你知道投資市場在想甚麼？

    情緒分析的技術原理由來以久，但近數年才因應科技發展而開始成為市場焦點。其養份來自流動網絡、智能手機、社交平台等的發展，導致數據種類及量幾何級膨脹、數據儲存量及處理速度升級，以及逐步成熟的人工智能和機器學習技術。

    情緒分析的英文是Sentiment Analysis，雖名為“情緒”，但嚴格來說是一種群眾意見觀點的綜合分析。基本概念很簡單，但沒有情緒分析技術卻很難完成。舉個例，一間學校的學生有甚麼興趣？喜歡吃甚麼？答案可能很容易得到。若要處理全澳、整個廣東省、全中國的學生，情緒分析技術就要於海量的數據資料中歸納出有用的看法、意見等。

    留言對話成分析線索

    情緒分析技術對投資市場亦有啟示作用。基於“市場不是有效率的”（針對Efficient-market hypothesis）假設，特別是投資者並不是完全理性的；投資者對不同資訊會因個人情緒、經歷、朋輩影響、市場情緒等作出不同的解讀，反過來影響其他市場參與者。因此，市場參與者在不同社交平台或投資群組等的留言、對話就為分析提供線索。

    現階段行業專家的主要資料來源為各類英文財經新聞、社交平台如Twitter、Facebook等的帖子、留言等。各研究團隊各師各法，當中重點是把各財經新聞、新聞相關的留言、帖子及相關討論等，分類為正面、負面和中性，然後研究市場或個別資產的綜合情緒對交量額、資產價值、波動率等有何影響。市場上一直有很多不同的理論，例如“Buy On Rumor, Sell On News”等，情緒分析技術可算是提供證實的契機。

    技術可用於危機警示

    資料中的社交元素亦需要考慮。有研究人員認為，同類型的人會較不同類的人接觸較頻密，願意分享知識的人會更傾向於與人交流。研究人員會於社交平台中找出較重要用戶，例如意見領袖，與其交流頻繁的用戶更有可能對某個話題抱相似意見；帖子點讚量、分享量也是帖子及用戶的重要性指標。這些重要的用戶或帖子可能會以比重納入計算。市場可基於這些研究計算成果去建立預算模型，作為投資的參考資料之一。

    情緒分析技術甚至可用於危機警示。以信貸危機為例，除了一些傳統指標如VIX、Libor利率與隔夜指數掉期利率的利差(Libor-OIS spread)等，人的情緒往往是令事件會否成為危機的主因（例如因恐慌而爭相提款）。路透因此正研發一個名為“Systematic Important Financial Institutions (SiFi)”的市場系統性風險情緒指數，市場上重要的金融機構，按其市值、放貸量、負債比率等數據計算比重，綜合成市場對這些金融機構的負面情緒程度，幫助政府、監管機構、投資者等監察市場系統性風險。

    文字多樣性難關重重

    雖然該範疇研究近年有長足進步，但面對問題仍不少。例如要讓機器學習到情緒的正確分類，就要令其理解文字的多樣性。有時候電腦不可直接從字面解讀字句，因句子可能為反語或諷刺。另外社交平台上有大量口語化的用字，例如縮寫的“thx”、“u”、“r”等，或“lol”等，又或加長的“wooow”、“looove it”等多樣表達方式，甚或是以符號組成的表情符號等，加上其他不同的書寫風格、錯別字等，難關重重。

    不要以為人工智能很聰明，它需要研究人員“餵”以大量有質素的資料。機器學習有兩大分類，分別是監督式學習和非監督式學習。監督式學習意指研究人員將所有學習資料作正確分類，機器學習後才懂得作相應的分類。這種學習方法會花研究人員相當巨大的時間；非監督式學習就是讓機器自行學習、自行歸類，但結果較監督式學習參差。所以研究人員需於不同方法中取得平衡。

    另外，現階段發展不俗的只是基於英語的情緒分析，其他重要語言如中文、日文、歐洲語言、印地語等，仍是非常初階。投資市場如港股、A股等，散戶數目比美股高，故一般參與者的情緒對市場的影響理論上會更大。中文情緒分析技術會成為下一個風口嗎？拭目以待。

    秒投平台供稿