論文の概要: Stock price prediction using BERT and GAN
- arxiv url: http://arxiv.org/abs/2107.09055v1
- Date: Sun, 18 Jul 2021 18:31:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-22 02:56:45.584694
- Title: Stock price prediction using BERT and GAN
- Title(参考訳): BERTとGANを用いた株価予測
- Authors: Priyank Sonkiya, Vikas Bajpai and Anukriti Bansal
- Abstract要約: 本稿では、株価を予測するための最先端の手法の集合体を提案する。
これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。
その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The stock market has been a popular topic of interest in the recent past. The
growth in the inflation rate has compelled people to invest in the stock and
commodity markets and other areas rather than saving. Further, the ability of
Deep Learning models to make predictions on the time series data has been
proven time and again. Technical analysis on the stock market with the help of
technical indicators has been the most common practice among traders and
investors. One more aspect is the sentiment analysis - the emotion of the
investors that shows the willingness to invest. A variety of techniques have
been used by people around the globe involving basic Machine Learning and
Neural Networks. Ranging from the basic linear regression to the advanced
neural networks people have experimented with all possible techniques to
predict the stock market. It's evident from recent events how news and
headlines affect the stock markets and cryptocurrencies. This paper proposes an
ensemble of state-of-the-art methods for predicting stock prices. Firstly
sentiment analysis of the news and the headlines for the company Apple Inc,
listed on the NASDAQ is performed using a version of BERT, which is a
pre-trained transformer model by Google for Natural Language Processing (NLP).
Afterward, a Generative Adversarial Network (GAN) predicts the stock price for
Apple Inc using the technical indicators, stock indexes of various countries,
some commodities, and historical prices along with the sentiment scores.
Comparison is done with baseline models like - Long Short Term Memory (LSTM),
Gated Recurrent Units (GRU), vanilla GAN, and Auto-Regressive Integrated Moving
Average (ARIMA) model.
- Abstract(参考訳): 株式市場は近年、人気の高い話題となっている。
インフレ率の上昇により、人々は貯蓄よりも株式や商品市場や他の分野に投資せざるを得なくなった。
さらに、時系列データに基づいて予測を行うディープラーニングモデルの能力は、何度も証明されてきた。
技術指標による株式市場の技術分析は、トレーダーや投資家の間では最も一般的な実践である。
もうひとつの側面は、投資意欲を示す投資家の感情分析である。
さまざまなテクニックが、基本的な機械学習とニューラルネットワークを含む世界中の人々によって使用されている。
基本的な線形回帰から高度なニューラルネットワークまで、人々は株式市場を予測するためのあらゆる可能なテクニックを実験してきた。
最近の出来事から、ニュースや見出しが株式市場や仮想通貨に与える影響は明らかです。
本稿では,株価予測のための最先端手法の提案を行う。
まず、ニュースの感情分析と、NASDAQに掲載されているApple Inc.の見出しは、Google for Natural Language Processing (NLP)による事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用して実行される。
その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、歴史的価格と評価スコアを用いて予測する。
比較は、Long Short Term Memory (LSTM)、Gated Recurrent Units (GRU)、vanilla GAN、Auto-Regressive Integrated Average (ARIMA)モデルといったベースラインモデルで行う。
関連論文リスト
- Do Weibo platform experts perform better at predicting stock market? [0.8999666725996978]
Weiboのソーシャルネットワーキングプラットフォームは、感情データ収集のソースとして使用されている。
Weiboのユーザは、認可金融アドバイザー(AFA)と無認可金融アドバイザー(UFA)グループに分けられる。
香港ハンセン指数は、歴史的株式市場の変化データを抽出するために使用されている。
論文 参考訳(メタデータ) (2024-02-12T10:04:54Z) - 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) - Joint Latent Topic Discovery and Expectation Modeling for Financial
Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。
このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。
私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文 参考訳(メタデータ) (2023-06-01T01:36:51Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - FinBERT-LSTM: Deep Learning based stock price prediction using News
Sentiment Analysis [0.0]
市場における短期的な動きを予測することで、投資家は投資に対するリターンを大きく得ることができる。
私たちはDeep Learning Networkを使って株価を予測し、財務、ビジネス、テクノロジーのニュース記事を同化しています。
論文 参考訳(メタデータ) (2022-11-11T15:13:16Z) - Transformer-Based Deep Learning Model for Stock Price Prediction: A Case
Study on Bangladesh Stock Market [0.0]
本稿では、ダッカ証券取引所(DSE)に上場する8銘柄の価格変動を予測するためのトランスフォーマーモデルの適用に焦点を当てる。
本実験は,ほとんどの株式において有望な結果と許容される根平均二乗誤差を示すものである。
論文 参考訳(メタデータ) (2022-08-17T14:03:28Z) - HiSA-SMFM: Historical and Sentiment Analysis based Stock Market
Forecasting Model [3.6704226968275258]
本研究の目的は、企業の金融株の将来を精度良く予測することである。
感情分析の分野での既存の研究を分析した結果、株価の動きとニュース記事の発行との間には強い相関関係があることが判明した。
論文 参考訳(メタデータ) (2022-03-10T17:03:38Z) - Predicting The Stock Trend Using News Sentiment Analysis and Technical
Indicators in Spark [0.0]
機械学習モデルは、ある日のラベルを予測するのに役立つ。
その日に発表されたすべてのニュースから、その日の総合的な感情スコアが作成されます。
ランダムフォレストは63.58%のテスト精度で最高の性能を発揮した。
論文 参考訳(メタデータ) (2022-01-19T10:22:33Z) - 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) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳(メタデータ) (2021-09-14T18:50:38Z) - 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)
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。