論文の概要: Predicting market inflation expectations with news topics and sentiment

• arxiv url: http://arxiv.org/abs/2107.07155v1
• Date: Thu, 15 Jul 2021 07:02:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 05:21:12.845399
• Title: Predicting market inflation expectations with news topics and sentiment
• Title（参考訳）: ニューストピックと感情で市場のインフレ期待を予測する
• Authors: Sonja Tilly, Giacomo Livan
• Abstract要約: 本研究では,ニューストピックとその関連感情を,破壊的インフレーション率(BEIR)運動の予測に取り入れるための新しいアプローチを提案する。 各国のナラティブベースの特徴を含む機械学習モデルの5つのクラスを校正し、それらが一般的に対応するベンチマークを上回っていることを確認する。 新聞記事がBEIRに与える影響をグラフィカル・グランガー・コージナリティを用いて調査し,米国とドイツでの存在を確認した。
• 参考スコア（独自算出の注目度）: 11.4219428942199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study presents a novel approach to incorporating news topics and their associated sentiment into predictions of breakeven inflation rate (BEIR) movements for eight countries with mature bond markets. We calibrate five classes of machine learning models including narrative-based features for each country, and find that they generally outperform corresponding benchmarks that do not include such features. We find Logistic Regression and XGBoost classifiers to deliver the best performance across countries. We complement these results with a feature importance analysis, showing that economic and financial topics are the key performance drivers in our predictions, with additional contributions from topics related to health and government. We examine cross-country spillover effects of news narrative on BEIR via Graphical Granger Causality and confirm their existence for the US and Germany, while five other countries considered in our study are only influenced by local narrative.
• Abstract（参考訳）: 本研究は、成熟した債券市場を有する8カ国において、ニューストピックスとその関連感情を崩壊型インフレ率(beir)の予測に組み込むための新しいアプローチを提案する。 各国の物語ベースの特徴を含む機械学習モデルの5つのクラスを校正し、それらがそのような特徴を含まない対応するベンチマークを概ね上回っていることを発見した。 Logistic RegressionとXGBoostの分類器は、各国で最高のパフォーマンスを提供する。 我々はこれらの結果を特徴的重要度分析で補完し、経済と金融のトピックが我々の予測における重要なパフォーマンス要因であることを示し、健康と政府に関するトピックからのさらなる貢献を示す。 新聞記事がBEIRに与える影響をグラフィカル・グランガー・コージナリティを用いて調査し,米国とドイツでの存在が確認された。

関連論文リスト

• Enhancing Exchange Rate Forecasting with Explainable Deep Learning Models [1.5474412217744966]
  伝統的な予測モデルは、交換レートデータの本質的な複雑さと非線形性に対処する際にしばしば混乱する。 本研究では,RSM/USD交換率の予測精度を高めるため,LSTM,CNN,トランスフォーマーベースアーキテクチャなどの高度なディープラーニングモデルの適用について検討する。
  論文  参考訳（メタデータ） (2024-10-25T01:29:54Z)
• Cross-border Commodity Pricing Strategy Optimization via Mixed Neural Network for Time Series Analysis [46.26988706979189]
  クロスボーダー商品の価格設定は、企業の競争力と市場シェアを決定する。 時系列データは商品価格において非常に重要であり、市場のダイナミクスやトレンドを明らかにすることができる。 本稿では,ハイブリッドニューラルネットワークモデルCNN-BiGRU-SSAに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-22T03:59:52Z)
• Framing in the Presence of Supporting Data: A Case Study in U.S. Economic News [43.51164834482535]
  我々は、客観的な測度がデータをサポートする形で存在する、ニュースに値するトピックが存在すると論じる。 本稿では,この設定における編集選択を分析するための計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T02:07:21Z)
• 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)
• Forecasting Future World Events with Neural Networks [68.43460909545063]
  Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。 ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。 予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
  論文  参考訳（メタデータ） (2022-06-30T17:59:14Z)
• Forecasting with Economic News [0.9281671380673304]
  我々は、関心の期間に意味的に依存する記事のテキストのみを考慮する。 経済センチメントのいくつかの指標が、ビジネスサイクルのゆらぎを密に追跡していることがわかった。 また、いくつかのマクロ経済変数の確率分布のテールを説明する上で、感情が重要であることも確認した。
  論文  参考訳（メタデータ） (2022-03-29T15:46:42Z)
• Macroeconomic forecasting with statistically validated knowledge graphs [11.4219428942199]
  本研究は,グローバル新聞の物語を活用し,世界イベントに関するテーマベースの知識グラフを構築する。 このようなグラフから抽出した特徴は、多くのベンチマークと比較すると、三大経済における工業生産予測を改善している。 我々の研究は、社会経済システムにおける関連する現象の進化をリアルタイムで監視する、擬似的かつ情報的なテーマベースの知識グラフの構築のための青写真として機能する。
  論文  参考訳（メタデータ） (2021-04-21T10:57:35Z)
• An Analysis of Distributed Systems Syllabi With a Focus on Performance-Related Topics [65.86247008403002]
  我々は、トップコンピュータサイエンスプログラムから51の現在(2019-2020)の分散システムシラビのデータセットを分析した。 本研究では,DSコースで言及されているインフラの規模を,小規模なクライアントサーバシステムからクラウドスケール,ピアツーピア,グローバルスケールシステムまで検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:49:09Z)
• 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)
• Investigating Pretrained Language Models for Graph-to-Text Generation [55.55151069694146]
  Graph-to-text生成は、グラフベースのデータから流動的なテキストを生成することを目的としている。 本稿では,3つのグラフ領域,つまり表現,ウィキペディア知識グラフ(KG),科学的なKGについて検討する。 我々は, PLM の BART と T5 が新たな最先端の成果を達成し, タスク適応型事前学習戦略が性能をさらに向上することを示す。
  論文  参考訳（メタデータ） (2020-07-16T16:05:34Z)

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。