基本上這兩場演講在方法上都算是走一個比較中規中矩的路線。
一、文字分析在財務上的應用－以股價預測為例 / 楊立偉 台灣大學工商管理學系 教授
這場主要是由楊立偉分享兩組台大工管系學生所作出來的成果。
在股價分析上大致可分為四個面向：
- 基本面：財務報表、營業報告、交易資料
- 技術面：股票走勢等時間序列分析，例如：XQ 操盤高手
- 消息面：重大消息
- 環境面：景氣、利率、匯率等
而這次的主題主要是從消息面著手。至於為什麼社群訊息能預測股價？
1. 公司內部訊息由社群傳播
2. 群眾決定市場
3. 不論真確度都值得參考
參考的論文為《Twitter mood predicts stock market 86.7% Accuracy》。資料的準備上，蒐集看漲及看跌文章，2016年 1–11 月財經文章約 9 萬篇，並根據幾天後股市的漲跌來做驗證貼標籤。
A 組學生
- 以每日均價的標準差進行排名，找出標準差最大的前四十名，作為有明顯漲跌波動的選股。
- 人工提名十初個形容股市漲跌的字詞，例如：走低、震盪、利多、利空、跌破等，並找出包含這些詞的文章。
- 各自依 2-4 gram 作切割合併，依 TF*DF 卡方排序，合併刪除過於相近的字詞（例如子字串）。
（中間步驟沒聽到）
4. 分別以 1、3、7 天後的股價作分類模型，以漲跌幅作為目標，實作後以 1 天後準確度最高。
5. 採 KNN、SVM、Random Forest，最佳結果為 Random Forest：
- Number of Trees：500
- Number of Variables / Tree：sqrt（n），n = number of terms
6. 驗證方法 K Fold Validation：
- K = 5
- 5 fold X 5 round = 25 iterations
- Accuracy Rate = Average of All Iterations
B 組學生
- 挑選散戶熱門，並且新聞討論熱度較高的股票。
- 篩選含選定個股名稱的文章作為語料，各自依 2–4 gram 作切割合併，依 DF 卡方排序，選出前幾名的詞。
- 加入考慮大盤趨勢的三個特徵變數：
- 台股收盤指數
- 即期買匯
- 即期賣匯
4. 加入是否假日發佈的特徵變數：若在假日發佈，投資人可能有較長時間作驗正，因而調整對股價的預期。
5. 建立特徵矩陣：實驗 Top 300、500、1000 個字詞數，準確率無明顯變化，故採 Top 300 字詞，加上其他 4 個特徵。
6. 準備訓練資料集：
- Step 1：計算日報酬率的平均值及標準差：mean±1/2*sigma 作為漲跌的判斷值
- Step 2：將每篇文章標籤上新聞發佈前最後一次開市的股價
- Step 3：將每篇文章標籤上新聞發佈後三天股市的收盤價
- Step 4：計算各篇文章在發佈後三日的報酬率，小於 mean-1/2*sigma為跌，大於mean+1/2*sigma為漲，介於中間為一般波動。
7. 實驗結果：各模型平均準確率 SVM 0.61、KNN 0.64、Decision Tree 0.80。
以上是這場演講的主要簡報內容，其實個人覺得沒有交代得很清楚，不過看起來的作法推測應該是藉由 N-gram 來斷字，找公司名稱，取代以往要建立詞庫的方式。接著列出人工定義的看漲跟看跌的詞，例如：走低、震盪、利多等等，把這些詞當作欄位屬性，有是 1 沒有是 0； B 組學生有再把自己的專業領域知識加入，放了其他變數。最後根據實際股價漲跌，來看包含這些字的文章，是否真的如實漲了或跌了。簡單來說，一篇文章出來後，去驗證他說得準不準，如果準，以後這樣的文章出來後，就能知道隔幾天股市會漲會跌。
N-gram 是一直有耳聞但還沒嘗試過的小技巧，感覺之後應該有機會能夠試試看，以下這篇文章覺得這位大大把 N-gram 能做的事說得蠻清楚的：
以文字分析而言，這是一個有趣的嘗試，不過感覺離實際應用還有一段距離。雖然一開始整體文章有 9 萬篇，但學生挑出了必須含有股市漲跌字詞的文章，這樣剩下的文章有幾篇？能預測的標的數量感覺蠻有限。另外有沒有可能其實那間公司發生了什麼事情，所以股價早已經跌了，然後相關的新聞出來後，股價再繼續跌，這樣也會被當成文章有預警效果嗎？這是初步的一些想法，不過無論如何還是覺得這樣的嘗試蠻好的。
二、以深度學習估算車牌競標成交價 / 周恩誌 香港中文大學經濟系 講師暨計算設施主任
這場演講的講者周恩誌為經濟學背景，因此對於他怎麼會使用深度學習來處理車牌價格問題覺得有點興趣。一開始研究的動機是想要了解車牌拍賣價格是否有下午效應？意即上下午平均價格不一。而會將問題定義為一個 RNN 能夠處理的範疇，主要在於車牌上面英文數字的排列順序，對於車牌價格的影響非常大。例如數字「168」帶有中文「一路發」的概念，因此價格就會較「861」或「186」等來得高上不少，基於這樣的理由而使用了 RNN 模型。周恩誌說對於一個經濟學學者而言，這個問題就像是一個翻譯：「將車牌號碼翻譯成價格」。
資料集為 1997 Jan — 2010 Jul 香港車牌拍賣記錄 52,926 筆，其中有 5.1% 車牌沒有賣出，剩 50,698 筆，欄位內容有車牌號碼、售價、拍賣日期。將資料分成三份：64% 訓練 16% 選擇模型 20% 測試，以訓練集訓練了 40 次。模型設計上使用 Bidirectional RNN，每次輸入車牌上的一個字元，周恩誌表示 Batch Normalization 有助加速訓練，無需使用 LSTM，然後將輸出結果相加。模型評估上使用 Root Mean Square Error。至於參數則為：
- Character Embedding：12, 32, 64, 128, 256
- 每層神經單元數：64, 128, 256, 512, 1024, 2048
- RNN 層數：1, 3, 5, 7, 9
- Fully-connected 層數：1, 3
- Dropout rate：0, 0.05, 0.1
對於深度學習還很不熟，所以沒辦法在技術層面上有什麼想法，但社會科學領域的學者能夠在碰到實際問題時，試圖以深度學習來做解答，個人很喜歡這樣的一個嘗試。