論文の概要: Stock Movement Prediction with Financial News using Contextualized Embedding from BERT

• arxiv url: http://arxiv.org/abs/2107.08721v1
• Date: Mon, 19 Jul 2021 09:47:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-20 15:10:22.848984
• Title: Stock Movement Prediction with Financial News using Contextualized Embedding from BERT
• Title（参考訳）: BERTの文脈埋め込みを用いた金融ニュースによる株価変動予測
• Authors: Qinkai Chen
• Abstract要約: 我々は、FT-CE-RNN(Fun-Tuned Contextualized-Embedding Recurrent Neural Network)と呼ばれる新しいテキストマイニング手法を導入する。 我々のモデルは、変換器からの双方向表現(BERT)から生成される見出し(コンテキスト化された埋め込み)の文脈化されたベクトル表現を使用する。 他のベースラインモデルと比較して、精度とトレーディングシミュレーションの両方において大幅に改善されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: News events can greatly influence equity markets. In this paper, we are interested in predicting the short-term movement of stock prices after financial news events using only the headlines of the news. To achieve this goal, we introduce a new text mining method called Fine-Tuned Contextualized-Embedding Recurrent Neural Network (FT-CE-RNN). Compared with previous approaches which use static vector representations of the news (static embedding), our model uses contextualized vector representations of the headlines (contextualized embeddings) generated from Bidirectional Encoder Representations from Transformers (BERT). Our model obtains the state-of-the-art result on this stock movement prediction task. It shows significant improvement compared with other baseline models, in both accuracy and trading simulations. Through various trading simulations based on millions of headlines from Bloomberg News, we demonstrate the ability of this model in real scenarios.
• Abstract（参考訳）: ニュースイベントは株式市場に大きな影響を与える可能性がある。 本稿では,ニュースの見出しのみを用いて,金融ニュースイベント後の株価の短期的変動を予測することに関心がある。 そこで本研究では,FT-CE-RNN(Fun-Tuned Contextualized-Embedding Recurrent Neural Network)と呼ばれるテキストマイニング手法を提案する。 ニュースの静的ベクトル表現(静的埋め込み)を使用する従来のアプローチと比較して,トランスフォーマ(bert)からの双方向エンコーダ表現から生成された見出し(コンテキスト付き埋め込み)のコンテキスト化ベクトル表現を用いる。 本モデルでは,このストックムーブメント予測タスクの最新の結果を得る。 他のベースラインモデルと比較して、精度とトレーディングシミュレーションの両方において大幅に改善されている。 Bloomberg Newsの数百万の見出しに基づくさまざまなトレーディングシミュレーションを通じて、実際のシナリオでこのモデルの有効性を実演する。

関連論文リスト

• Predicting Stock Prices with FinBERT-LSTM: Integrating News Sentiment Analysis [2.7921137693344384]
  我々は、株価の歴史と金融、ビジネス、技術ニュースに基づくディープラーニングネットワークを使用し、株価を予測するために市場情報を導入しています。 我々はファイナンシャルテキスト中の感情を識別するために、FinBERTとして知られる事前学習NLPモデルを開発した。 このモデルは、市場構造階層、すなわち、市場、産業、および株価関連ニュースカテゴリに関するニュースカテゴリと、前週の株式市場の株価状況を組み合わせて予測する。
  論文  参考訳（メタデータ） (2024-07-23T03:26:07Z)
• 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)
• 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)
• 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)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)
• Graph Convolutional Network for Swahili News Classification [78.6363825307044]
  この研究は、半教師付きスワヒリニュース分類のタスクにおいて、テキストグラフ畳み込みネットワーク(Text GCN)が従来の自然言語処理ベンチマークより優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2021-03-16T21:03:47Z)
• 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)
• A Novel Distributed Representation of News (DRNews) for Stock Market Predictions [4.963115946610032]
  ニュースの分散表現(DRNews)モデルを開発し,深層学習に基づく株式市場予測に適用する。 DRNewsはニュースイベント間のセマンティック情報と潜在的なリンクの両方を記述するニュースベクトルを生成する。 注目のメカニズムは、短期的な株価トレンドと株式市場の危機の両方が日々のニュースから影響を受けていることを示唆している。
  論文  参考訳（メタデータ） (2020-05-24T10:01:27Z)
• News-Driven Stock Prediction With Attention-Based Noisy Recurrent State Transition [36.98298182622104]
  ニュース駆動の株価変動予測において,基盤となる株価変動系列を時間とともに直接モデル化することを検討する。 再帰状態遷移モデルを構築し、ストックムーブメントの段階的な過程をよりよくキャプチャする。 我々は、ニュース駆動の株価変動予測の基本的な株価状態に対して、イベントとノイズの両方を明示的にモデル化した最初の人物です。
  論文  参考訳（メタデータ） (2020-04-04T07:17:16Z)

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。