وضعیت حقوقی (وضعیت حقوقی یک فرض است و نتیجه گیری قانونی نیست. گوگل تجزیه و تحلیل حقوقی را انجام نداده است و هیچ گونه نمایندگی در مورد صحت وضعیت ذکر شده ارائه نمی دهد.) شماره درخواست US10/054،057 نسخه دیگر US8285619B2 (Inventor FrederickHerz Lyle Ungar Jason Eisner Walter Labys Assignee فعلی (متقاضیان ذکر شده ممکن است نادرست باشند. گوگل تجزیه و تحلیل حقوقی را انجام نداده است و هیچ گونه نمایندگی یا ضمانتی را در مورد صحت لیست انجام نمی دهد.) Fred Herz Patents LLC تاریخ اولویت اصلی اختصاصی (تاریخ اولویت اصلی)تاریخ اولویت یک فرض است و نتیجه گیری قانونی نیست. گوگل قانونی را انجام نداده استalysis و هیچ گونه نمایندگی در مورد صحت تاریخ ذکر شده ارائه نمی دهد.) تاریخ تشکیل پرونده 2001-01-22 تاریخ انتشار 2003-07-17 اولویت ادعا شده از US26355601P External-Priority 2002-01-22 ثبت شده توسط فردFiled Critical Indiely 2002-01-22 اولویت US10/054،057 اولویت ثبت اختراع بحرانی/US8285619B2/EN 2003-07-17 انتشار US20030135445A1 انتشارات ثبت اختراع بحرانی/US20030135445A1/EN 2012-10-05 اولویت اولویت US13/646برنامه EN 2012-10-09 اعطا شده اعطا شده صریح 2012-10-09 انتشار US8285619B2 انتشارات ثبت اختراع بحرانی/US8285619B2/EN 2014-04-11 اختصاص داده شده به حق ثبت اختراعات Fred Herz ، LLC مجدداً ثبت اختراعات فرد Herz ، LLC Assignment Indexment Indexments of Associations (به Documents Documentبرای جزئیات)20 تعدیل تعطیل-وضعیت حقوقی بحرانی
لینک
- USPTO
- حق ثبت اختراع USPTO
- تکلیف USPTO
- حیاط
- پرونده جهانی
- بحث و گفتگو
- 238000003058 روش های پردازش زبان طبیعی 0. 000 عنوان انتزاعی توضیحات 14
- 238000000034 روش روش 0. 000 مطالبات انتزاعی توضیحات 30
- 238000004458 روش تحلیلی روش 0. 000 توضیحات 12
- 230000002596 اثرات همبسته 0. 000 توضیحات انتزاعی 6
- 230000004044 پاسخ افکت ها 0000 توضیحات 34
- 230000000694 افکت افکت ها 0000 توضیحات 32
- 230000006399 رفتار اثرات 0. 000 شرح 24
- 230000003466 جلوه های پیش بینی شده 0. 000 توضیحات 9
- 230000003542 اثرات رفتاری 0. 000 توضیحات 6
- 238000005516 فرآیند مهندسی روشها 0. 000 شرح 5
- 230000036881 Clu Effects 0. 000 توضیحات 4
- 241000282412 Homo Species 0. 000 توضیحات 3
- 230000000875 اثرات مربوطه 0. 000 توضیحات 3
- 238000002790 روشهای اعتبارسنجی متقاطع 0. 000 توضیحات 3
- 230000002996 افکت های احساسی 0. 000 توضیحات 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N طلا ترکیب شیمیایی [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0. 000 توضیحات 3
- 239000010931 طلا مواد 0. 000 توضیحات 3
- 229910052737 طلا مواد معدنی 0. 000 توضیحات 3
- 238000005259 روش های اندازه گیری 0. 000 توضیحات 3
- 230000001960 باعث ایجاد افکت‌ها 0. 000 توضیحات 3
- 229910003460 الماس مواد معدنی 0. 000 توضیحات 2
- 239000010432 الماس مواد 0. 000 توضیحات 2
- 238000009826 روش های توزیع 0. 000 توضیحات 2
- 230000001976 بهبود افکت ها 0. 000 توضیحات 2
- 230000001965 افزایش افکت ها 0. 000 توضیحات 2
- 238000004519 روشهای فرآیند ساخت 0. 000 شرح 2
- 230000003278 mimic Effects 0. 000 توضیحات 2
- 230000001179 جلوه های مردمک 0. 000 توضیحات 2
- 208000001613 بیماری های قمار 0. 000 توضیحات 1
- 102100013925 MUC6 ژن انسانی 0. 000 توضیحات 1
- 101700079768 MUC6 Proteins 0. 000 توضیحات 1
- 241001655002 Matthiola longipetala subsp. bicornis گونه 0. 000 توضیحات 1
- 206010038001 بیماری‌های اثر برگشتی 0. 000 شرح 1
- 229920001785 عنصر پاسخ پلیمر 0. 000 توضیحات 1
- 241000700605 ویروس گونه 0. 000 توضیحات 1
- 230000003190 افکت های تقویتی 0. 000 توضیحات 1
- 238000004422 الگوریتم محاسبه روش 0. 000 توضیحات 1
- 238000004364 روش محاسبه روش 0. 000 شرح 1
- 239000003054 کاتالیزور مواد 0. 000 توضیحات 1
- 238000006243 روشهای واکنش شیمیایی 0. 000 توضیحات 1
- 238000004891 روش های ارتباطی 0. 000 توضیحات 1
