Sztuczna inteligencja analizuje emocje na giełdzie z bardzo wysoką skutecznością

sztuczna inteligencja

Rozwiązania konkurencyjne do Sentimenti potrafią rozpoznać jedynie wydźwięk treści (pozytywny, neutralny lub negatywny). To narzędzie idzie o wiele dalej, bo bada nie tylko sentyment, ale i emocje oraz pobudzenie emocjonalne, czyli siłę użytego języka. Narzędzia Sentimenti czytają analizowane treści tak, jakby czytało je ponad 20 tys. Polaków. Dzięki temu wiemy, jakie wzbudzają nastroje.

Jedyne takie rozwiązanie na polskim rynku

Sentimenti to jednak nie tylko badanie tekstu. W oparciu o te rozwiązania oraz z wykorzystaniem sztucznej inteligencji powstał Sentistocks, który prognozuje ruchy instrumentów finansowych na giełdzie ze skutecznością powyżej 78% (dla polskich spółek giełdowych) oraz niemal 80% dla kryptowalut.

– To niespotykana skuteczność, właśnie dzięki odczytywaniu emocji inwestorów i przewidywaniu na ich podstawie zachowań rynku. Nikt tego do tej pory na świecie nie robił i nie robi. – mówi Damian Grimling, CEO Sentimenti.

– Tak skuteczną predykcję umożliwia analiza treści oparta nie na samym sentymencie (negatywny versus pozytywny), ale na precyzyjnym odczytaniu ośmiu emocji (radość, zaufanie, strach, zaskoczenie, smutek, wstręt, gniew, oczekiwanie). Nie zatrzymujemy się i już prowadzimy prace nad prognozowaniem kursów indeksów największych giełd, jak amerykański S&P 500, niemiecki DAX czy brytyjski FTSE 100, czołowych spółek technologicznych czy par walutowych. – dodaje prezes spółki.

W badaniach prowadzonych przez Sentimenti wykorzystano model Plutchika, który obejmuje osiem emocji podstawowych odczuwanych przez ludzi. Dzięki temu firma jest w stanie oszacować, w jakim stopniu te emocje są wyrażone w danym tekście i jakie tekst wzbudza nastroje u odbiorcy. Takie rozwiązanie ma szerokie zastosowania nie tylko w badaniu dyskusji w sieci, ale też w marketingu.

Spółka analizuje dostępne w sieci teksty pod kątem zawartych w nich emocji, aby m.in. tworzyć raporty pokazujące ich wpływ na notowania spółek giełdowych i kursy kryptowalut. Skuteczność predykcji trendów wykonanych z użyciem narzędzia wahają się między 78% a 85%. Narzędzie prawidłowo zaprognozowało 87,1% kierunków w trendach dla reprezentatywnej próby 40 spółek z głównego parkietu GPW.

Giełda, kryptowaluty i nie tylko

W kontekście kryptowalut, na bazie modelu wyuczonego na danych z lat 2018 i 2019, stworzono prognozę na rok 2021 – skuteczność predykcji wskaźnika zmiany kursu Bitcoina wyniosła 78,95%.

– To, co na nas zrobiło największe wrażenie, to bardzo zaawansowana technologia, rozwinięta na poziomie udowadniającym jej potencjał, już w momencie, gdy zespół zgłosił się do nas w sprawie finansowania. – komentuje Tomasz Czapliński, partner zarządzający SpeedUp Group.

– Jeszcze przed naszą inwestycją zrealizowaliśmy z zespołem projekt PoP, sfinansowany z przyznanego przez nas grantu w wysokości 200 tys. PLN. Pozwoliło to zweryfikować założenia dotyczące komercjalizacji spółki i przetestować produkt u potencjalnych klientów. Widzimy wiele obszarów potencjalnych zastosowań technologii rozpoznawania emocji, zwłaszcza w sektorze finansowym. – mówi Tomasz Czapliński.

Inżynieria lingwistyczna, AI i sieci neuronowe  Twórcy Sentimenti przeprowadzili badania psycholingwistyczne z udziałem kilkudziesięciu tysięcy Polaków. Ta reprezentatywna grupa oceniała, jakie emocje odczuwają dla odpowiednio dobranych słów, fraz i całych tekstów. Spółka korzysta z najnowszych rozwiązań z zakresu przetwarzania języka naturalnego, co pozwala na lepsze rozumienie analizowanych tekstów. Narzędzie już dziś rozpoznaje emocje w 17 językach, docelowo będzie ich około 100.

Podstawą projektu było zebranie i kategoryzacja emocji dla ponad 30 000 słów, fraz i tekstów na grupie 22 000 Polaków. Zbiór będący największą w Polsce, i jedną z największych na świecie, bazą słów i tekstów otagowanych emotywnie opracowali neurobiolodzy z Instytutu Nenckiego Polskiej Akademii Nauk. Następnie zbiór ten został wykorzystany w modelach uczenia maszynowego przez inżynierów lingwistów Politechniki Wrocławskiej.

– Dostarczamy wyniki w oparciu o dwa modele: 8 emocji podstawowych zaproponowanych przez Plutchika oraz klasyczny model sentymentu ze skalą polaryzacji (pozytywny, negatywny) i pobudzenia dla dowolnych tekstów. Mamy 1,5 mln oznaczonych emocjami słów fraz i tekstów. Dzięki temu mamy najlepszy na świecie algorytm do rozpoznawania emocji w tekstach. – komentuje Damian Grimling.

Dodaj komentarz