論文の概要: Analyst Reports and Stock Performance: Evidence from the Chinese Market

• arxiv url: http://arxiv.org/abs/2411.08726v1
• Date: Wed, 13 Nov 2024 16:08:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:10:50.906930
• Title: Analyst Reports and Stock Performance: Evidence from the Chinese Market
• Title（参考訳）: アナリスト報告と株価パフォーマンス:中国市場からの証拠
• Authors: Rui Liu, Jiayou Liang, Haolong Chen, Yujia Hu,
• Abstract要約: 本稿では、自然言語処理(NLP)を用いてテキスト情報を抽出し、定量化し、ストックパフォーマンスを予測する。 中国のアナリストの広範なデータセットを用いて、中国語のテキストにカスタマイズされたBERTディープラーニングモデルを用いて、この研究はレポートの感情を肯定的、中立的、否定的なものに分類する。 この結果は、株価のボラティリティ、過剰なリターン、取引量に対するこの指標の予測能力を強調している。
• 参考スコア（独自算出の注目度）: 3.5424329406514703
• License:
• Abstract: This article applies natural language processing (NLP) to extract and quantify textual information to predict stock performance. Using an extensive dataset of Chinese analyst reports and employing a customized BERT deep learning model for Chinese text, this study categorizes the sentiment of the reports as positive, neutral, or negative. The findings underscore the predictive capacity of this sentiment indicator for stock volatility, excess returns, and trading volume. Specifically, analyst reports with strong positive sentiment will increase excess return and intraday volatility, and vice versa, reports with strong negative sentiment also increase volatility and trading volume, but decrease future excess return. The magnitude of this effect is greater for positive sentiment reports than for negative sentiment reports. This article contributes to the empirical literature on sentiment analysis and the response of the stock market to news in the Chinese stock market.
• Abstract（参考訳）: 本稿では、自然言語処理(NLP)を用いてテキスト情報を抽出し、定量化し、ストックパフォーマンスを予測する。 中国のアナリストの広範なデータセットを用いて、中国語のテキストにカスタマイズされたBERTディープラーニングモデルを用いて、この研究はレポートの感情を肯定的、中立的、否定的なものに分類する。 この結果は、株価のボラティリティ、過剰なリターン、取引量に対するこの指標の予測能力を強調している。 特に、強い肯定的な報告は、過剰なリターンと日内ボラティリティを増大させ、逆もまた、強い否定的な報告はボラティリティと取引量を増加させるが、将来の過剰なリターンを減少させる。 この効果の大きさは、ネガティブな感情レポートよりもポジティブな感情レポートの方が大きい。 本稿は、中国株式市場のニュースに対する株式市場の反応と感情分析に関する実証文献に貢献する。

関連論文リスト

• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• BERTopic-Driven Stock Market Predictions: Unraveling Sentiment Insights [0.0]
  NLP技術であるBERTopicを用いて、株式市場のコメントから派生したトピックの感情を分析する。 本手法は,この感情分析と様々な深層学習モデルを統合し,時系列およびストック予測タスクの有効性で有名である。 その結果、株式市場のコメントの話題は、株式市場のボラティリティと価格トレンドに関する暗黙の貴重な洞察を提供することを示している。
  論文  参考訳（メタデータ） (2024-04-02T15:50:10Z)
• Applying News and Media Sentiment Analysis for Generating Forex Trading Signals [0.0]
  著者は、ソーシャルメディア投稿と米国ドル(USD)に関するニュース記事における感情を、手法の組み合わせを用いて評価した。 この結果は、市場の動きを予測し、トレーディングシグナルを考案する上で、感情分析が有用であることを示唆している。
  論文  参考訳（メタデータ） (2024-02-19T02:43:55Z)
• Lost in the Source Language: How Large Language Models Evaluate the Quality of Machine Translation [64.5862977630713]
  本研究では,機械翻訳評価タスクにおいて,Large Language Models (LLM) がソースデータと参照データをどのように活用するかを検討する。 参照情報が評価精度を大幅に向上させるのに対して,意外なことに,ソース情報は時として非生産的である。
  論文  参考訳（メタデータ） (2024-01-12T13:23:21Z)
• Unveiling the Potential of Sentiment: Can Large Language Models Predict Chinese Stock Price Movements? [13.682396634686159]
  本稿では,大規模言語モデルの包括的評価のための標準化された実験手法を提案する。 性能向上のためのユニークなアプローチを具現化した3つの異なるLCMを用いて,その方法論を詳述する。 これらの感情要因を用いて量的トレーディング戦略を開発し、現実的なシナリオでバックテストを実施します。
  論文  参考訳（メタデータ） (2023-06-25T12:08:44Z)
• 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)
• Deep learning based Chinese text sentiment mining and stock market correlation research [6.000327333763521]
  我々は、ストックバーなどの金融フォーラムデータをクロールして、感情分析のためのディープラーニングモデルと組み合わせる方法について検討する。 本稿では、BERTモデルを用いて、財務コーパスに対するトレーニングを行い、SZSE成分指数を予測する。 得られた感情特徴は、株式市場の変動を反映し、予測精度を効果的に改善するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-05-10T08:35:33Z)
• On the Language Coverage Bias for Neural Machine Translation [81.81456880770762]
  言語カバレッジバイアスは、ニューラルネットワーク翻訳(NMT)において重要である。 実験を慎重に設計することにより、トレーニングデータにおける言語カバレッジバイアスの包括的分析を行う。 本稿では,言語カバレッジバイアス問題を軽減するための,シンプルで効果的な2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-07T01:55:34Z)
• 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。