- 230000000052 اثر مقایسه ای اثرات 0. 000 توضیحات 1
- 239000000470 مواد تشکیل دهنده 0. 000 توضیحات 1
- 238000010276 روش های ساخت 0. 000 توضیحات 1
- 238000007405 روش تجزیه و تحلیل داده ها 0. 000 شرح 1
- 238000003066 درخت تصمیم روشها 0. 000 شرح 1
- 230000001809 افکت های قابل تشخیص 0. 000 توضیحات 1
- 238000007865 روشهای رقیق سازی 0. 000 توضیحات 1
- 230000003292 کاهش افکت 0. 000 توضیحات 1
- 230000002708 افزایش جلوه های 0. 000 توضیحات 1
- 238000000605 روش های استخراج 0. 000 توضیحات 1
- 230000001815 جلوه های صورت 0. 000 توضیحات 1
- 238000010304 روش های شلیک 0. 000 توضیحات 1
- 238000010426 روش های دستکاری دستی 0. 000 توضیحات 1
- 230000000977 جلوه های ابتدایی 0. 000 توضیحات 1
- 238000009114 روشهای درمانی تحقیقات 0. 000 توضیحات 1
- 238000003064 K به معنای روش خوشه بندی 0. 000 توضیحات 1
- 238000005457 روش های بهینه سازی 0. 000 توضیحات 1
- 230000003334 جلوه های بالقوه 0. 000 توضیحات 1
- 230000001737 ترویج جلوه های 0. 000 توضیحات 1
- 230000001739 اثر اثر ریباند 0. 000 توضیحات 1
- 238000007670 روشهای پالایش 0. 000 توضیحات 1
- 230000035945 اثرات حساسیت 0. 000 توضیحات 1
- 238000007619 روش آماری روشهای 0. 000 توضیحات 1
- 108020001568 پروتئین های زیر دامنه 0. 000 توضیحات 1
- 201000009032 بیماری سوء مصرف مواد 0. 000 توضیحات 1
- 230000002889 جلوه های سمپاتیک 0. 000 توضیحات 1
- rtaqqcxqszgohl-uhffaoysa-n ترکیب شیمیایی تیتانیوم [Ti] rtaqqcxqszgohl-uhffaoysa-n 0. 000 توضیحات 1
- 238000004450 انواع روش های تجزیه و تحلیل 0. 000 توضیحات 1
- 230000001755 جلوه های صوتی 0. 000 توضیحات 1
تصاویر
طبقه بندی
- ج - فیزیک
- G06 - محاسبات ؛محاسبهبا احتساب
- G06Q - سیستم های پردازش داده ها یا روش ها ، به ویژه برای اهداف اداری ، تجاری ، مالی ، مدیریتی ، نظارتی یا پیش بینی سازگار است. سیستم ها یا روش هایی که به طور خاص برای اهداف اداری ، تجاری ، مالی ، مدیریتی ، نظارتی یا پیش بینی سازگار هستند ، در غیر این صورت برای آن ارائه نشده است
- G06Q40/00 - امور مالی ؛بیمه ؛استراتژی های مالیاتی ؛پردازش مالیات بر شرکتها یا درآمد
- G06Q40/06 - سرمایه گذاری ، به عنوان مثالابزارهای مالی ، مدیریت نمونه کارها یا مدیریت صندوق
- ج - فیزیک
- G06 - محاسبات ؛محاسبهبا احتساب
- G06Q - سیستم های پردازش داده ها یا روش ها ، به ویژه برای اهداف اداری ، تجاری ، مالی ، مدیریتی ، نظارتی یا پیش بینی سازگار است. سیستم ها یا روش هایی که به طور خاص برای اهداف اداری ، تجاری ، مالی ، مدیریتی ، نظارتی یا پیش بینی سازگار هستند ، در غیر این صورت برای آن ارائه نشده است
- G06Q40/00 - امور مالی ؛بیمه ؛استراتژی های مالیاتی ؛پردازش مالیات بر شرکتها یا درآمد
- G06Q40/04 - Exchange ، به عنوان مثالسهام ، کالاها ، مشتقات یا مبادله ارز
چکیده
ما روشی را برای استفاده از تکنیک های پردازش زبان طبیعی (NLP) برای استخراج اطلاعات از فیدهای خبری آنلاین و سپس استفاده از اطلاعاتی که برای پیش بینی تغییرات در قیمت سهام یا نوسانات استخراج شده است ، ارائه می دهیم. از این پیش بینی ها می توان برای ایجاد استراتژی های تجاری سودآور استفاده کرد. به طور خاص ، نام شرکت ها را می توان تشخیص داد و الگوهای ساده ای که توصیف اقدامات شرکت را می توان با استفاده از تجزیه یا الگوی مطابق با کلمات در یا در نزدیکی جمله حاوی نام شرکت ، به طور خودکار پر کرد. این الگوها را می توان در گروه هایی که از نظر آماری با تغییر در قیمت سهام ارتباط دارند ، جمع کنند.
و یک مؤلفه همبستگی آماری که همبستگی این الگوهای را با افزایش یا کاهش قیمت سهام آزمایش می کند.
روشهای شرح داده شده در زیر می تواند برای طیف گسترده ای از متن ، از جمله مقالاتی در روزنامه های آنلاین مانند وال استریت ژورنال ، خبرنامه های مالی ، رونوشت رادیو و تلویزیون و گزارش های سالانه اعمال شود. ما تصور می کنیم که ابتدا برای اخبار مانند بلومبرگ یا شاید خبرنامه AP استفاده می شود.
