Fugu-MT 論文翻訳(概要): Multiclass Sentiment Prediction for Stock Trading

論文の概要: Multiclass Sentiment Prediction for Stock Trading

arxiv url: http://arxiv.org/abs/2210.00870v1
Date: Wed, 28 Sep 2022 00:35:40 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 17:12:17.987413
Title: Multiclass Sentiment Prediction for Stock Trading
Title（参考訳）: 株取引におけるマルチクラス感性予測
Authors: Marshall R. McCraw
Abstract要約: PythonはNewsAPIの記事データをダウンロードしてフォーマットするために使われ、400の公開取引されたバイオテック企業に関するものだった。クラウドソーシングは、これらのデータのサブセットをラベル付けして、各企業の公開感情を分類するために、さまざまなモデルのトレーニングと評価に使用された。最高のパフォーマンスモデルは、公開感から完全に引き離されたトレーディングが市場を圧倒するリターンをもたらすことを示すために使用された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Python was used to download and format NewsAPI article data relating to 400 publicly traded, low cap. Biotech companies. Crowd-sourcing was used to label a subset of this data to then train and evaluate a variety of models to classify the public sentiment of each company. The best performing models were then used to show that trading entirely off public sentiment could provide market beating returns.
Abstract（参考訳）: pythonは、newsapiの400の公開トレーディング、ローキャップに関する記事データをダウンロードしてフォーマットするために使われた。バイオテック企業。クラウドソーシングは、これらのデータのサブセットをラベル付けして、各企業の公開感情を分類するために、さまざまなモデルのトレーニングと評価に使用された。最高のパフォーマンスモデルは、公開感から完全に引き離されたトレーディングが市場を上回るリターンをもたらすことを示すために使用された。

関連論文リスト

Stock Market Sentiment Classification and Backtesting via Fine-tuned BERT [0.0]
この論文は感情理論から始まり、East Moneyを例に挙げ、対応するストックバーからユーザーコメントのタイトルデータをクロールする。上記モデルに基づいて、クロールしたユーザコメントデータを感情極性でラベル付けし、得られたラベル情報をAlpha191モデルと組み合わせる。回帰モデルは、次の5日間の平均価格変化を予測し、自動取引を導く信号として使用する。
論文参考訳（メタデータ） (2023-09-21T11:26:36Z)
Desenvolvimento de modelo para predi\c{c}\~ao de cota\c{c}\~oes de a\c{c}\~ao baseada em an\'alise de sentimentos de tweets [0.0]
当社はiFeel 2.0プラットフォームを使用して、マイクロブログプラットフォームのTwitterから入手した19の感情的特徴を抽出しています。そして、これらの機能を使って、XBootモデルをトレーニングし、言及された会社の将来の株価を予測しました。我々は、ペトロブラスの株の取引をモデルの生産量に基づいてシミュレートし、250日間でR$88,82(net)の利得を決定した。
論文参考訳（メタデータ） (2023-09-11T17:32:54Z)
WanJuan: A Comprehensive Multimodal Dataset for Advancing English and Chinese Large Models [69.96148259273065]
ワンフアン(Wan Juan)は、中国語と英語のデータからなる大規模なマルチモーダルデータセットであり、幅広いWebソースから収集されている。同様のスケールのモデルと比較して,多次元評価において有意な優位性を示すモデルであるInternLMのトレーニングに利用された。
論文参考訳（メタデータ） (2023-08-21T14:40:48Z)
The RefinedWeb Dataset for Falcon LLM: Outperforming Curated Corpora with Web Data, and Web Data Only [48.498376125522114]
適切にフィルタリングされ、分離されたWebデータだけで、強力なモデルに繋がることを示す。 RefinedWebデータセットから600億のトークンの抽出と、それに基づいてトレーニングされた1.3/7.5Bパラメータ言語モデルをリリースします。
論文参考訳（メタデータ） (2023-06-01T20:03:56Z)
A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
論文参考訳（メタデータ） (2022-12-02T15:03:35Z)
PreBit -- A multimodal model with Twitter FinBERT embeddings for extreme price movement prediction of Bitcoin [8.38397409405955]
我々はビットコインの極端な価格変動を予測するためのマルチモーダルモデルを提案する。このモデルは、さまざまな関連資産、技術的指標、およびTwitterコンテンツとして入力される。平均的戦略を移動させるリスクを減らし、黒字取引戦略を構築するのに使用できることを示す。
論文参考訳（メタデータ） (2022-05-30T19:25:12Z)
Predicting The Stock Trend Using News Sentiment Analysis and Technical Indicators in Spark [0.0]
機械学習モデルは、ある日のラベルを予測するのに役立つ。その日に発表されたすべてのニュースから、その日の総合的な感情スコアが作成されます。ランダムフォレストは63.58%のテスト精度で最高の性能を発揮した。
論文参考訳（メタデータ） (2022-01-19T10:22:33Z)
Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文参考訳（メタデータ） (2021-09-14T18:50:38Z)
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)
A ground-truth dataset and classification model for detecting bots in GitHub issue and PR comments [70.1864008701113]
ボットはGithubリポジトリで、分散ソフトウェア開発プロセスの一部である反復的なアクティビティを自動化するために使用されている。本稿では,5000のGithubアカウントのプルリクエストとコメント発行に関する,高い相互契約を伴う手動分析に基づいて,基幹トラスデータセットを提案する。ボットを検出する自動分類モデルを提案し,各アカウントの空のコメント数と空でないコメント数,コメントパターンの数,コメントパターン内のコメント間の不平等を主特徴とする。
論文参考訳（メタデータ） (2020-10-07T09:30:52Z)
A Tweet-based Dataset for Company-Level Stock Return Prediction [8.606705921815985]
本稿では,1日,2日,3日,および7日の株価リターンに対するツイートベースの影響を企業レベルで分析するデータセットを提案する。我々のデータセットは、英語のtwitterから852,231のラベル付きインスタンスで構成されており、また85,176のラベル付きインスタンスのクリーン化されたサブセットをコミュニティにリリースしています。
論文参考訳（メタデータ） (2020-06-17T08:55:11Z)

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。