Fugu-MT 論文翻訳(概要): Aspect-based Sentiment Analysis in Document -- FOMC Meeting Minutes on Economic Projection

論文の概要: Aspect-based Sentiment Analysis in Document -- FOMC Meeting Minutes on Economic Projection

arxiv url: http://arxiv.org/abs/2108.04080v2
Date: Mon, 24 Apr 2023 12:35:39 GMT
ステータス: 処理完了
システム内更新日: 2023-04-26 01:01:44.123228
Title: Aspect-based Sentiment Analysis in Document -- FOMC Meeting Minutes on Economic Projection
Title（参考訳）: 経済予測に関するfomc議事録文書におけるアスペクトベース感情分析
Authors: Sarah-Yifei-Wang
Abstract要約: アスペクトベースのSentiment Analysisは、大きなラベル付きデータセットが欠如しているため、財務データには広く使われていない。本稿では,弱い監督下での財務文書のABSA訓練モデルを提案し,様々なマクロ経済指標の予測力を解析する。
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 Federal Open Market Committee within the Federal Reserve System is responsible for managing inflation, maximizing employment, and stabilizing interest rates. Meeting minutes play an important role for market movements because they provide the birds eye view of how this economic complexity is constantly re-weighed. Therefore, There has been growing interest in analyzing and extracting sentiments on various aspects from large financial texts for economic projection. However, Aspect-based Sentiment Analysis is not widely used on financial data due to the lack of large labeled dataset. In this paper, I propose a model to train ABSA on financial documents under weak supervision and analyze its predictive power on various macroeconomic indicators.
Abstract（参考訳）: 連邦準備制度内の連邦公開市場委員会はインフレを管理し、雇用を最大化し、金利を安定化させる責任がある。ミーティングの時間が市場の動きに重要な役割を果たすのは、この経済的な複雑さがいつまでも改善されているか、鳥の視点を提供するからだ。そのため、経済予測のための大規模な財務資料から様々な側面の感情を分析し抽出することへの関心が高まっている。しかし、大きなラベル付きデータセットがないため、財務データではアスペクトベースの感情分析は広く使われていない。本稿では、弱い監督下での財務文書のABSA訓練モデルを提案し、様々なマクロ経済指標の予測力を解析する。

関連論文リスト

Cross-Lingual News Event Correlation for Stock Market Trend Prediction [0.1398098625978622]
本研究では、構造的金融データセットを作成することにより、多様なグローバル経済における金融動態の理解のギャップを解消する。我々は、財務事象の時系列を抽出、地図化、可視化するために、ニュース記事の分析を行った。本手法は,株価変動と言語間ニュース感情との間に有意な相関関係を示した。
論文参考訳（メタデータ） (2024-09-16T06:45:40Z)
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)
Transforming Sentiment Analysis in the Financial Domain with ChatGPT [0.07499722271664146]
本研究では,金融感情分析における大規模言語モデル,特にChatGPT 3.5の可能性について検討する。 ChatGPTは、感情分類で約35%向上し、市場リターンと36%高い相関を示した。この研究は、特にゼロショットの文脈において、迅速なエンジニアリングの重要性を浮き彫りにすることで、ChatGPTが金融アプリケーションにおける感情分析を大幅に強化する可能性を浮き彫りにしている。
論文参考訳（メタデータ） (2023-08-13T09:20:47Z)
Analysis of the Fed's communication by using textual entailment model of Zero-Shot classification [0.0]
我々は、テキストマイニング技術を用いて中央銀行が発行した文書を分析した。声明のトーン、議事録、記者会見の書き起こし、米連邦準備制度理事会(FRB)の演説を比較します。
論文参考訳（メタデータ） (2023-06-07T09:23:26Z)
Enabling and Analyzing How to Efficiently Extract Information from Hybrid Long Documents with LLMs [48.87627426640621]
本研究は,財務報告から重要な情報を理解するために,大規模言語モデルの可能性を活用することに焦点を当てる。財務報告から情報を理解し抽出するLLMの能力を高める自動財務情報抽出フレームワークを提案する。本フレームワークは, GPT-3.5とGPT-4で有効に検証され, 平均精度は53.94%, 33.77%向上した。
論文参考訳（メタデータ） (2023-05-24T10:35:58Z)
Weak Supervision in Analysis of News: Application to Economic Policy Uncertainty [0.0]
我々の研究は、経済政策の不確実性(EPU)を測定するためのテキストデータ、特にニュース作品の可能性の研究に焦点を当てている。経済政策の不確実性は、新しい政策と将来の経済基本の下で、決定の結果を予測できないと定義されている。本研究は、経済政策の不確実性に関して、ニュース記事の分類を弱くする機械学習ベースのソリューションを提案する。
論文参考訳（メタデータ） (2022-08-10T09:08:29Z)
Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文参考訳（メタデータ） (2022-07-23T01:06:34Z)
News-based Business Sentiment and its Properties as an Economic Index [1.0323063834827415]
ビジネスの感情は、行動するのにコストと時間を要する従来の調査によって測定されています。我々は、日刊紙の記事を活用し、S-APIRというビジネス感情指数を定義する自己意識モデルを採用する。 S-APIRが経済学者や政策立案者にどのような恩恵をもたらすかを説明するために、時間とともにビジネス感情に与える影響についていくつかのイベントが分析される。
論文参考訳（メタデータ） (2021-10-20T02:20:53Z)
FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文参考訳（メタデータ） (2021-09-01T00:08:14Z)
Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文参考訳（メタデータ） (2020-02-11T19:18:18Z)
Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。