Fugu-MT 論文翻訳(概要): ESG2Risk: A Deep Learning Framework from ESG News to Stock Volatility Prediction

論文の概要: ESG2Risk: A Deep Learning Framework from ESG News to Stock Volatility Prediction

arxiv url: http://arxiv.org/abs/2005.02527v1
Date: Tue, 5 May 2020 23:01:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 13:41:10.728869
Title: ESG2Risk: A Deep Learning Framework from ESG News to Stock Volatility Prediction
Title（参考訳）: ESG2Risk - ESGニュースから株価変動予測までのディープラーニングフレームワーク
Authors: Tian Guo, Nicolas Jamet, Valentin Betrix, Louis-Alexandre Piquet, Emmanuel Hauptmann
Abstract要約: 我々は、金融ニュースフローにおけるESGイベントに注目し、株価変動に対するESG関連金融ニュースの予測力を探る。特に,深層学習モデルのESGニュース抽出,ニュース表現,ベイズ推定のパイプラインを構築した。
参考スコア（独自算出の注目度）: 2.686135821234372
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Incorporating environmental, social, and governance (ESG) considerations into systematic investments has drawn numerous attention recently. In this paper, we focus on the ESG events in financial news flow and exploring the predictive power of ESG related financial news on stock volatility. In particular, we develop a pipeline of ESG news extraction, news representations, and Bayesian inference of deep learning models. Experimental evaluation on real data and different markets demonstrates the superior predicting performance as well as the relation of high volatility prediction to stocks with potential high risk and low return. It also shows the prospect of the proposed pipeline as a flexible predicting framework for various textual data and target variables.
Abstract（参考訳）: 環境・社会・ガバナンス(esg)を体系的な投資に組み込むことが近年注目されている。本稿では,金融ニュースの流れにおけるESGの出来事に着目し,株価変動に関するESG関連金融ニュースの予測力を探る。特に,深層学習モデルのESGニュース抽出,ニュース表現,ベイズ推定のパイプラインを構築した。実データおよび異なる市場に関する実験的評価は、高いボラティリティ予測と潜在的に高いリスクと低いリターンを持つ株との関係と同様に、優れた予測性能を示す。また、様々なテキストデータとターゲット変数に対する柔軟な予測フレームワークとして、提案されたパイプラインの見通しを示す。

関連論文リスト

Earnings Prediction Using Recurrent Neural Networks [0.0]
この研究は、40年間の財務データを用いて、将来の企業利益を予測するニューラルネットワークを開発する。アナリストのカバレッジギャップに対処し、潜在的に隠れた洞察を明らかにする。会計年度末と四半期決算予測の両方を作成できる。
論文参考訳（メタデータ） (2023-11-10T13:04:34Z)
Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-18T16:21:15Z)
Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文参考訳（メタデータ） (2023-04-15T19:22:37Z)
Deep learning based Chinese text sentiment mining and stock market correlation research [6.000327333763521]
我々は、ストックバーなどの金融フォーラムデータをクロールして、感情分析のためのディープラーニングモデルと組み合わせる方法について検討する。本稿では、BERTモデルを用いて、財務コーパスに対するトレーニングを行い、SZSE成分指数を予測する。得られた感情特徴は、株式市場の変動を反映し、予測精度を効果的に改善するのに役立つだろう。
論文参考訳（メタデータ） (2022-05-10T08:35:33Z)
Research on the correlation between text emotion mining and stock market based on deep learning [6.000327333763521]
本稿では,Bertモデルを用いて金融コーパスをトレーニングし,深セン株価指数を予測する。その結果,BERTモデルを金融コーパスに適用することにより得られる感情特性は,株式市場の変動に反映できることがわかった。
論文参考訳（メタデータ） (2022-05-09T12:51:16Z)
HIST: A Graph-based Framework for Stock Trend Forecasting via Mining Concept-Oriented Shared Information [73.40830291141035]
近年,Webから抽出したストック概念を用いて共有情報をマイニングし,予測結果を改善する手法が提案されている。これまでの研究では、ストックとコンセプトのつながりは定常的であり、ストックとコンセプトのダイナミックな関連性を無視していた。本稿では,事前定義された概念と隠れた概念から,概念指向の共有情報を適切にマイニングできる新しいストックトレンド予測フレームワークを提案する。
論文参考訳（メタデータ） (2021-10-26T14:04:04Z)
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)
Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。