論文の概要: Financial data analysis application via multi-strategy text processing

• arxiv url: http://arxiv.org/abs/2204.11394v1
• Date: Mon, 25 Apr 2022 01:56:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-26 22:26:32.307629
• Title: Financial data analysis application via multi-strategy text processing
• Title（参考訳）: マルチストラテジーテキスト処理による財務データ分析アプリケーション
• Authors: Hongyin Zhu
• Abstract要約: 本稿では、主に中国A株会社の株価取引データとニュースに焦点を当てる。 本稿では,自然言語処理(NLP)と知識グラフ(KG)技術を用いた金融テキスト処理アプリケーションシナリオの深層学習に向けた取り組みと計画について述べる。
• 参考スコア（独自算出の注目度）: 0.2741266294612776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Maintaining financial system stability is critical to economic development, and early identification of risks and opportunities is essential. The financial industry contains a wide variety of data, such as financial statements, customer information, stock trading data, news, etc. Massive heterogeneous data calls for intelligent algorithms for machines to process and understand. This paper mainly focuses on the stock trading data and news about China A-share companies. We present a financial data analysis application, Financial Quotient Porter, designed to combine textual and numerical data by using a multi-strategy data mining approach. Additionally, we present our efforts and plans in deep learning financial text processing application scenarios using natural language processing (NLP) and knowledge graph (KG) technologies. Based on KG technology, risks and opportunities can be identified from heterogeneous data. NLP technology can be used to extract entities, relations, and events from unstructured text, and analyze market sentiment. Experimental results show market sentiments towards a company and an industry, as well as news-level associations between companies.
• Abstract（参考訳）: 金融システムの安定性を維持することは経済発展に不可欠であり、リスクや機会の早期特定が不可欠である。 金融業界には、財務諸表、顧客情報、株式取引データ、ニュースなど、さまざまなデータが含まれている。 巨大な異種データ呼び出しは、マシンが処理し理解するためのインテリジェントなアルゴリズムを要求する。 本稿では、主に中国A株会社の株価データとニュースに焦点を当てる。 本稿では,マルチストラテジーデータマイニング手法を用いて,テキストデータと数値データを組み合わせた金融データ解析アプリケーションであるfinancial quotient porterを提案する。 さらに,自然言語処理 (nlp) と知識グラフ (kg) 技術を用いた深層学習ファイナンシャルテキスト処理アプリケーションシナリオにおける取り組みと計画について述べる。 KG技術に基づいて、リスクと機会を異種データから特定することができる。 NLP技術は、非構造化テキストからエンティティ、リレーション、イベントを抽出し、市場の感情を分析するために使用できる。 実験の結果は、企業と業界に対する市場感と、企業間のニュースレベルの関連性を示している。

関連論文リスト

• Research and Design of a Financial Intelligent Risk Control Platform Based on Big Data Analysis and Deep Machine Learning [2.766666938196471]
  本稿では、金融機関の内部および外部データの完全統合を実現するために、ビッグデータ技術を完全に活用する方法を考察する。 この記事では、ビッグデータマイニングとリアルタイムストリーミングデータ処理技術を採用して、さまざまなビジネスデータを監視し、分析し、警告する。
  論文  参考訳（メタデータ） (2024-09-16T14:41:41Z)
• 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)
• A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
  大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。 我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。 本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
  論文  参考訳（メタデータ） (2024-06-15T16:11:35Z)
• RiskLabs: Predicting Financial Risk Using Large Language Model Based on Multi-Sources Data [8.145265717016718]
  textbfRiskLabsは,大規模言語モデル(LLM)を利用して財務リスクを分析し,予測する新しいフレームワークである。 提案手法は,Earnings Conference Calls (ECC) の抽出と解析,市場関連時系列データ,ECCリリース日を取り巻くコンテキストニュースデータなど,多段階的なプロセスを含む。 RiskLabsは、マルチモーダルフュージョン技術を使用して、これらのさまざまなデータ特徴を、包括的なマルチタスクの金融リスク予測に適合させる。
  論文  参考訳（メタデータ） (2024-04-11T03:14:50Z)
• 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)
• FinBen: A Holistic Financial Benchmark for Large Language Models [75.09474986283394]
  FinBenは、24の財務タスクにまたがる36のデータセットを含む、最初の大規模なオープンソース評価ベンチマークである。 FinBenは、幅広いタスクとデータセット、ストックトレーディングの最初の評価、新しいエージェントと検索可能な生成(RAG)の評価、およびテキスト要約、質問応答、株式トレーディングのための3つの新しいオープンソース評価データセットを提供する。
  論文  参考訳（メタデータ） (2024-02-20T02:16:16Z)
• Synthetic Data Applications in Finance [11.979696873104096]
  本稿では、金融セクターにおける合成データの応用について概観する。 合成データは、プライバシー、公正性、説明可能性に関連する問題を扱うための潜在的アプローチである。
  論文  参考訳（メタデータ） (2023-12-29T21:49:23Z)
• PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark for Finance [63.51545277822702]
  PIXIUは、命令データ付き微調整LLaMAに基づく最初の金融大規模言語モデル(LLM)を含む包括的なフレームワークである。 我々はLLaMAを細調整してFinMAを提案する。 我々は、FinMAと既存のLLMを詳細に分析し、重要な財政課題に対処する際の長所と短所を明らかにする。
  論文  参考訳（メタデータ） (2023-06-08T14:20:29Z)
• Dynamic Datasets and Market Environments for Financial Reinforcement Learning [68.11692837240756]
  FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。 我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。 また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
  論文  参考訳（メタデータ） (2023-04-25T22:17:31Z)
• 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)

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。