Fugu-MT 論文翻訳(概要): GRUvader: Sentiment-Informed Stock Market Prediction

論文の概要: GRUvader: Sentiment-Informed Stock Market Prediction

arxiv url: http://arxiv.org/abs/2412.06836v1
Date: Sat, 07 Dec 2024 04:56:17 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-11 14:38:08.905114
Title: GRUvader: Sentiment-Informed Stock Market Prediction
Title（参考訳）: GRUvader:指数インフォームドの株価予測
Authors: Akhila Mamillapalli, Bayode Ogunleye, Sonia Timoteo Inacio, Olamilekan Shobayo,
Abstract要約: 本研究では,市場予測のための機械学習アルゴリズムをいくつか比較し,感情分析指標が株価予測に与える影響について検討した。以上の結果から,スタンドアローンモデルはAI強化モデルと比較して困難であったことが示唆された。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Stock price prediction is challenging due to global economic instability, high volatility, and the complexity of financial markets. Hence, this study compared several machine learning algorithms for stock market prediction and further examined the influence of a sentiment analysis indicator on the prediction of stock prices. Our results were two-fold. Firstly, we used a lexicon-based sentiment analysis approach to identify sentiment features, thus evidencing the correlation between the sentiment indicator and stock price movement. Secondly, we proposed the use of GRUvader, an optimal gated recurrent unit network, for stock market prediction. Our findings suggest that stand-alone models struggled compared with AI-enhanced models. Thus, our paper makes further recommendations on latter systems.
Abstract（参考訳）: 世界的な経済不安定、高いボラティリティ、金融市場の複雑さにより、株価の予測は困難である。そこで,本研究では,市場予測のための機械学習アルゴリズムをいくつか比較し,感情分析指標が株価予測に与える影響について検討した。結果は2倍になった。まず,感情特徴の識別にレキシコンを用いた感情分析手法を用い,感情指標と株価変動の相関性を検討した。第2に,市場予測のための最適ゲート再帰ユニットネットワークであるGRUvaderを提案する。以上の結果から,スタンドアローンモデルはAI強化モデルと比較して困難であったことが示唆された。そこで本稿では,後者のシステムについてさらに推奨する。

関連論文リスト

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)
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)
Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-18T16:21:15Z)
Stock Market Price Prediction: A Hybrid LSTM and Sequential Self-Attention based Approach [3.8154633976469086]
LSTM-SSAM(Sequential Self-Attention Mechanism)を用いたLong Short-Term Memory(LSTM)というモデルを提案する。 SBIN,BANK,BANKBARODAの3つのストックデータセットについて広範な実験を行った。実験により,既存のモデルと比較して,提案モデルの有効性と妥当性が示された。
論文参考訳（メタデータ） (2023-08-07T14:21:05Z)
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)
Predicting Stock Price Movement as an Image Classification Problem [0.0]
画像分類問題と考えられる株の日内価格変動について検討する。 CNNベースのモデルを使用して、最初の取引時間とクローゼットの間の高レベルな関係を説得力のあるケースを作ります。
論文参考訳（メタデータ） (2023-03-02T09:47:14Z)
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)
Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文参考訳（メタデータ） (2022-03-07T18:59:54Z)
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 Novel Deep Reinforcement Learning Based Stock Direction Prediction using Knowledge Graph and Community Aware Sentiments [0.0]
提案手法は,市場予測タスクにおいて顕著な結果をもたらす。このモデルの有効性を示すために、イスタンブール証券取引所のGaranti Bank(GARAN)、Akbank(AKBNK)、T'urkiye.Ics Bankasi(ISCTR)の株がケーススタディとして使用されている。
論文参考訳（メタデータ） (2021-07-02T09:39:41Z)
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。