論文の概要: From Stock Prediction to Financial Relevance: Repurposing Attention
Weights to Assess News Relevance Without Manual Annotations
- arxiv url: http://arxiv.org/abs/2001.09466v3
- Date: Tue, 16 Feb 2021 16:26:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 19:25:13.585205
- Title: From Stock Prediction to Financial Relevance: Repurposing Attention
Weights to Assess News Relevance Without Manual Annotations
- Title(参考訳): 株価予測から金融関連へ:注意重みの取得から手動アノテーションなしでニュース関連性を評価する
- Authors: Luciano Del Corro and Johannes Hoffart
- Abstract要約: 本稿では、株価の動きとニュース見出しを入力として、金融関連ニュースを自動的に識別する手法を提案する。
米国の4つの最も関連性の高い株価指標と150万件のニュース見出しに関する実験は、この手法が関連するニュースを高くランク付けし、最初の株価予測タスクの精度と正に相関していることを示している。
- 参考スコア(独自算出の注目度): 4.541582055558864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a method to automatically identify financially relevant news using
stock price movements and news headlines as input. The method repurposes the
attention weights of a neural network initially trained to predict stock prices
to assign a relevance score to each headline, eliminating the need for manually
labeled training data. Our experiments on the four most relevant US stock
indices and 1.5M news headlines show that the method ranks relevant news
highly, positively correlated with the accuracy of the initial stock price
prediction task.
- Abstract(参考訳): 株価の動きやニュース見出しを入力として、金融関連ニュースを自動的に識別する手法を提案する。
この方法は、まずニューラルネットワークの注意重みを再利用し、株価を予測して各見出しに関連度スコアを割り当て、手動ラベル付きトレーニングデータの必要性をなくす。
米国の株価指数の4つと150万のニュースヘッドラインに関する実験では、この方法が関連するニュースを高いランク付けし、初期株価予測タスクの正確さと正の相関を示した。
関連論文リスト
- Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳(メタデータ) (2023-09-28T13:19:43Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on
Social Media [53.51665032295087]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-05-23T16:40:07Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - Towards systematic intraday news screening: a liquidity-focused approach [1.688090639493357]
毎日大量のニュース記事が発行されているが、そのほとんどは中立的であり、我々は真の効果のあるニュースを識別するための体系的なニューススクリーニング方法を提案する。
スクリーニングされたデータセットは、より効率的な特徴キャプチャを実現し、短期資産返却予測において優れた性能を示す。
論文 参考訳(メタデータ) (2023-04-11T10:14:48Z) - Improved Stock Price Movement Classification Using News Articles Based
on Embeddings and Label Smoothing [1.8920934738244022]
本稿では,ディープラーニングの正規化と最適化手法を取り入れて,ニュース記事を用いた株価変動の分類を改善することを提案する。
さらに、トレーニングモデルの一般化を改善するため、重量減衰、バッチ正規化、ドロップアウト、ラベル平滑化を取り入れた。
一般的に使用されるデータセットに対する実験結果から,テストセットの平均精度は80.7%に達し,大幅な改善が得られた。
論文 参考訳(メタデータ) (2023-01-25T08:33:45Z) - Graph-Based Learning for Stock Movement Prediction with Textual and
Relational Data [0.0]
ストックフォアキャスティングのためのマルチグラフリカレントネットワーク(MGRN)という新しいストックムーブメント予測フレームワークを提案する。
このアーキテクチャは、財務ニュースからのテキストの感情と、他の財務データから抽出された複数の関係情報を組み合わせることができる。
精度テストとSTOXX Europe 600指数の株価のトレーディングシミュレーションを通じて、我々のモデルが他のベンチマークよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-07-22T21:57:18Z) - REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。
第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。
第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
論文 参考訳(メタデータ) (2021-02-15T07:22:09Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - Event-Driven Learning of Systematic Behaviours in Stock Markets [1.4649095013539173]
金融ニュースを活用して、潜伏するイベントストックリンクと株式市場の体系的行動を検出するニューラルネットワークをトレーニングします。
提案するパイプラインは,(1)オープン情報抽出とニューラルコリファレンス・レゾリューションを利用する複合イベント抽出法,(2)BERT/ALBERT拡張イベント表現,(3)イベント,ニュース,時間レベルの注意を含む拡張階層型アテンションネットワークを含む。
われわれのパイプラインは、Standard&Poor 500、Dow Jones、Nasdaq指数、および10の個別株の予測に適用される際に、最先端のモデルよりもはるかに優れた精度とシミュレーションされた年次リターンを達成する。
論文 参考訳(メタデータ) (2020-10-23T16:14:25Z) - Self-training Improves Pre-training for Natural Language Understanding [63.78927366363178]
我々は、半教師付き学習を通じてラベルのないデータを活用する別の方法として、自己学習について研究する。
本稿では,ラベル付きデータからタスク固有のクエリの埋め込みを計算するデータ拡張手法であるSentAugmentを紹介する。
我々のアプローチは、標準的なテキスト分類ベンチマークで最大2.6%の改善を達成し、スケーラブルで効果的な自己学習に繋がる。
論文 参考訳(メタデータ) (2020-10-05T17:52:25Z) - Stock Index Prediction with Multi-task Learning and Word Polarity Over
Time [2.240287188224631]
感情抽出器と要約器からなる2段階システムを提案する。
我々は、ニュースの価値を予測するマルチタスク学習のBERTを採用し、極性-極性(Polarity-Over-Time)という指標を提案して、単語の極性(Polarity)を抽出する。
Weekly-Monday予測フレームワークと10年間のReuters金融ニュースデータセットという新しいデータセットも提案されている。
論文 参考訳(メタデータ) (2020-08-17T20:22:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。