論文の概要: Evaluating Impact of Social Media Posts by Executives on Stock Prices
- arxiv url: http://arxiv.org/abs/2211.01287v1
- Date: Tue, 1 Nov 2022 03:45:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 14:05:15.980283
- Title: Evaluating Impact of Social Media Posts by Executives on Stock Prices
- Title（参考訳）: 幹部によるソーシャルメディア投稿の株価への影響評価
- Authors: Anubhav Sarkar, Swagata Chakraborty, Sohom Ghosh, Sudip Kumar Naskar
- Abstract要約: TwitterやRedditのようなソーシャルメディアは、このような影響力のホットスポットになっている。
本稿は,Twitter と Reddit の投稿を用いた株価予測におけるソーシャルメディア投稿の影響について検討する。
- 参考スコア（独自算出の注目度）: 0.5429166905724048
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Predicting stock market movements has always been of great interest to
investors and an active area of research. Research has proven that popularity
of products is highly influenced by what people talk about. Social media like
Twitter, Reddit have become hotspots of such influences. This paper
investigates the impact of social media posts on close price prediction of
stocks using Twitter and Reddit posts. Our objective is to integrate sentiment
of social media data with historical stock data and study its effect on closing
prices using time series models. We carried out rigorous experiments and deep
analysis using multiple deep learning based models on different datasets to
study the influence of posts by executives and general people on the close
price. Experimental results on multiple stocks (Apple and Tesla) and
decentralised currencies (Bitcoin and Ethereum) consistently show improvements
in prediction on including social media data and greater improvements on
including executive posts.
- Abstract（参考訳）: 株式市場の動きを予測することは、常に投資家や活発な研究分野にとって大きな関心事だった。
調査によると、製品の人気は人々の話に大きく影響されている。
twitterやredditのようなソーシャルメディアは、こうした影響のホットスポットになっている。
本稿は,Twitter と Reddit の投稿を用いた株価予測におけるソーシャルメディア投稿の影響について検討する。
当社の目標は,ソーシャルメディアデータの感情を過去の株価データと統合し,時系列モデルを用いた価格決定に与える影響を検討することである。
さまざまなデータセットに基づく複数の深層学習モデルを用いた厳密な実験と深層分析を行い,経営幹部や一般人によるポストが近い価格に与える影響について検討した。
複数の株(AppleとTesla)と分散通貨(BitcoinとEthereum)の実験結果は、ソーシャルメディアデータを含む予測の改善と、エグゼクティブポストを含む予測の改善を一貫して示している。
関連論文リスト
- Effect of Leaders Voice on Financial Market: An Empirical Deep Learning Expedition on NASDAQ, NSE, and Beyond [1.6622844933418388]
異なる分野のリーダーのTwitterハンドルのNLP分析に基づいて、ディープラーニングに基づくモデルを提案し、金融市場のトレンドを予測する。
インドとアメリカの金融市場は、将来他の市場が取られるように、現在の作業で探索されている。
論文 参考訳（メタデータ） (2024-03-18T18:19:08Z) - 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) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - 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) - Effects of Daily News Sentiment on Stock Price Forecasting [0.5242869847419834]
本稿では,約3.7年周期でニュースデータベースを作成するための,堅牢なデータ収集と事前処理フレームワークを提案する。
このタイムラインの株価情報をキャプチャして、記事のさまざまなセクションの感情スコアを含む複数の時系列データを作成します。
これに基づいて、評価スコアを特徴として使用し、性能を比較することなく、株価を予測するためにいくつかのLSTMモデルを適合させます。
論文 参考訳（メタデータ） (2023-08-02T06:42:39Z) - 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) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。
ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。
本報告では,ポンプ群とダンプ群に関する3症例について報告する。
論文 参考訳（メタデータ） (2021-05-03T10:20:47Z) - 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) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z)
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。