論文の概要: Stock Market Analysis with Text Data: A Review
- arxiv url: http://arxiv.org/abs/2106.12985v1
- Date: Wed, 23 Jun 2021 04:31:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-25 14:52:44.380194
- Title: Stock Market Analysis with Text Data: A Review
- Title（参考訳）: テキストデータを用いた株式市場分析:レビュー
- Authors: Kamaladdin Fataliyev, Aneesh Chivukula, Mukesh Prasad and Wei Liu
- Abstract要約: 株式市場の動きは、ニュース記事、会社の報告、ソーシャルメディアの議論を通じて共有される公私情報の影響を受けている。
文献のほとんどの研究は、構造化されていない膨大なテキストデータを分析するのに不足している伝統的なアプローチに基づいている。
本研究は、主要な株式市場分析モデル、金融市場予測のためのテキスト表現手法、既存手法の欠点について調査し、今後の研究に向けた有望な方向性を提案する。
- 参考スコア（独自算出の注目度）: 7.789019365796933
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stock market movements are influenced by public and private information
shared through news articles, company reports, and social media discussions.
Analyzing these vast sources of data can give market participants an edge to
make profit. However, the majority of the studies in the literature are based
on traditional approaches that come short in analyzing unstructured, vast
textual data. In this study, we provide a review on the immense amount of
existing literature of text-based stock market analysis. We present input data
types and cover main textual data sources and variations. Feature
representation techniques are then presented. Then, we cover the analysis
techniques and create a taxonomy of the main stock market forecast models.
Importantly, we discuss representative work in each category of the taxonomy,
analyzing their respective contributions. Finally, this paper shows the
findings on unaddressed open problems and gives suggestions for future work.
The aim of this study is to survey the main stock market analysis models, text
representation techniques for financial market prediction, shortcomings of
existing techniques, and propose promising directions for future research.
- Abstract（参考訳）: 株式市場の動きは、ニュース記事、会社の報告、ソーシャルメディアの議論を通じて共有される公開情報やプライベート情報の影響を受けている。
こうした膨大なデータソースを分析することで、市場参加者に利益をもたらすことができる。
しかし、文学における研究の大部分は、構造化されていない膨大なテキストデータの解析に近づいた伝統的なアプローチに基づいている。
本研究では,テキストベースの株式市場分析における既存文献の膨大な量について概観する。
入力データ型を示し、主要なテキストデータソースとバリエーションをカバーする。
特徴表現技法が提示される。
次に、分析手法を概説し、主要な株式市場予測モデルの分類を作成する。
ここでは,分類学の各分野の代表的業績について論じ,それぞれの貢献を分析した。
最後に,未解決の未解決問題に関する知見を示し,今後の課題の提案を行う。
本研究の目的は,主要な株式市場分析モデル,金融市場予測のためのテキスト表現技術,既存手法の欠点,今後の研究への道筋を提案することである。
関連論文リスト
- A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - BERTopic-Driven Stock Market Predictions: Unraveling Sentiment Insights [0.0]
NLP技術であるBERTopicを用いて、株式市場のコメントから派生したトピックの感情を分析する。
本手法は,この感情分析と様々な深層学習モデルを統合し,時系列およびストック予測タスクの有効性で有名である。
その結果、株式市場のコメントの話題は、株式市場のボラティリティと価格トレンドに関する暗黙の貴重な洞察を提供することを示している。
論文 参考訳（メタデータ） (2024-04-02T15:50:10Z) - AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。
次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文 参考訳（メタデータ） (2024-03-19T09:45:33Z) - Effect of Leaders Voice on Financial Market: An Empirical Deep Learning Expedition on NASDAQ, NSE, and Beyond [1.6622844933418388]
異なる分野のリーダーのTwitterハンドルのNLP分析に基づいて、ディープラーニングに基づくモデルを提案し、金融市場のトレンドを予測する。
インドとアメリカの金融市場は、将来他の市場が取られるように、現在の作業で探索されている。
論文 参考訳（メタデータ） (2024-03-18T18:19:08Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - Question-focused Summarization by Decomposing Articles into Facts and
Opinions and Retrieving Entities [0.0]
本研究は,自然言語処理技術を用いて株価変動を予測することに焦点を当てる。
提案手法は,ニュース記事から有能な事実や出来事を識別することを含む。
この研究は、ウィキペディアのデータとエコノミストの記事の分析を通じて、企業とエンティティの関係を確立することを目的としている。
論文 参考訳（メタデータ） (2023-10-07T17:37:48Z) - A Survey of Data Pricing for Data Marketplaces [77.3189288320768]
本稿では,既存のデータ価格研究の現状を概観する。
我々の重要な貢献は、データ価格を決定する異なる属性を統一するデータ価格研究の新しい分類である。
論文 参考訳（メタデータ） (2023-03-07T04:35:56Z) - Stock Market Prediction via Deep Learning Techniques: A Survey [24.88558334340833]
本稿では,ディープラーニング技術に着目した株式市場予測に関する研究の概要について概説する。
株式市場予測の詳細なサブタスクを4つ提示し、最先端モデルを要約する新しい分類法を提案する。
さらに、株式市場でよく使われるデータセットと評価指標について詳細な統計情報を提供する。
論文 参考訳（メタデータ） (2022-12-24T11:32:17Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z) - Text analysis in financial disclosures [0.0]
会社の財務情報開示の殆どは、構造化されていないテキストである。
研究者は最近、情報開示のテキストコンテンツを分析し始めた。
この研究は、現在の感情指標の焦点の限界を強調して、開示分析方法に寄与する。
論文 参考訳（メタデータ） (2021-01-06T17:45:40Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z)
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。
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。