در تجسم پیشرفته ای از سیستم می توانیم الگوهای آماری را در داده های استفاده از اینترنت و داده های اینترنتی مانند اطلاعات متنی تازه منتشر شده در صفحات وب افزایش دهیم.
شرح
ما روشی را برای استفاده از تکنیک های پردازش زبان طبیعی (NLP) برای استخراج اطلاعات از فیدهای خبری آنلاین و سپس استفاده از اطلاعاتی که برای پیش بینی تغییرات در قیمت سهام یا نوسانات استخراج شده است ، ارائه می دهیم. از این پیش بینی ها می توان برای ایجاد استراتژی های تجاری سودآور استفاده کرد. به طور خاص ، نام شرکت ها را می توان تشخیص داد و الگوهای ساده ای که توصیف اقدامات شرکت را می توان با استفاده از تجزیه یا الگوی مطابق با کلمات در یا در نزدیکی جمله حاوی نام شرکت ، به طور خودکار پر کرد. این الگوها را می توان در گروه هایی که از نظر آماری با تغییر در قیمت سهام ارتباط دارند ، جمع کنند.[0001]
زمینه این اختراع مربوط به سیستم های معاملاتی مالی و به ویژه تجزیه و تحلیل منابع اطلاعاتی در حال تغییر پویا مانند فیدهای خبری آنلاین (با استفاده از پردازش زبان طبیعی) و رفتار تجارت کاربر به منظور پیش بینی تغییرات در قیمت سهام یا نوسانات است.[0002]
در حوزه هنر حاضر، سیستم‌های معاملاتی بازار سهام بر اساس انواع روشها، فرمول‌ها و الگوریتم‌های خودکار برای پیش‌بینی پویایی و روند رفتار بازار هستند. با این حال، سیستم‌های معاملات سهام هنر قبلی ارزش تصمیم‌گیری خودکار معاملات سهام را بر اساس همبستگی‌های آماری که از نظر تاریخی وجود بین رویدادها، اقدامات و معیارهای خاص شرکت (که از طریق پردازش زبان طبیعی از طریق الگوها و تغییرات و پویایی‌های مرتبط استخراج می‌شوند استخراج می‌شوند، به رسمیت نمی‌شناسند. در قیمت سهام. [0003]
سیستم ما از دو بخش تشکیل شده است: یک جزء درک پیام که به طور خودکار الگوهای ساده ای مانند [0004] را پر می کند.
(به عنوان مثال نام شرکت: IBM، Microsoft، Apple یا ... CHANGE: افزایش، کاهش یا "بدون تغییر" آیتم: هزینه ها، قیمت ها، فروش، کارکنان... اعلام شد: اعلام شد، گزارش شد...) و یک جزء همبستگی آماری که همبستگی این الگوها را با افزایش یا کاهش قیمت سهام آزمایش می کند.[0010]
روش های شرح داده شده در زیر را می توان در طیف گسترده ای از متن، از جمله مقالات در روزنامه های آنلاین مانند وال استریت ژورنال، خبرنامه های مالی، رونوشت های رادیو و تلویزیون و گزارش های سالانه به کار برد. ما تصور می کنیم که ابتدا از آن برای شبکه های خبری مانند بلومبرگ یا شاید AP Newswire استفاده شود.[0011]
در تجسم پیشرفته‌ای از سیستم، می‌توانیم از الگوهای آماری در داده‌های استفاده از اینترنت و داده‌های اینترنت مانند اطلاعات متنی تازه منتشر شده در صفحات وب استفاده کنیم.[0012]
برای پر کردن قالب ها ، می توان از تکنیک های استاندارد مانند موارد ارائه شده در مسابقات درک پیام استفاده کرد (به عنوان مثال مراحل MUC-6 را ببینید). ایده اصلی این است که از "شناسه های موجود در نهاد" تخصصی استفاده کنید تا مشخص شود که کدام کلمات به شرکت ها ، مکان ها و افراد اشاره می کنند و این موارد را استاندارد می کنند (یعنی ، تشخیص اینکه "IBM" ، "I. B. M." و "ماشین های تجاری بین المللی" ارجاع می دهندبه همان شرکت). گروه هایی از کلمات معادل (به عنوان مثال ، "اعلام شده" ، "گزارش شده" ، "گزارش منتشر شده است.). در همان محیط متعلق به همان گروه باشید). سایر گروه های مهم کلمات شامل اقدامات مختلف (استخدام ، شلیک ، خرید ، فروش ...) و انواع و مسیرهای تغییر (افزایش ، کاهش ، بهبود ، بدتر شدن) هستند."،" نامناسب ها "،" تایتان "و غیره نیز ممکن است مفید باشد. تا آنجا که مطبوعات بر تصمیمات سرمایه گذاران تأثیر می گذارد ، می توان به طور بالقوه از داده هایی در مورد اصطلاحات ذهنی استفاده کرد ، درباره چه کسی و در چه انتشار آنها ظاهر شد [0014]
