論文の概要: Taureau: A Stock Market Movement Inference Framework Based on Twitter Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2303.17667v1
• Date: Thu, 30 Mar 2023 19:12:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 16:04:29.138974
• Title: Taureau: A Stock Market Movement Inference Framework Based on Twitter Sentiment Analysis
• Title（参考訳）: Taureau: Twitter Sentiment分析に基づく株式市場の動き予測フレームワーク
• Authors: Nicholas Milikich and Joshua Johnson
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advent of fast-paced information dissemination and retrieval, it has become inherently important to resort to automated means of predicting stock market prices. In this paper, we propose Taureau, a framework that leverages Twitter sentiment analysis for predicting stock market movement. The aim of our research is to determine whether Twitter, which is assumed to be representative of the general public, can give insight into the public perception of a particular company and has any correlation to that company's stock price movement. We intend to utilize this correlation to predict stock price movement. We first utilize Tweepy and getOldTweets to obtain historical tweets indicating public opinions for a set of top companies during periods of major events. We filter and label the tweets using standard programming libraries. We then vectorize and generate word embedding from the obtained tweets. Afterward, we leverage TextBlob, a state-of-the-art sentiment analytics engine, to assess and quantify the users' moods based on the tweets. Next, we correlate the temporal dimensions of the obtained sentiment scores with monthly stock price movement data. Finally, we design and evaluate a predictive model to forecast stock price movement from lagged sentiment scores. We evaluate our framework using actual stock price movement data to assess its ability to predict movement direction.
• Abstract（参考訳）: 急速な情報普及と検索の出現により、株式市場価格予測の自動化手段を身につけることが本質的に重要になっている。 本稿では、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であるtaureauを提案する。 当社の研究の目的は、一般大衆の代表と推定されるtwitterが、特定の企業の一般認識に対する洞察を与え、その企業の株価変動と何らかの相関があるかどうかを判断することにある。 我々はこの相関を利用して株価変動を予測する。 まずTweepyとgetOldTweetsを使って、主要なイベントの期間中にトップ企業の意見を示す歴史的なツイートを入手する。 標準のプログラミングライブラリを使ってツイートをフィルタリングし、ラベル付けします。 そして、得られたツイートから単語をベクトル化し、埋め込みを生成する。 その後、現在最先端の感情分析エンジンであるTextBlobを活用し、ツイートに基づいてユーザーの気分を評価し定量化する。 次に、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。 最後に,評価スコアから株価変動を予測するための予測モデルの設計と評価を行う。 我々は,実際の株価変動データを用いて,その動き方向を予測する能力を評価する。

関連論文リスト

• 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)
• 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)
• Cryptocurrency Price Prediction using Twitter Sentiment Analysis [0.0]
  この調査では、歴史的価格とツイートの感情を使ってBitcoinの価格を予測する。 我々は、一連のツイートの感情を予測し、Bitcoinの価格を予測できるエンドツーエンドモデルを開発した。 感情予測は平均絶対誤差9.45%、平均リアルタイムデータ、テストデータを与えた。
  論文  参考訳（メタデータ） (2023-03-03T18:42:01Z)
• The Impact of Twitter Sentiments on Stock Market Trends [0.0]
  S&P500種株価指数(S&P500種株価指数)の上位5銘柄の3ヶ月間の総数、感情、言及を分析した。 われわれの調査では、株価とTwitterの感情の間に大きな相関関係があることが判明した。
  論文  参考訳（メタデータ） (2023-02-14T18:43:20Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• 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)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Using Twitter Attribute Information to Predict Stock Prices [0.0]
  モデルは、LSTMと完全に接続されたレイヤのいくつかの層を持つニューラルネットワークに基づいています。 過去の株価、技術指標、twitterの属性情報で訓練されている。 その結果、より多くのTwitter属性を追加することで、予測価格と実際の価格の間のMSEが3%向上しました。
  論文  参考訳（メタデータ） (2021-05-04T10:27:37Z)
• 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)
• Neural Temporal Opinion Modelling for Opinion Prediction on Twitter [42.87769996249732]
  本研究では,周辺環境における動的トピックシフトを捉えるために,トピック駆動型アテンション機構を設計する。 実験の結果,提案モデルでは,ポスト時間と将来のツイートのスタンスラベルの両方を,競合するベースラインよりも正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T16:49:04Z)

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。