丹尼尔·卡尼曼因其对前景理论的研究而获得诺贝尔经济学奖。他的学术研究帮助证明了行为金融学（以及情绪分析）如何能够改善我们对市场行为的理解。
情绪分析将算法应用于新闻文章、社交媒体和其他数据源，以衡量人们对市场的感受，而行为经济学则识别影响决策的认知偏见。情绪分析可以帮助阐明这些偏见在金融市场中的表现方式。当然，人们的行为往往比他们所说的话更能说明问题，因此情绪分析并不总能捕捉到金融市场等复杂领域的人类情感的复杂性。
尽管如此，它可以帮助我们解读和预测市场行为。具体方法如下。
技术分析师倾向于间接衡量市场情绪，即估计转折点何时发生。但他们的结果往往不一致，因为他们的方法是联想性的，可能无法确定市场结果背后的“原因”。基本面分析采用更因果的方法，但其反馈循环通常比投资者的时间框架更长，并且并不总是能区分价值和价值陷阱。
最优秀的投资者凭直觉就能明白，市场不擅长预测未来的结果。例如，在次贷危机期间，次级证券的定价表明，市场对 80% 的底层贷款的估值约为零。对于那些知道该寻找什么的投资者来说，这是一个非常有利的风险回报方案。同样，去年，市场情绪在很大程度上预计今年会出现经济衰退。
“最好的交易是那些能让你在 CNBC 节目中被人嘲笑的交易。”——Jared Dillian
贾里德·迪利安是我最喜欢的情绪交易员之一，他的观点非常重要。虽然他相信情绪分析，但他承认这是一种很难筹集资金的策略。毕竟，能让人发笑的交易不一定能激发信心或投资资本。此外，许多人怀疑情绪分析的科学严谨性，认为它类似于占星术。
但是，通过重新整理市场数据并应用拍卖理论的原理，我们可以使用情绪分析来对市场行为进行分类。詹姆斯·F·道尔顿率先应用了由 J·彼得·施泰德迈尔开发的市场概况技术来识别不同市场参与者的行为。具体来说，道尔顿的技术观察了一天的形态和其他“市场生成的信息”。例如，如果市场在某一天下跌，只有有限的市场参与者在抛售，或者抛售是由多头清算而不是新卖家推动的，那么这一天的形态可能类似于字母“b”。另一方面，如果投机和空头回补活动推动了买盘，那么这一天的形态可能类似于字母“p”。这些行为表明买卖形式较弱，可能预示着市场可能不像价格本身所显示的那么强或弱。
我们如何知道这些形状是否传达了重要且可操作的信息？通过应用人工智能 (AI)，我们可以测试一天的形状是否由真正随机的过程造成。如何测试？通过对此类过程进行建模，并将其与市场中观察到的实际形状进行比较。如果市场走势是任意的，随机过程的形状分布将与实际形状分布相匹配。但事实并非如此。
拍卖流程：日分类
测试以 99% 的置信度表明，这些结果不符合真正的随机过程。如果它们不是任意的，那么它们必定会产生有价值的信息。事实上，当形状表明由于空头回补或多头清算导致市场过长和过短时，与随机分布的偏差最大。这支持了这样的直觉：从投资角度来看，这些行为既独特又可能可行。
在《使用卷积神经网络进行市场概况分析：了解价格活动的结构》一文中，朱哲斌、洪敏智和陈安平指出，使用类似的图像识别技术可以识别出可能为商品生产商的对冲策略提供信息的市场模式。此类研究可以加深对市场定价过程的理解，并有助于量化投资者情绪。投资者往往只关注价格，而动量策略受到广泛追捧。此类交易有时会变得过于拥挤，导致逆转。这不是随机行为，现在我们有办法客观地衡量这种行为。
这项研究提供了一种基于启发式的因果关系测试技术。Markus Schuller 和 Andreas Haberl 在《投资管理中的因果关系技术：五个关键发现》中阐述了因果关系的前瞻性案例。他们观察到，金融市场“复杂、动态且具有前瞻性”，并由“信息不完整且理性有限的市场参与者”驱动。客观观察和衡量这些市场参与者行为的能力“既有吸引力，又可能非常有利可图”。
这就是情绪分析如何帮助发现阿尔法机会以及为什么它值得纳入我们的投资工具包中。
如需了解 Joshua J. Myers, CFA 的更多市场评论，请订阅他的 SubstackCedars Hill Group (CHG)。
如果你喜欢这篇文章，别忘了订阅 进取的投资者。
所有文章仅代表作者的观点。因此，这些文章不应被视为投资建议，所表达的观点也不一定反映 CFA 协会或作者雇主的观点。
图片来源：©Getty Images / vladystock
CFA 协会会员的专业学习
CFA 协会会员有权自行决定和报告所获得的专业学习 (PL) 学分，包括以下内容 进取的投资者. 会员可以使用在线 PL 追踪器轻松记录积分。
关键词：