با توجه به این ویژگی آخر ، می توان ویژگی های دیگری را اضافه کرد ، که سعی در "تأثیر" بر آگاهی از بازار دارند. چنین ویژگی هایی ممکن است شامل درجه برجستگی در انتشار باشد (به عنوان مثال ، در مورد تیتر یا یک مقاله پشتی) ، خواه این نسخه قبل از آن ساخته شده باشد ، در چه انتشار (های) دیگری ، اگر چنین باشد ، چه پاسخ بازار بود ، چه مدت بین انتشاراتاز جمله نسخه فعلی (انتشار خبرهای کاملاً جدید ، آیا این یک مقاله پیگیری برای یک داستان مداوم بود یا این رویداد خبری بود که قبلاً در مقاله قبلی به عنوان یک رویداد احتمالی آینده پیشنهاد شده بود یا خیر). یا از طرف دیگر ، بخشی از یک داستان در حال توسعه یا آشکار بود (به عنوان مثال ، که بازار قبلاً از مهمترین رویداد (های) که منجر به حال حاضر شده بود آگاه بود) و آیا این احتمال وجود دارد که این رویداد جدید می توانست باشدحداقل تا حدودی به عنوان یک رویداد احتمالی آینده بر اساس وضعیت فعلی نسخه های از قبل موجود در این موضوع پیش بینی شده است. اگر این نشریه حداقل دو بار قبل از آن منتشر شد ، تفاوت در تغییر نسبی قیمت پس از هر نسخه متوالی چیست (همچنین توزیع/خواندن به عنوان بخشی از هویت انتشار در نظر گرفته می شود).[0015]
از هر نسخه خبری برای پر کردن یک یا چند قالب استاندارد استفاده می شود. این الگوها شامل یک یا چند شرکت خواهد بود که سهام آنها به صورت عمومی معامله می شود (به عنوان مثال شرکت در حال اعلام یا شرکت در حال خرید). برای مشخصات مثال زیر را در نظر بگیرید: [0016]
شرکت: XYZ مورد: سود Neational_Change: −15 ٪ شرکت: XYZ مورد: کارمندان Absolute_Change: −20 تعدادی از ویژگی های مختلف مهم هستند. یک مقاله داده شده اغلب فقط یک ویژگی را ارائه می دهد و ما باید دیگران را با محاسبه از سایر اطلاعات موجود در مقاله یا با جستجو در یک پایگاه داده تعیین کنیم."تغییر" را در نظر بگیرید. n علاوه بر جهت کیفی تغییر ، ممکن است تغییر مطلق یا درصد تغییر داشته باشد. تغییر درصد ممکن است قابل توجه تر از تغییر مطلق باشد به ویژه زیرا اهمیت تغییر مطلق اغلب منوط به تعداد کمی اصلی است.[0020]
پروفایل ها را می توان از یک پایگاه داده مانند مواردی که توسط Dow Jones یا Lexis/Nexis نگهداری می شود ، تقویت کرد ، به محض اینکه نام شرکت را می شناسیم: MBI ، ما قادر به پر کردن ویژگی های اضافی مانند نوسانات سهام (بتا) هستیم: 0. 62 ،یا ویژگی های انجمنی که نشان می دهد شرکت از بازارهای مختلف درآمد حاصل می کند ، سهم شرکت از هر یک از این بازارها ، تعداد دلار تحقیق و توسعه در هر یک و غیره. به همین ترتیب ، اگر یک شرکت به فکر خرید دیگری باشد ، باید پر شود. در ویژگی هایی مانند اندازه نسبی.[0021]
نام شرکت: MBI خواندن عمل: اعلام شد خواندن تغییر: کاهش می یابد خواندن درصد_چون: −10 ٪ نشات گرفته Absolute_Change: - 375،000 دلار خواندن در مورد: سه ماهه اول 1997 سود خوانده شده نوسانات سهام: 0. 62 نگاه کردن فروش (1996): 620،000،000 نگاه کردن سود (Q1 ، 1997): 3،750،000 دلار نگاه کردن sic_code: 1367 نگاه کردن از تکنیک های استاندارد NLP برای تعیین ساختار جمله برای تعیین روابط بین اشخاص مختلف استفاده می شود (به عنوان مثال ، کدام شرکت در حال خرید است و فروش یا فروش را انجام می دهد).[0023]
در پر کردن قالب ها ، استفاده از زنجیره های مرجع برای تعیین عبارات مانند "او" و "شرکت" مهم است ، به عنوان مثال ، "BMI یک توجیهی بزرگ برگزار کرد. آنها اعلام کردند که سود 375،000 دلار کاهش یافته است. "[0024]
با توجه به الگوها، می توان از تکنیک های آماری استاندارد برای تعیین اینکه کدام اعلان ها قیمت سهام را بالا یا پایین می کند، استفاده کرد. این به چندین "ترفند" غیر ضروری نیاز دارد. ایده اصلی این است که با یک تخمین تقریبی از مدت زمان تغییر پس از انتشار مطبوعاتی شروع کنید و سپس به دنبال تغییرات قیمت سهام در آن زمان باشید. ما انتظار داریم که اکثر اعلامیه ها تقریباً فوراً بر بازار تأثیر بگذارند، اما باید نوسانات قیمت سهام را در نظر گرفت.[0027]
هنگام تلاش برای توضیح اینکه کدام اطلاعیه ها مسئول تغییر معین هستند (به عنوان مثال پاییز 2 دلاری IBM) ، ما باید اثرات را که به طور گسترده تر در شرکت های فناوری پیشرفته (یا شرکت های تراشه آبی یا کل بازار) اعمال می شود) ، اعم از اینکه ما چه کاربردی داشته باشند ، چه ما را بیان کنیم. توضیحاتی در مورد آن اثرات گسترده تر یا خیر. پیش بینی ها برای تغییر در قیمت سهام نسبت به شاخص مناسب است. همانطور که در زیر توضیح داده می شود ، این می تواند در استراتژی معاملاتی استفاده شود. با این وجود ، تکنیک های حاضر ممکن است از خوشه ای برای الگوی ویژگی هایی استفاده کنند که در حال حاضر برای پیش بینی الگوهای حرکت سهام یک شرکت خاص به عنوان آماری (از نظر تاریخی) ، با آن سهام خاص و همچنین خوشه بندی خود شرکت ها به عنوان تمایل به اشتراک گذاری یا نه استفاده می کنند. الگوهای مشابه حرکت سهام را در پاسخ به اطلاعات خبری مشابه منتشر شده به اشتراک بگذارید. یک رویکرد جامع تر برای