MERCURIO.1 : news-driven prediction of interesting financial events

Being able to understand the financial market is very important for investors and, given the width and complexity of the topic, tools to support investor decisions are very much needed. In this thesis, we present a new version of Mercurio, a system currently investigated at Politecnico di Milano that supports the decision-making process of financial investors through the automatic extraction and analysis of financial data coming from the Web. Mercurio formalizes the knowledge and reasoning of an expert in financial journalism and uses it to identify relevant signals within financial newspapers. Moreover, it performs automatic analysis of financial indexes to identify relevant signals related to the stock market. Then, sequential pattern mining is used to predict exceptional events on the basis of the knowledge of their past occurrences and relationships with other signals, in order to warn investors about them. This research is motivated by both the good reception of the previous version among investors and the awareness that the predictive performance of the old version would have benefited from the formalization and recognition of new signals. The main contributions of this thesis are indeed in that direction, Mercurio.1 is able to detect several new signals coming both from numerical and textual sources. The results are very encouraging and the innovative nature of such a system has allowed us to obtain some scientific publications.

Essere capaci di comprendere i meccanismi che regolano i mercati finanziari è molto importante per gli investitori. Considerando l'ampiezza e la complessità dell’argomento in questione, uno strumento capace di supportare e guidare il processo decisionale degli stessi sarebbe estremamente utile. In questa tesi viene presentata una nuova versione di Mercurio, un sistema attualmente oggetto di ricerca al Politecnico di Milano che offre supporto agli investitori attraverso l'estrazione e l'analisi automatica di dati finanziari provenienti dal web. Mercurio è capace di formalizzare la conoscenza e il ragionamento di un esperto in giornalismo finanziario e di utilizzare ciò per identificare eventi rilevanti a partire dal contenuto dei quotidiani finanziari. In aggiunta, un'analisi automatica degli indici finanziari e integrata per identificare gli eventi rilevanti legati al mercato azionario. Infine, il sistema è in grado di costruire un modello predittivo grazie ad algoritmi di sequential pattern mining, con l’obbiettivo di prevedere eventi finanziari eccezionali sulla base della conoscenza delle loro occorrenze e relazioni con altri eventi passati. In questo modo gli investitori vengono avvertiti anticipatamente della presenza di un possibile evento finanziario e hanno tutto il tempo necessario per determinare il momento più adatto per posizionarsi nel mercato. Questa ricerca è motivata sia dalla soddisfazione degli investitori nei confronti della versione precedente, si dalla consapevolezza che la qualità delle predizioni potrebbe migliorare notevolmente con l’aggiunta di nuovi segnali al sistema. Il principale contributo di questa tesi è infatti in questa direzione, Mercurio ora integra svariate nuove sorgenti di dati ed è ora capace di riconoscere molti segnali aggiuntivi provenienti sia da fonti testuali che numeriche. I risultati sono molto confortanti e il carattere indubbiamente innovativo di un tale sistema ci hanno permesso di ottenere alcune pubblicazioni scientifiche.