論文の概要: New drugs and stock market: how to predict pharma market reaction to
clinical trial announcements
- arxiv url: http://arxiv.org/abs/2208.07248v1
- Date: Thu, 11 Aug 2022 20:20:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-16 15:07:18.251499
- Title: New drugs and stock market: how to predict pharma market reaction to
clinical trial announcements
- Title（参考訳）: 新薬と株式市場 : 臨床試験発表に対する医薬品市場反応の予測法
- Authors: Semen Budennyy, Alexey Kazakov, Elizaveta Kovtun, Leonid Zhukov
- Abstract要約: 我々は、その結果が公衆薬局の市場価値に影響を及ぼすという統計的証拠を提供する。
我々は、発表の感情極性を抽出するBERTベースのモデルを含むパイプラインを開発する。
予測フレームワーク内で作業中に考慮すべき2つの重要な要因を発見します。
- 参考スコア（独自算出の注目度）: 0.5735035463793008
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pharmaceutical companies operate in a strictly regulated and highly risky
environment in which a single slip can lead to serious financial implications.
Accordingly, the announcements of clinical trial results tend to determine the
future course of events, hence being closely monitored by the public. In this
work, we provide statistical evidence for the result promulgation influence on
the public pharma market value. Whereas most works focus on retrospective
impact analysis, the present research aims to predict the numerical values of
announcement-induced changes in stock prices. For this purpose, we develop a
pipeline that includes a BERT-based model for extracting sentiment polarity of
announcements, a Temporal Fusion Transformer for forecasting the expected
return, a graph convolution network for capturing event relationships, and
gradient boosting for predicting the price change. The challenge of the problem
lies in inherently different patterns of responses to positive and negative
announcements, reflected in a stronger and more pronounced reaction to the
negative news. Moreover, such phenomenon as the drop in stocks after the
positive announcements affirms the counterintuitiveness of the price behavior.
Importantly, we discover two crucial factors that should be considered while
working within a predictive framework. The first factor is the drug portfolio
size of the company, indicating the greater susceptibility to an announcement
in the case of small drug diversification. The second one is the network effect
of the events related to the same company or nosology. All findings and
insights are gained on the basis of one of the biggest FDA (the Food and Drug
Administration) announcement datasets, consisting of 5436 clinical trial
announcements from 681 companies over the last five years.
- Abstract（参考訳）: 製薬会社は厳格に規制され、リスクの高い環境で運営されており、1回の滑りが深刻な財政的影響をもたらす可能性がある。
したがって、臨床試験結果の発表は、将来の出来事の経過を決定づける傾向があり、大衆によって注意深く監視されている。
本研究は, 薬剤師の市場価値に影響を及ぼす結果の統計的な証拠を提供する。
多くの研究はふりかえりの影響分析に焦点を当てているが,本研究の目的は株価変動の数値予測である。
この目的のために,発表の感情極性を抽出するbertベースのモデル,期待値を予測するための時間的融合トランスフォーマ,イベント関係をキャプチャするグラフ畳み込みネットワーク,価格変化を予測するための勾配ブースティングを含むパイプラインを開発した。
この問題の課題は、肯定的かつ否定的な発表に対する反応のパターンが本質的に異なることにあり、否定的なニュースに対するより強くより顕著な反応に反映される。
さらに、ポジティブ発表後の株価の下落のような現象は、価格行動の直観に反することを裏付ける。
重要なのは、予測フレームワークで作業中に考慮すべき2つの重要な要素を見つけることです。
第1の要因は、会社の薬物ポートフォリオのサイズであり、小さな薬物の多様化の場合、発表に対する大きな感受性を示している。
2つ目は、同じ会社やノソロジーに関連するイベントのネットワーク効果である。
過去5年間で681社から5436社の臨床治験の発表があり、FDA(食品医薬品局)の発表データセットの1つに基づいて、すべての発見と洞察が得られた。
関連論文リスト
- Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。
予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。
よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文 参考訳（メタデータ） (2024-08-09T16:03:44Z) - Tweet Influence on Market Trends: Analyzing the Impact of Social Media
Sentiment on Biotech Stocks [0.0]
本研究は, ニュース, 企業意見, CEO意見, 競合意見, バイオテクノロジー分野における株式市場行動など, 様々なカテゴリーにおけるツイート感情の関係について検討した。
われわれは、新型コロナウイルス、ワクチン、企業、そしてそれぞれのCEOに関するTwitterのデータとともに、最大かつ最も影響力のある製薬会社10社の過去の株式市場データを分析した。
論文 参考訳（メタデータ） (2024-01-26T15:43:27Z) - Predicting Financial Market Trends using Time Series Analysis and
Natural Language Processing [0.0]
この調査は、TeslaやAppleといった大手企業の株価を予測するためのツールとして、Twitterの感情の有効性を評価することを目的としている。
以上の結果から, 株価変動の主要な要因は, 肯定性, 否定性, 主観性であることが示唆された。
論文 参考訳（メタデータ） (2023-08-31T21:20:58Z) - 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) - The Battle of Information Representations: Comparing Sentiment and
Semantic Features for Forecasting Market Trends [0.5249805590164902]
市場の動向を予測するための感情属性よりも文脈埋め込みの形での意味的特徴が重要であるかを検討する。
当社は、NASDAQの資本化による大手企業に関連するTwitter投稿のコーパスとその価格設定について検討する。
以上の結果から,感情的特徴の活用により,有意な頻度で測定値が上昇することが示唆された。
論文 参考訳（メタデータ） (2023-03-24T18:30:15Z) - 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) - Adversarial trading [91.3755431537592]
取引環境では敵のサンプルを実装でき、特定の市場参加者に悪影響を及ぼすことを示す。
これは、取引または規制の観点から、金融市場にはるかに影響する可能性があります。
論文 参考訳（メタデータ） (2020-12-16T16:08:22Z) - 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) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳（メタデータ） (2020-12-08T16:30:43Z) - Disruption in the Chinese E-Commerce During COVID-19 [27.593450217418777]
新型コロナウイルス(COVID-19)は世界中で何百万人もの市民に感染し、多くの命を奪った。
本稿では、大規模なオンラインショッピングプラットフォームで見られる行動変化を分析し、中国のeコマース市場への影響について検討する。
新型コロナウイルス関連商品の流行統計と行動特徴を包含した消費者需要予測手法を提案する。
論文 参考訳（メタデータ） (2020-07-23T01:28:26Z)
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。