استخراج ویژگی با استفاده از NLP علاوه بر رویکرد الگوی ممکن است در این مدل خاص مفید باشد. تکنیک های تطبیق مبتنی بر متن و مورد با استفاده از بازخورد آماری (برای وزنه برداری از اصطلاحات) و همچنین خوشه بندی مقالات بر اساس لیست خوانندگان آنها در تعیین شباهت انتشار اخبار حاضر به نسخه های قبلی مفید است. برنامه ثبت اختراع در انتظار "سیستم شناسایی الکترونیکی سفارشی اشیاء مطلوب" ، یک تکنیک جدید برای پیش بینی قیمت آینده سهام بر اساس اقدامات تجاری افراد خاص که از طریق تصمیمات تجاری خود با موفقیت پیش بینی کرده اند ، توصیف می کند. واد"موفقیت" این "متخصصان" در سهام مختلف می تواند برای تعیین اینکه سهام (و/یا ویژگی های آن) از نظر احتمال الگوهای حرکتی آنها به طور دقیق توسط این متخصصان پیش بینی می شود ، استفاده شود. از نظر متری شبیه به آنها در پیش بینی احتمال همچنین می تواند مشاوره در مورد سهام را نیز ارائه دهد). این توضیحات همچنین نشان می دهد که این افراد همچنین ممکن است مشاوره و سایر اطلاعات را در مورد تجزیه و تحلیل فردی و منطقی مربوط به سهام و/یا حمایت از اقدامات یا پیش بینی های خود ارسال کنند. همچنین منطقی است که به ویژه به این دلیل که بسیاری از این اطلاعات ممکن است براساس اخبار و رویدادهای اخیر پیرامون سهام باشد ،
ما می‌توانیم رویکرد کلی NLP پیشنهادی بالا را برای یافتن همبستگی‌ها با الگوهای حرکت سهام بعدی به کار ببریم (اگر همان افراد پست‌کننده به دلیل شباهت‌های ذاتی در معانی و اهمیت/تاثیر استفاده توصیفی استفاده از آنها تحلیل شوند، ممکن است این همبستگی‌ها کارآمدتر باشد. زبانی مانند کلمات و نحو. حتی ممکن است بتوان گروه‌هایی از سبک‌های نوشتاری مشابه را در داخل مجموعه پیام‌های نمونه به اندازه کافی بزرگ شناسایی کرد تا از طریق سفارشی‌سازی بیشتر الگوها، همبستگی‌های کلمات خاص که برای هر نوع سبک نوشتاری منحصر به فرد هستند، تنظیم شوند. بسیار بزرگ. با این حال، نمونه‌های آزمایشی یک نیاز کلیدی خواهند بود. [0028]
منبع جالب دیگر از اطلاعات بازخورد ممکن است چیزی باشد که مقالات خاص (یا به ویژه بخش های متنی) چنین "متخصصان" تمایل به دسترسی و یا صرف خواندن وقت به عنوان وسیله ای بالقوه برای ایجاد ارتباط اضافی در قالب وزنه های اصطلاح موجود در دروناین همبستگی های حرکت سهام. به عنوان مثال ، برخی از این فعالیت های تجاری سرمایه گذاران ممکن است بلافاصله بررسی خود را در مورد مقالات خاص و پاسخ مستقیم سرمایه گذار در پاسخ به مقالات خاص با نتیجه موفقیت آمیز انجام دهند (یعنی موفق تر از کلیرفتارهای مشابه بازار ممکن است نشان دهنده فعالیت مشابه بازار قریب الوقوع پس از انتشار مقالات مشابه در آینده باشد حتی اگر مستقیماً توسط این متخصصان خوانده نشود. البته یک شاخص قوی برای شروع تجارت در زمان واقعی اگر چنین مقاله ای (ها) اتفاق می افتدبخوانید و متخصص یک تجارت (های) فعال مناسب را آغاز می کند. ما ممکن است تکنیک های مشابهی را برای پاسخگویی خودکار وزن بازخورد برای مشاوره ای که توسط یک متخصص ارائه می شود ، همانطور که از طریق چت اینترنتی (متن یا صدا) یا حتی تلفنی ارائه می شود ، اعمال کنیم. بالاترین وزنه برداری به مشاوره ای ارائه می شود که یک متخصص در پاسخ به اخبار مربوط به سرمایه گذاری در صورتی که این متخصص نیز Correspon را ارائه می دهد ارائه می دهدسرمایه گذاری های دینگ از طرف خود (وزن بالاتر نیز ممکن است از نظر آماری اثبات شود (توجیه شود) در صورت ارائه چنین توصیه هایی به همکاران تجاری یا دوستان. در این موارد اگر پیش بینی آماری موفقیت برای آن حوزه (های) سرمایه گذاری به اندازه کافی بالا باشد ، می توان معاملات فوری را انجام داد. در این راستا ، انواع خاصی از توصیه ها ممکن است بیشتر مطابق با رفتار تاریخی بازار با توجه به آن توصیه ها وزن شود. در این حالت ، اقدامات مرتبط مرتبط با متخصص (به عنوان مثال ، انجام یک سرمایه گذاری شخصی مستقیم در مورد آن توصیه ، مقدار چنین سرمایه گذاری و/یا توصیه ای که به همکاران ، دوستان و غیره داده می شود) می توانند در پیش بینی این ویژگی های مفید اضافی باشندکیفیت پیش بینی ها (به عنوان مثال ، احتمال و بزرگی پیش بینی با توجه به بازار). البته ، این پیش بینی های بازار در مورد مشاوره متخصصان در پاسخ به نسخه های خبری منحصراً نیازی به زمینه ظاهر آنها نیست. و پیش بینی های بلند مدت ممکن است مطابق با مدل معاملات کوتاه مدت بر این اساس در نظر گرفته شود.
