論文の概要: Weak Supervision in Analysis of News: Application to Economic Policy Uncertainty

• arxiv url: http://arxiv.org/abs/2209.05383v2
• Date: Tue, 20 Sep 2022 16:47:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-01 10:03:21.621171
• Title: Weak Supervision in Analysis of News: Application to Economic Policy Uncertainty
• Title（参考訳）: ニュース分析における弱監視--経済政策の不確実性への応用
• Authors: Paul Trust, Ahmed Zahran, Rosane Minghim
• Abstract要約: 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。
• 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 need for timely data analysis for economic decisions has prompted most economists and policy makers to search for non-traditional supplementary sources of data. In that context, text data is being explored to enrich traditional data sources because it is easy to collect and highly abundant. Our work focuses on studying the potential of textual data, in particular news pieces, for measuring economic policy uncertainty (EPU). Economic policy uncertainty is defined as the public's inability to predict the outcomes of their decisions under new policies and future economic fundamentals. Quantifying EPU is of great importance to policy makers, economists, and investors since it influences their expectations about the future economic fundamentals with an impact on their policy, investment and saving decisions. Most of the previous work using news articles for measuring EPU are either manual or based on a simple keyword search. Our work proposes a machine learning based solution involving weak supervision to classify news articles with regards to economic policy uncertainty. Weak supervision is shown to be an efficient machine learning paradigm for applying machine learning models in low resource settings with no or scarce training sets, leveraging domain knowledge and heuristics. We further generated a weak supervision based EPU index that we used to conduct extensive econometric analysis along with the Irish macroeconomic indicators to validate whether our generated index foreshadows weaker macroeconomic performance
• Abstract（参考訳）: 経済決定のためのタイムリーなデータ分析の必要性は、ほとんどの経済学者や政策立案者が従来のデータソースを検索するきっかけとなった。 その文脈で、テキストデータは収集が容易で豊富であるため、従来のデータソースを豊かにするために研究されています。 本研究は、経済政策の不確実性(EPU)を測定するために、テキストデータ、特にニュースデータの可能性を研究すること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。 EPUの定量化は政策立案者、経済学者、投資家にとって非常に重要である。 EPUの測定にニュース記事を使った以前の研究のほとんどは手動か単純なキーワード検索に基づいていた。 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。 弱監視は、ドメイン知識とヒューリスティックスを活用することなく、低リソース設定で機械学習モデルを適用するための効率的な機械学習パラダイムであることが示されている。 我々はさらに,アイルランドのマクロ経済指標と共に広範な計量分析を行った弱い監督に基づくepu指標を作成し,その指標がマクロ経済性能を低下させるかどうかを検証した。

関連論文リスト

• Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning [8.504685056067144]
  Bloomberg News、CNN Business、Forbesといった金融関連のニュースは、市場スクリーニングシステムにとって貴重なデータ源である。 談話レベルでの財務関連ニュースの時間性を検出する新しいシステムを提案する。 この分野の知識を持つ研究者によって注釈付けされた金融関連ニュースのラベル付きデータセットを用いて,本システムを検証した。
  論文  参考訳（メタデータ） (2024-03-30T16:40:10Z)
• 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)
• Economic Policy Uncertainty: A Review on Applications and Measurement Methods with Focus on Text Mining Methods [0.0]
  経済政策不確実性(Economic Policy Uncertainty、EPU)は、経済政策変更時に投資家が実現した不確実性を表す。 EPU値は、直接的に財務パラメータに基づいて推定したり、テキストマイニング手法を用いて間接的に不確実性を示すことができる。
  論文  参考訳（メタデータ） (2023-08-20T16:00:53Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Macroeconomic Predictions using Payments Data and Machine Learning [0.0]
  本研究の目的は,非伝統的かつタイムリーなデータによって政策立案者がほぼリアルタイムで重要なマクロ経済指標を正確に推定する洗練されたモデルを提供できることを示すことである。 我々は、機械学習モデルにおける過度な適合と解釈可能性の課題を軽減し、ポリシー使用の有効性を改善するための、一連の計量的ツールを提供する。 支払いデータ、非線形手法、クロスバリデーション(クロスバリデーション)アプローチを備えた当社のモデルは、新型コロナウイルス(COVID-19)の期間中に上昇するマクロ経済の予測精度を最大40%向上させるのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-02T11:12:10Z)
• 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)
• Word embeddings for topic modeling: an application to the estimation of the economic policy uncertainty index [0.0]
  経済不確実性の定量化は、GDPのようなマクロ経済変数の予測の鍵となる概念である。 経済政策の不確実性指数(EPU)は、不確実性を定量化する最もよく使われる新聞ベースの指標である。 本稿では,デジタルニュースのトピックモデリングを高速かつ効率的に行うEPUインデックスを推定する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-29T19:31:03Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Measuring Economic Policy Uncertainty Using an Unsupervised Word Embedding-based Method [0.0]
  経済政策の不確実性(epu)は経済研究において重要な指標であるが、不況を予測するために使用できる。 EPUインデックスは、ポリシー作成と経済に関連する予め定義されたキーワードを含むニュース記事のカウントによって計算される。 本稿では,単語埋め込み表現空間を用いて関連するキーワードを選択する教師なしテキストマイニング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-10T19:34:14Z)
• 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。