como proxy de relevancia. Noticias que pertenezcan a categorías más relevantes deberían obtener un score de importancia relativamente más alto. Nuestros experimentos en los cuatro índices más relevantes de Estados Unidos indican que efectivamente el score calculado por el mecanismo de atención es más alto para aquellas categorías que intuitivamente resultan mas relevantes para explicar cambios de precios.