ما ممکن است در یک نمایشگاه پسوند بسیار مشابه "متخصصان" به عنوان مشاورانی که در حال انتشار مشاوره خود هستند ، به عنوان مثال ، ستون نویس هایی که تحلیلگر بازار یا تحلیلگران مشاوره تحلیلگر هستند. تکنیک زیر ممکن است برای تقویت بازخورد ارتباط عمومی مفید باشد ، اما به ویژه برای استفاده از متخصصان با توجه به سهام آنها که متخصص هستند ، جذاب است. بازخورد ارتباط ریز و درشت تر ممکن است از طریق مشاهده خودکار بصری ، به عنوان مثال ، از طریق رایانه کاربر کاربر استفاده شود. دوربین. بخش های متن خاص و حتی کلمات مشاهده شده توسط متخصص و لحظه مرتبط با لحظه به لحظه "هیجان" یا "پاسخ دلسوز" با اندازه گیری پویا میزان اتساع دانش آموزان و میزان تغییر آن. مانند سایر اشکال بازخورد مرتبط ، این اندازه گیری ها ممکن است با تعیین مقادیر مقایسه ای نسبی در تعدادی از سایت های مختلف در تعداد زیادی از کاربران عادی شوند و تعبیر درجه پاسخ را به سمت مقداری تنظیم کنند که متناسب با درجه نسبی باشدپاسخ به ویژه برای آن سایت. این روش می تواند برای اندازه گیری ارزش مطلق و درجه تغییر در پاسخ به یک هدف هدف قابل شناسایی (در این زمینه نیز جمله یا حتی کلمه کلیدی مرتبط) اعمال شود. این رویکرد کلی برای بازخورد مرتبط به طور کلی در ایالات متحده پت پیشنهاد شده است. شماره 5،754،939 ، "سیستم برای تولید پروفایل های کاربر برای یک سیستم برای شناسایی الکترونیکی سفارشی اشیاء مطلوب". روش حاضر ممکن است بینش بیشتری در مورد ماهیت و درجه خاص الگوی پیش بینی شده حرکت سهام ارائه دهد. چنین مقالاتی ، که از نظر اندازه گیری به همین دلیل ارزش پیش بینی کننده محتوای آنها مشابه هستند ، برای متخصصانی که ممکن است قوانین معاملاتی دست ساز باشند (همانطور که در زیر توضیح داده می شود) و البته ، البته از ارزش قابل توجهی برخوردار است. کاربرانی که مایل به تصمیم گیری در مورد معاملات دستی هستند بر اساس نسخه های جدید که به ویژه در شرایط مناسب ترین شرایط ردیابی زمان واقعی مرتبط هستند (مانند نسخه دستی کاملاً غیر خودکار از سیستم حاضر). به عنوان مثال ، کاربرانی که به طور خودکار از یک شرط مطلع می شوند ، به عنوان مثال ، اطلاعات و/یا اقدامات رفتاری و/یا توصیه های متخصصان که در آن چنین شرایطی به آستانه پیش بینی کننده تغییر بازار خاص می رسد. در این حالت ، آن فرد ممکن است به طور خودکار از متغیرهای (های) که این شرایط را تشکیل می دهد ، به طور خودکار مطلع و ارزیابی شود.
