服务量化投资，基于知识图谱的事件表征框架研究入选SIGIR

　　机器之心专栏
　　瞰点科技 AI 团队
　　瞰点科技和上海交大的研究团队提出了一种服务于量化投资的基于知识图谱的事件表征框架，称为 Knowledge Graph-based Event Embedding Framework（KGEEF）。通过在真实股票市场上进行的大规模实验表明，本文提出的方法显著有助于量化投资的策略提升。
　　研究表明金融市场对于新闻事件的反应具有滞后性，并且相同事件对不同股票在不同时间段内的影响程度都是有差异的。如何将富含信息量的新闻事件融合进量化投资模型中是工业界与学术界面临的共同挑战。针对上述问题，瞰点科技与上海交大研究团队共同研发了基于知识图谱的事件表征框架来服务于量化投资模型策略。该成果发表于 ACM SIGIR 中，由于在表征中嵌入了金融领域知识图谱，所以使用上述表征构建的投资策略在真实股票市场中获得了良好的收益表现。
　　简介
　　金融市场的价格波动是对新闻和事件的一种反应。通常来说，从海量新闻中获取有效的事件表征能辅助投资者采取更合理的决策。近年来，一些研究开始应用自然语言处理（NLP）技术来学习新闻事件的分布式表征并基于此构建事件驱动的交易策略。
　　经典方法（例如 bags-of-words、命名实体）可以捕获事件元组中的基础特征，但是这些特征并没有反应事件之间的内在关系。随着表征学习和 NLP 技术的发展，研究者开始利用深度学习等技术来表征结构化事件，这样相似的事件即可以在特征空间中更加接近。然而股票的价格波动不仅取决于其自身的情况，与其关联的企业所涉及的事件也高度相关。因此，如何从这种彼此关联的事件信息中学习有效表征是量化投资领域的重要课题。
　　论文地址：https://dl.acm.org/doi/abs/10.1145/3397271.3401427
　　在本文中，瞰点科技和上海交大的研究团队提出了一种服务于量化投资的基于知识图谱的事件表征框架，我们称之为 Knowledge Graph-based Event Embedding Framework（KGEEF）。该框架首先从原始新闻文本中提取结构关系和事件元组，将关系知识和属性知识存储在金融知识图谱（FinKG）中，其中节点表示实体，边对应实体之间的关系。随后，KGEEF 将知识图谱与事件一起学习联合表征，用于后续量化投资预测模型。最后，通过在真实股票市场上进行的大规模实验表明，本文提出的方法显著有助于量化投资的策略提升。