論文の概要: Deep learning based Chinese text sentiment mining and stock market
correlation research
- arxiv url: http://arxiv.org/abs/2205.04743v1
- Date: Tue, 10 May 2022 08:35:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 21:00:24.398306
- Title: Deep learning based Chinese text sentiment mining and stock market
correlation research
- Title(参考訳): 深層学習に基づく中国語テキスト感情マイニングと株式市場相関研究
- Authors: Chenrui Zhang
- Abstract要約: 我々は、ストックバーなどの金融フォーラムデータをクロールして、感情分析のためのディープラーニングモデルと組み合わせる方法について検討する。
本稿では、BERTモデルを用いて、財務コーパスに対するトレーニングを行い、SZSE成分指数を予測する。
得られた感情特徴は、株式市場の変動を反映し、予測精度を効果的に改善するのに役立つだろう。
- 参考スコア(独自算出の注目度): 6.000327333763521
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We explore how to crawl financial forum data such as stock bars and combine
them with deep learning models for sentiment analysis. In this paper, we will
use the BERT model to train against the financial corpus and predict the SZSE
Component Index, and find that applying the BERT model to the financial corpus
through the maximum information coefficient comparison study. The obtained
sentiment features will be able to reflect the fluctuations in the stock market
and help to improve the prediction accuracy effectively. Meanwhile, this paper
combines deep learning with financial text, in further exploring the mechanism
of investor sentiment on stock market through deep learning method, which will
be beneficial for national regulators and policy departments to develop more
reasonable policy guidelines for maintaining the stability of stock market.
- Abstract(参考訳): 我々は、ストックバーなどの金融フォーラムデータをクロールし、感情分析のためのディープラーニングモデルと組み合わせる方法について検討する。
本稿では,金融コーパスに対する学習とszse成分指数の予測にbertモデルを用い,最大情報係数比較による金融コーパスへのbertモデルの適用を見出す。
得られた感情特徴は、株式市場の変動を反映し、予測精度を効果的に改善するのに役立つ。
一方, 深層学習と財務資料を組み合わせることで, 深層学習を通じて株式市場に対する投資家の感情のメカニズムを探求し, 株式市場の安定を維持するためのより合理的な政策ガイドラインを策定する上で, 国家規制や政策部門にとって有益であると考えられる。
関連論文リスト
- Can Large Language Models Beat Wall Street? Unveiling the Potential of
AI in Stock Selection [0.08192907805418582]
MarketSenseAIは、スケーラブルなストックセレクションにGPT-4の高度な推論機能を活用するAI駆動のフレームワークである。
MarketSenseAIは、コジェントな説明によって支援された実行可能な投資シグナル(購入、保持、販売)を提供する。
S&P100種株価に対する実証的な評価で、MarketSenseAIは13%上昇し、最大40%のリターンを記録した。
論文 参考訳(メタデータ) (2024-01-08T08:58:46Z) - Forecasting Cryptocurrency Prices Using Deep Learning: Integrating
Financial, Blockchain, and Text Data [3.8443430569753025]
我々は、先進的なディープラーニングNLP手法を用いて、公開感情が暗号通貨評価に与える影響を分析する。
我々は,NLPデータ統合の有無にかかわらず,各種MLモデルの性能を比較した。
我々は,Twitter-RoBERTaやBART MNLIといった事前学習モデルが,市場感情を捉える上で極めて有効であることを発見した。
論文 参考訳(メタデータ) (2023-11-23T16:14:44Z) - 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) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-06-05T12:58:13Z) - 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) - Research on the correlation between text emotion mining and stock market
based on deep learning [6.000327333763521]
本稿では,Bertモデルを用いて金融コーパスをトレーニングし,深セン株価指数を予測する。
その結果,BERTモデルを金融コーパスに適用することにより得られる感情特性は,株式市場の変動に反映できることがわかった。
論文 参考訳(メタデータ) (2022-05-09T12:51:16Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳(メタデータ) (2022-03-07T18:59:54Z) - FinEAS: Financial Embedding Analysis of Sentiment [0.0]
FinEAS(Financial Embedding Analysis of Sentiment)と呼ばれる新しい言語表現モデルを導入する。
本研究では,標準的なBERTモデルからの教師付き微調整文の埋め込みに基づく財務感情分析の新しいモデルを提案する。
論文 参考訳(メタデータ) (2021-10-31T15:41:56Z) - A Novel Deep Reinforcement Learning Based Stock Direction Prediction
using Knowledge Graph and Community Aware Sentiments [0.0]
提案手法は,市場予測タスクにおいて顕著な結果をもたらす。
このモデルの有効性を示すために、イスタンブール証券取引所のGaranti Bank(GARAN)、Akbank(AKBNK)、T'urkiye.Ics Bankasi(ISCTR)の株がケーススタディとして使用されている。
論文 参考訳(メタデータ) (2021-07-02T09:39:41Z) - 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) - 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。
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。