論文の概要: The Battle of Information Representations: Comparing Sentiment and
Semantic Features for Forecasting Market Trends
- arxiv url: http://arxiv.org/abs/2303.14221v1
- Date: Fri, 24 Mar 2023 18:30:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 21:15:10.676020
- Title: The Battle of Information Representations: Comparing Sentiment and
Semantic Features for Forecasting Market Trends
- Title（参考訳）: 情報表現の戦い:市場動向予測のための感性と意味的特徴の比較
- Authors: Andrei Zaichenko, Aleksei Kazakov, Elizaveta Kovtun, and Semen
Budennyy
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5249805590164902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The study of the stock market with the attraction of machine learning
approaches is a major direction for revealing hidden market regularities. This
knowledge contributes to a profound understanding of financial market dynamics
and getting behavioural insights, which could hardly be discovered with
traditional analytical methods. Stock prices are inherently interrelated with
world events and social perception. Thus, in constructing the model for stock
price prediction, the critical stage is to incorporate such information on the
outside world, reflected through news and social media posts. To accommodate
this, researchers leverage the implicit or explicit knowledge representations:
(1) sentiments extracted from the texts or (2) raw text embeddings. However,
there is too little research attention to the direct comparison of these
approaches in terms of the influence on the predictive power of financial
models. In this paper, we aim to close this gap and figure out whether the
semantic features in the form of contextual embeddings are more valuable than
sentiment attributes for forecasting market trends. We consider the corpus of
Twitter posts related to the largest companies by capitalization from NASDAQ
and their close prices. To start, we demonstrate the connection of tweet
sentiments with the volatility of companies' stock prices. Convinced of the
existing relationship, we train Temporal Fusion Transformer models for price
prediction supplemented with either tweet sentiments or tweet embeddings. Our
results show that in the substantially prevailing number of cases, the use of
sentiment features leads to higher metrics. Noteworthy, the conclusions are
justifiable within the considered scenario involving Twitter posts and stocks
of the biggest tech companies.
- Abstract（参考訳）: 機械学習アプローチの魅力を伴う株式市場の研究は、隠された市場規則を明らかにする主要な方向である。
この知識は金融市場のダイナミクスを深く理解し、従来の分析手法では見つからなかった行動的洞察を得ることに寄与する。
株価は本質的に世界の出来事や社会的認識と関係している。
したがって、株価予測モデルを構築する際には、ニュースやソーシャルメディアの投稿に反映された外界にそのような情報を組み込むことが重要となる。
これに対応するために研究者は、(1)テキストから抽出された感情、または(2)原文埋め込みという暗黙的あるいは明示的な知識表現を利用する。
しかし、金融モデルの予測力への影響という点で、これらのアプローチの直接比較にはあまり研究の注意が払われていない。
本稿では,このギャップを埋め,文脈埋め込み形式の意味的特徴が市場動向を予測するための感情属性よりも価値があるかを明らかにすることを目的とする。
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。
まず、企業株価のボラティリティとツイート感情の関連性を示す。
既存の関係を確信して、ツイートの感情やツイートの埋め込みを補完する価格予測のために、時間的融合トランスフォーマーモデルをトレーニングします。
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。
注目すべきは、この結論は、大手テック企業のTwitter投稿や株価に関する考慮されたシナリオの中で正当化できることだ。
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) - Stock Movement and Volatility Prediction from Tweets, Macroeconomic
Factors and Historical Prices [20.574163667057476]
株式市場の予測にツイートデータを使用した以前の研究は、3つの課題に直面した。
ECONには、大量のツイートデータを効率的に抽出し、デコードするアデプトツイートフィルタがある。
意味空間における自己認識機構を通じて、ストック、セクター、マクロ経済要因間の多水準関係を識別する。
論文 参考訳（メタデータ） (2023-12-04T22:27:43Z) - 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) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - 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) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - Taureau: A Stock Market Movement Inference Framework Based on Twitter
Sentiment Analysis [0.0]
我々はTwitterの感情分析を利用して株式市場の動きを予測するフレームワークTaureauを提案する。
まずはTweepyとgetOldTweetsを使って、一連のトップ企業の世論を示す歴史的なツイートを入手する。
得られた感情スコアの時間次元を月次株価変動データと相関する。
論文 参考訳（メタデータ） (2023-03-30T19:12:08Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - 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) - 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)
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。