論文の概要: Emotions in Macroeconomic News and their Impact on the European Bond Market

• arxiv url: http://arxiv.org/abs/2106.15698v1
• Date: Tue, 15 Jun 2021 10:15:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-04 19:39:01.957324
• Title: Emotions in Macroeconomic News and their Impact on the European Bond Market
• Title（参考訳）: マクロ経済ニュースにおける感情と欧州債券市場への影響
• Authors: Sergio Consoli and Luca Tiozzo Pezzoli and Elisa Tosetti
• Abstract要約: 我々は、Global Database of Events、Language、Toneとして知られる大規模なオープンソースデータベースを使用して、債券市場の感情状態の感情指標を構築します。 ニュースから抽出した否定的な感情は、苦しい期間に政府利回りスプレッドモデルの予測能力を向上させることが判明した。 さらに、パニックのような強い負の感情は、短期的な地平線における拡散の変化を予測するのに有用な情報を明らかにする。
• 参考スコア（独自算出の注目度）: 1.392250707100996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We show how emotions extracted from macroeconomic news can be used to explain and forecast future behaviour of sovereign bond yield spreads in Italy and Spain. We use a big, open-source, database known as Global Database of Events, Language and Tone to construct emotion indicators of bond market affective states. We find that negative emotions extracted from news improve the forecasting power of government yield spread models during distressed periods even after controlling for the number of negative words present in the text. In addition, stronger negative emotions, such as panic, reveal useful information for predicting changes in spread at the short-term horizon, while milder emotions, such as distress, are useful at longer time horizons. Emotions generated by the Italian political turmoil propagate to the Spanish news affecting this neighbourhood market.
• Abstract（参考訳）: マクロ経済ニュースから抽出された感情は、イタリアやスペインにおける主権債利回りの将来の行動の説明と予測にどのように役立つかを示す。 私たちは、イベント、言語、トーンのグローバルデータベースとして知られる、大きなオープンソースのデータベースを使用して、債券市場の感情指標を構築しています。 ニュースから抽出した否定的な感情は,テキスト中の否定的な単語の数を制御した後でも,苦しい期間に政府の収量スプレッドモデルの予測能力を向上させる。 さらに、パニックのような強いネガティブな感情は、短期的な地平線におけるスプレッドの変化を予測するのに有用な情報を示す一方、苦痛のような穏やかな感情は、長期的な地平線において有用である。 イタリアの政治的混乱によって生じた感情はこの近隣市場に影響を与えるスペインのニュースに広まる。

関連論文リスト

• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Predicting Financial Market Trends using Time Series Analysis and Natural Language Processing [0.0]
  この調査は、TeslaやAppleといった大手企業の株価を予測するためのツールとして、Twitterの感情の有効性を評価することを目的としている。 以上の結果から, 株価変動の主要な要因は, 肯定性, 否定性, 主観性であることが示唆された。
  論文  参考訳（メタデータ） (2023-08-31T21:20:58Z)
• Words that Matter: The Impact of Negative Words on News Sentiment and Stock Market Index [0.0]
  本研究では, ネガティブな単語が感情分析に与える影響と, 韓国株式市場指数KOSPI200への影響について検討した。 この研究は、Word2Vec、コサイン類似性、および拡張辞書を用いて、韓国の日刊経済ニュース記事45,723件のデータセットを分析した。
  論文  参考訳（メタデータ） (2023-04-02T06:45:18Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• 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)
• Macroeconomic forecasting through news, emotions and narrative [12.762298148425796]
  本研究は、世界中の新聞からの幅広い感情をマクロ経済予測に組み込むことにより、既存の研究分野を拡大する。 我々は、自動回帰フレームワークを使用して、さまざまな経済分野の工業生産と消費者価格をモデル化する。 幸福と怒りに関連する感情は、予測する変数に対して最も強い予測力を持つ。
  論文  参考訳（メタデータ） (2020-09-23T10:10:03Z)
• 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。