در توضیح بیشتر این مفهوم ، حتی قابل تصور است که ما می توانیم برخی از معانی "پنهان" یا عناصر مفهومی سطح بالاتر را در نظر یا تجزیه و تحلیل انتخاب کنیم که ممکن است به درستی توسط سیستم تشخیص داده نشده باشد ، و به وضوح توسط آن منتقل نشده است. متخصص انسان (یا شاید در پاسخ بدون اینکه اصلاً منتقل شود). به این ترتیب ممکن است کسی از پاسخ این متخصصان در ترکیب با قالب هایی که می آیند (و به عنوان چنین مشخص می شوند) از مقاله (ها) که اخیراً توسط متخصص خوانده شده است ، قبل از انتشار پاسخ های مرتبط ، بیشتر تلاش کند تا الگوهای خوشه ای را انجام دهد. البته رویکرد حاضر می تواند بیشتر به "متخصصان" حرفه ای (یعنی تحلیلگران سهام) گسترش یابد.[0030]
روش حاضر همچنین می تواند برای انتشار مطبوعات و همچنین اطلاعات عمومی تر همانطور که در وب سایت های شرکت ارسال می شود ، گسترش یابد. مجدداً ، همانطور که در بالا پیشنهاد شد ، رفتار "کارشناسان سرمایه گذاری" ممکن است به طرز مفیدی اعمال شود و این احتمال وجود دارد که انواع دیگر رفتار فرد (به عنوان مثال ، "خودی" شرکت ها) ممکن است درک قابل توجهی در بازار و تغییرات مرتبط با آن شرکت را نشان دهند که آشکار می شوداز طریق مستندات و مکاتبات. در واقع مستندات ، مکاتبات و رفتار معاملاتی چنین افرادی ممکن است به طور ضمنی پیش بینی کننده برای تحرک خودکار فعلی اقدامات تجاری باشد و ممکن است حاوی بینش های ارزشمندی باشد که می تواند انسان را در بازارها آگاه کند و سرمایه گذاری کنند تا قوانین سفارشی دست ساز را برای "تحریک" چنین اقداماتی انجام دهند.(شرح زیر).[0031] همچنین می توان به روابط مانند تعداد کل عموم مردم که نماینده سرمایه گذار معمولی در آن بخش سرمایه گذاری سهام برای خواندن یک مقاله معین هستند ، مراجعه کنید ، به سایت شرکت های خاص صفحات مربوطه مراجعه کنید ، درصد از مواردی که متعاقباً (یابلافاصله) وب را جستجو کنید (به عنوان مثال ، کلمات کلیدی مربوط به آن شرکت یا رویداد را ارائه دهید) ، مقالات اضافی را بخوانید یا به وب سایت شرکتی آن شرکت مراجعه کنید. همچنین می توان تجزیه و تحلیل مشابهی را برای "متخصصان" یا خودی ها ارائه داد (اگرچه این مدل احتمالاً باید این واقعیت را در بر بگیرد که الگوهای رفتاری معمولی سرمایه گذار تمایل به ارتباط با تغییرات بازار (فوری تر) در حالی که "متخصصان" یا "رفتار" یا "خودی" هستندحتی ممکن است حرکات پیش بینی شده ناشی از همبستگی با رفتار سرمایه گذار معمولی را پیش بینی کند (تا حدی که وقایع اصلاح کننده ادراک عمومی می توانند با استفاده از دانش آنها بهتر پیش بینی شوند ، (به عنوان مثال ، دانش از پیش فرض تر و/یا دسترسی به منابع اطلاعاتی مفید اضافی. در موارد دیگر ، این احتمال وجود دارد که افراد آگاه احتمالاً روند مثبت یا منفی طولانی مدت را بهتر از سرمایه گذار معمولی پیش بینی کنند که می تواند در مدل تصمیم گیری معاملات خودکار بطور کلی انجام شود. اطلاعات خاصی قبل از برداشت توسط مطبوعات و از طریق رفتار خود قادر به آشکار بودن قابل توجه هستندسرنخ ها ، از طریق رفتار آنها ، که یک مقاله خبری را پیش بینی می کند که به اطلاعات قابل توجهی کمک می کند. این که آیا افراد و تا چه اندازه از نظر اطلاعاتی از نظر اطلاعاتی کوتاه مدت در مقابل رفتار بازار بلند مدت در مقایسه با جامعه سرمایه گذار عمومی (و تا چه میزان) با استفاده از داده های واقعی پیش بینی می کنند. با این حال ، منطقی است که انتظار داشته باشیم که در بیشتر موارد ، ارزش کارشناسان آگاه احتمالاً مزایایی را برای تصمیمات معاملاتی بلند مدت فراهم می کند. این مدل باید در مدل معاملات کوتاه مدت خود طراحی شود تا چنین عوامل بلند مدت را به حساب آورد (مانند موارد پیشنهادی یا اقدامات ، سرنخ ها و توصیه هایی که از متخصصان خاص دامنه سرمایه گذاری داخلی اثبات شده است) ، یعنی پیش بینی قیمت بلند و کوتاه مدت(مربوط به نسخه فعلی و سایر ورودی های مرتبط ، گذشته و حال) باید در یک استراتژی معاملاتی کوتاه مدت در نظر گرفته شود ، اگرچه تأثیر نسبی اثرات بلند مدت در این زمینه احتمالاً برای هر تجارت معین اندک است اما با گذشت زمان می تواند قابل توجه باشد. در این مرحله شاید شایان ذکر است که ارزش واکنش این افراد را که رفتارهای آنها از ارزش پیش بینی کننده تلقی می شود ، نشان دهد. به عنوان مثال ، زمان صرف شده در جستجوی یک اعلامیه جدید (در اندازه گیری های مطلق و به ویژه نسبی) و همچنین داده های دیگری که می تواند ضبط شود ، به عنوان مثال ، پاسخ های کلامی ، صورت یا حرکتی مرتبط ، اتساع شفیرک ، مکاتبات ساخته