Исследователи Центра ИИ НИУ ВШЭ выступают на международной Ясинской конференции

Photo by iStock

В рамках проекта «Искусственный интеллект в макромоделировании и прогнозировании экономических процессов и финансовых взаимосвязей с учетом сентимента участников рынка» Тамара Теплова, Максим Файзулин и Татьяна Соколова подготовили доклад «Искусственный интеллект в прогнозировании движения цен акций российского рынка: дополнение технических индикаторов авторскими метриками внимания инвесторов и дивергенции мнений в мессенджерах и социальных сетях». Цель исследования — разработать алгоритм прогнозирования цен акций российских компаний на основе авторских сентимент-метрик дивергенции мнений частных инвесторов и метрик внимания с использованием комплекса технических (биржевых) индикаторов. Для улучшения качества классификации текстовых сообщений применялись ансамблевые модели ИИ.

На основании построенного и улучшенного инструментария классификации текстовых данных были классифицированы сообщения по их тональной окраске (негативная, нейтральная, позитивная) с двух российских онлайн-платформ коммуникации инвесторов. Это позволило построить уникальные сентимент-метрики внимания частных инвесторов и дивергенции их мнений относительно рынка в целом и прошлого сентимента по отдельным акциям.

Использования ансамблевой модели ИИ позволит повысить точность прогнозирования цен акций в сравнении с раздельным тестированием моделей ИИ. Результаты работы могут быть использованы финансовыми аналитиками, портфельными управляющими и частными инвесторами для создания инвестиционных стратегий на рынке акций с учетом сентимента частных инвесторов.

Алексей Куркин представляет доклад «Анализ нелинейных эффектов влияния сентимента инвесторов на доходность NFT-активов». Цель данного исследования – выявить детерминанты доходности по пяти основным сегментам рынка NFT-активов. Выдвигается ряд гипотез относительно влияния индексов сентимента инвесторов крипторынка и проверяет их с помощью различных подходов. По результатам расчетов, линейные подходы не в полной мере подходят для изучения влияния индексов сентимента на рынок NFT-активов. В то время как наибольшую результативность показали подходы, основанные на нелинейных взаимодействиях, такие как кросс-квантильный анализ и метод энтропии Реньи. В ходе изучения для прогнозных построений использовались методы машинного обучения.

Исследование актуально для портфельных управляющих и частных инвесторов с точки зрения

прогнозирования динамики доходности различных сегментов рынка NFT-активов.