ELAINE用例–使用Symbolic Logic改善金融市场的统计预测
在我以前的文章中，我介绍了ELAINE社区工具，该工具可用于从文本交流中发现变量。
如果市场环境与类似先前经济周期的模式非常接近，则统计预测器可很好地用于基于引发供需的宏观因素来绘制经济活动的路线图。不幸的是，在当今的地缘政治环境中，许多这些新变量正在注入推动金融市场动荡的力量。这些变量是新的和未知的时，超出了统计分析或概率分析的范围。
传统的观点是使用统计数据来制定投资策略，但该技术仅在预测变量已知的情况下有效。在每种情况下，符号逻辑都可以用作健全性检查，以验证统计预测变量的适当性。
简而言之，这就是符号逻辑可以提供的帮助：
1.大量财经新闻流的输入源
2.执行以下操作的符号逻辑实现：
使新闻来源的语义和上下文与符号逻辑保持一致
从新闻中发现人物，地点，事件，动作等主题
从这些新闻详细信息派生高级抽象（HLA）
将HLA关联到每个新闻摘录的标签
HLA根据动力，挑战和进行中的三个标准对每个新闻摘录的排名相关性
3.从最高HLA得出的对统计预测指标的区分有助于识别缺失的变量和预测的有效性。
为了进一步证明这一讨论，以下是指向ELAINE在2020年3月9日上午进行新闻分析的链接。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！