شده ، محتوای صفحات خوانده شده-line ، و غیره ، بلافاصله پس از انتشار ، و غیره. نوسانات کوتاه مدت بازار. پاسخ عاطفی یک متخصص سرمایه گذاری واقعی نیز ممکن است پیش بینی کننده بهتری از فعالیت های بلند مدت باشد. البته ، چنین همبستگی های پیش بینی کننده ای را می توان در سطح افراد نسبت به سرمایه گذاری های فردی استخراج کرد و (با توجه به داده های تاریخی کافی) حتی به رفتار خاص آن شخص یا "مشخصات کاربر" کلی ، به عنوان مثال ، پروفایل های محتوا دسترسی پیدا می کند ، صفحات ضربه می زنند ، ارتباطات(از قالب ها و مطالب مختلف) انجام شده ، از جمله برخی از ویژگی های رفتاری ، که با سایر متغیرهای مهم مانند ردیابی اخبار سرمایه گذاری ارتباط دارد ، از جمله صفحات در مورد جزئیات صنعت ، سایت های موجود در یک حوزه سرمایه گذاری خاص (از جمله فناوری اساسی مرتبط) ، متخصص دامنههوش استنباط ، ظرفیت شهودی یا حس شغلی ، احتیاط در تصمیم گیری های خرید "عاقلانه" (در حوزه سرمایه گذاری یا به طور کلی) و همچنین علائم کاملاً عاطفی نشانگر (مانند اتساع پاپیلری و سایر رفتارهای قابل اندازه گیری مرتبط با خواندن خواندنقطعه خاص از محتوای کلیدی) ، و غیره. تجزیه و تحلیل های پیچیده تر ممکن استه. ترتیب اعلامیه ها ممکن است قابل توجه و همچنین زمان آنها باشد. به عنوان مثال ، یک سهام دو روز پس از اعلام ممکن است نتیجه اعلامیه باشد ، اما اگر یک اعلامیه دیگر مداخله کند ، کمتر احتمال دارد. ترکیبات دیگر را می توان در نظر گرفت (به عنوان مثال ، بسته به سلامت مالی شرکت می توان تفسیر متفاوتی را تفسیر کرد) ، اما با توجه به کمبود داده ها (علی رغم مقادیر گسترده موجود) ، باید مراقب باشید که بیش از حد مناسب باشد (یعنی ، برای تناسب مدل ها با نوسانات تصادفی). روشهای آماری استاندارد آزمون معناداری در اینجا مفید هستند.[0032] زمان 14 اگرچه تأثیر نسبی اثرات بلند مدت در این زمینه احتمالاً برای هر تجارت معین اندک است اما با گذشت زمان می تواند قابل توجه باشد. در این مرحله شاید شایان ذکر است که ارزش واکنش این افراد را که رفتارهای آنها از ارزش پیش بینی کننده تلقی می شود ، نشان دهد. به عنوان مثال ، زمان صرف شده در جستجوی یک اعلامیه جدید (در اندازه گیری های مطلق و به ویژه نسبی) و همچنین داده های دیگری که می تواند ضبط شود ، به عنوان مثال ، پاسخ های کلامی ، صورت یا حرکتی مرتبط ، اتساع شفیرک ، مکاتبات ساخته شده ، محتوای صفحات خوانده شده-line ، و غیره ، بلافاصله پس از انتشار ، و غیره. نوسانات کوتاه مدت بازار. پاسخ عاطفی یک متخصص سرمایه گذاری واقعی نیز ممکن است پیش بینی کننده بهتری از فعالیت های بلند مدت باشد. البته ، چنین همبستگی های پیش بینی کننده ای را می توان در سطح افراد نسبت به سرمایه گذاری های فردی استخراج کرد و (با توجه به داده های تاریخی کافی) حتی به رفتار خاص آن شخص یا "مشخصات کاربر" کلی ، به عنوان مثال ، پروفایل های محتوا دسترسی پیدا می کند ، صفحات ضربه می زنند ، ارتباطات(از قالب ها و مطالب مختلف) انجام شده ، از جمله برخی از ویژگی های رفتاری ، که با سایر متغیرهای مهم مانند ردیابی اخبار سرمایه گذاری ارتباط دارد ، از جمله صفحات در مورد جزئیات صنعت ، سایت های موجود در یک حوزه سرمایه گذاری خاص (از جمله فناوری اساسی مرتبط) ، متخصص دامنههوش استنباط ، ظرفیت شهودی یا حس شغلی ، احتیاط در تصمیم گیری های خرید "عاقلانه" (در حوزه سرمایه گذاری یا به طور کلی) و همچنین علائم کاملاً عاطفی نشانگر (مانند اتساع پاپیلری و سایر رفتارهای قابل اندازه گیری مرتبط با خواندن خواندنقطعه خاص از محتوای کلیدی) ، و غیره. تجزیه و تحلیل های پیچیده تر ممکن استه. ترتیب اعلامیه ها ممکن است قابل توجه و همچنین زمان آنها باشد. به عنوان مثال ، یک سهام دو روز پس از اعلام ممکن است نتیجه اعلامیه باشد ، اما اگر یک اعلامیه دیگر مداخله کند ، کمتر احتمال دارد. ترکیبات دیگر را می توان در نظر گرفت (به عنوان مثال ، بسته به سلامت مالی شرکت می توان تفسیر متفاوتی را تفسیر کرد) ، اما با توجه به کمبود داده ها (علی رغم مقادیر گسترده موجود) ، باید مراقب باشید که بیش از حد مناسب باشد (یعنی ، برای تناسب مدل ها با نوسانات تصادفی). روشهای آماری استاندارد آزمون معناداری در اینجا مفید هستند.[0032] 14 ¼ برای تناسب مدل ها با نوسانات تصادفی). روشهای آماری استاندارد آزمون معناداری در اینجا مفید هستند.[0032] 10:12 برای تناسب مدل ها با نوسانات تصادفی). روشهای آماری استاندارد آزمون معناداری در اینجا مفید هستند.[0032] 10:13 14 14 ¼ 10:14 14 ¼ 14 10:15 14 10:16
13¾
