1.0Fortune Insighthttps://prime.fortuneinsight.com/web錢琛https://prime.fortuneinsight.com/web/posts/author/chinshunrich600338<blockquote class="wp-embedded-content"><a href="https://prime.fortuneinsight.com/web/posts/485521">跟胡老總編炒野能賺錢嗎？</a></blockquote> <script type='text/javascript'> <!--//--><![CDATA[//><!-- !function(c,d){"use strict";var e=!1,n=!1;if(d.querySelector)if(c.addEventListener)e=!0;if(c.wp=c.wp||{},!c.wp.receiveEmbedMessage)if(c.wp.receiveEmbedMessage=function(e){var t=e.data;if(t)if(t.secret||t.message||t.value)if(!/[^a-zA-Z0-9]/.test(t.secret)){for(var r,a,i,s=d.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),n=d.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),o=0;o<n.length;o++)n[o].style.display="none";for(o=0;o<s.length;o++)if(r=s[o],e.source===r.contentWindow){if(r.removeAttribute("style"),"height"===t.message){if(1e3<(i=parseInt(t.value,10)))i=1e3;else if(~~i<200)i=200;r.height=i}if("link"===t.message)if(a=d.createElement("a"),i=d.createElement("a"),a.href=r.getAttribute("src"),i.href=t.value,i.host===a.host)if(d.activeElement===r)c.top.location.href=t.value}}},e)c.addEventListener("message",c.wp.receiveEmbedMessage,!1),d.addEventListener("DOMContentLoaded",t,!1),c.addEventListener("load",t,!1);function t(){if(!n){n=!0;for(var e,t,r=-1!==navigator.appVersion.indexOf("MSIE 10"),a=!!navigator.userAgent.match(/Trident.*rv:11\./),i=d.querySelectorAll("iframe.wp-embedded-content"),s=0;s<i.length;s++){if(!(e=i[s]).getAttribute("data-secret"))t=Math.random().toString(36).substr(2,10),e.src+="#?secret="+t,e.setAttribute("data-secret",t);if(r||a)(t=e.cloneNode(!0)).removeAttribute("security"),e.parentNode.replaceChild(t,e)}}}}(window,document); //--><!]]> </script><iframe sandbox="allow-scripts" security="restricted" src="https://prime.fortuneinsight.com/web/posts/485521/embed" width="600" height="338" title="“跟胡老總編炒野能賺錢嗎？” — Fortune Insight" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe>https://prime.fortuneinsight.com/web/wp-content/uploads/2020/06/hu_strat_v2.jpg1667813近來big data興起，小弟對此方面都有所研究，尤其對應用另類數據（alternative data）到投機的方法較爲熟悉。其中一個例子，就是量化著名人物在社交媒言論的「情緒」，作為投機買賣的訊號。 是次例子的主角為大名鼎鼎的胡老總編，全名我就不提了，怕被人告「分裂國家」。不過，此人在Twitter經常發表言論，字數亦在2019年後顯著增加（見下圖），作爲內地人的他，可謂首屈一指的愛國KOL。相信各位應該不難知道胡老總編是誰。   選擇他的原因，是坊間有不少「老散」認爲他發表唱好言論，就可以long中國，唱淡則short，彷彿跟着他就能賺錢。系統性地分析此所謂交易策略後，就能明白其獲利能力了。 在討論如何量化其言論「情緒」前，先簡介一下另類數據。這類數據在學界其實並沒有一個準確的定義，只要本來並不是用作金融分析的數據都可以被稱爲「另類」。常見例子有街道相片、衛星圖片、新聞報道錄音等等。而本文所使用的另類數據就是在機器學習層面炙手可熱的社交媒體文本數據（textual data）。 要測試跟着胡老總編投機能否賺錢，首先要量化其社交媒體言論的「情緒」。這層面的計量分析一般有兩大方法，分別爲詞彙法（lexicon approach）及機器學習法（machine learning approach）。 詞彙法大意為把文本數據中的詞語評分，計算出詞語各自的分數後就會計算整個文本的整體分數。有兩個較多人留意的計量分數，分別為極性（polarity）和主觀性（subjectivity），以python內的textblob package執行。前者範圍由-1到1，量度文本的褒/貶，-1是最負面的情感，+1是最正面，0則是中性。後者則是self explanatory，範圍由0到1，越高越主觀。由於此方法較簡單，亦適合使用於胡總的文本，所以會採用此法，操作於下文詳述。 至於機器學習法，則是透過機器學習令程式學懂分辨不同文本的情感，容易一點會使用有監督機器學習（supervised learning）。由於機器學習涉及大量統計/數學知識，在此不贅，有機會再詳述。 再來就到量化文本情緒的操作。使用Tweepy（Twitter webscraping API）獲取胡總所有的tweet後，可以得到一個time series，記錄着每天哪個時間胡總有什麼tweet。為方便分析，小弟將此一天內可能有幾個tweet的數據變成daily time series，預處理（preprocess）並設定所需的horizon為2019年6月1號至2020年6月22號後，就可以得到每天胡總tweet的所有文本數據。當然，上面只是簡單地描述了使用程式技術性地清理數據的過程，詳細的code可能之後才會分享。 有「乾淨」的time series數據，就能透過詞彙法使用textblob把每天胡總的tweet變成一個極性分數（polarity score）。由文本變成數字的過程是經過一部預先訓練的字典（pretrained dictionary），字典內有不同的詞語及相應的極性分數。 舉例：good會是+1、excellent是+2、perfect為+3、reasonable~=0、bad=-1。 此方法的好處是計算速度快，操作亦相對方便。壞處則是面對一些獨特文本，例如諷刺性文本時，極性分數有機會出現誤差。解決方法就是使用機器學習法訓練理解文本更準確的模型。不過，小弟認為胡總心直口快，用字直接，使用詞彙法作快速計算已經足夠。 然後，我們就可以利用極性分數制定策略邏輯，進行回測。如果當天分數高於0，就long大陸，低於0則short，否則就不做任何trade。當然這個邏輯是假設胡總在horizon內的tweet絕大多數是評論美港中三方，有跟進時事的朋友，應該不難發現這假設的合理性。 考慮交易成本後，大陸市場的Sharpe為0.29，「胡總策略」的則為0.12，可見跟胡總並沒有任何益處。這兩個數字也能反映在以下的equity curves： 對歷史數據進行簡單的自然語言處理（natural language processing/NLP）分析後，就會發現坊間「信胡總」的策略並不可行，效果亦不及buy and hold。當然，以上策略未被優化，而且邏輯相對簡單，有不少不同層面的優化空間，有機會再討論。