論文の概要: The Hype Index: an NLP-driven Measure of Market News Attention

• arxiv url: http://arxiv.org/abs/2506.06329v1
• Date: Fri, 30 May 2025 19:55:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 03:13:19.067398
• Title: The Hype Index: an NLP-driven Measure of Market News Attention
• Title（参考訳）: ハイプ指数:NLPによる市場ニュースの注目度測定
• Authors: Zheng Cao, Wanchaloem Wunkaew, Helyette Geman,
• Abstract要約: 本稿では,大規模株式に対するメディアの注目度を定量化するための指標として,Hype Indexを紹介した。 まず,各報道記事のシェアを計算し,相対的なメディア露出を測定するニューズカウントベースのハイプ指数を構築した。 次に、資本化調整ハイプ指数(Capitalization Adjusted Hype Index)に拡張し、株式またはセクターのメディア重量と、その産業またはセクター内の市場資本化重量との比率を考慮し、経済規模を調整します。
• 参考スコア（独自算出の注目度）: 5.924698801336183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces the Hype Index as a novel metric to quantify media attention toward large-cap equities, leveraging advances in Natural Language Processing (NLP) for extracting predictive signals from financial news. Using the S&P 100 as the focus universe, we first construct a News Count-Based Hype Index, which measures relative media exposure by computing the share of news articles referencing each stock or sector. We then extend it to the Capitalization Adjusted Hype Index, adjusts for economic size by taking the ratio of a stock's or sector's media weight to its market capitalization weight within its industry or sector. We compute both versions of the Hype Index at the stock and sector levels, and evaluate them through multiple lenses: (1) their classification into different hype groups, (2) their associations with returns, volatility, and VIX index at various lags, (3) their signaling power for short-term market movements, and (4) their empirical properties including correlations, samplings, and trends. Our findings suggest that the Hype Index family provides a valuable set of tools for stock volatility analysis, market signaling, and NLP extensions in Finance.
• Abstract（参考訳）: 本稿では,大規模株式に対するメディアの注目度を定量化するための指標としてHype Indexを導入し,金融ニュースから予測信号を抽出するために自然言語処理(NLP)の進歩を活用する。 まず,S&P100を焦点とするニューズカウントベースハイプ指数を構築し,各報道記事のシェアを計算し,相対的なメディア露出を測定する。 次に、資本化調整ハイプ指数(Capitalization Adjusted Hype Index)に拡張し、株式またはセクターのメディア重量と、その産業またはセクター内の市場資本化重量との比率を考慮し、経済規模を調整します。 我々は,ストックおよびセクターレベルでHype Indexの両バージョンを計算し,複数のレンズを用いて評価する。(1)異なるハイプグループ,(2)様々なラグにおけるリターン,ボラティリティ,VIXインデックス,(3)短期市場の動きに対するシグナル伝達力,(4)相関,サンプリング,トレンドなどの経験的特性。 以上の結果から,Hype Indexファミリーは株式ボラティリティ分析,マーケットシグナリング,NLP拡張のための貴重なツールセットをファイナンスに提供していることが示唆された。

関連論文リスト

• Why Regression? Binary Encoding Classification Brings Confidence to Stock Market Index Price Prediction [13.19419686734908]
  本稿では,指標価格予測のために構成銘柄の適応的融合を明示的にモデル化する新しいエンドツーエンドフレームワークを提案する。 Cubicは、ストックインデックス予測タスクにおける最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2025-05-18T15:45:41Z)
• Predicting Stock Prices with FinBERT-LSTM: Integrating News Sentiment Analysis [2.7921137693344384]
  我々は、株価の歴史と金融、ビジネス、技術ニュースに基づくディープラーニングネットワークを使用し、株価を予測するために市場情報を導入しています。 我々はファイナンシャルテキスト中の感情を識別するために、FinBERTとして知られる事前学習NLPモデルを開発した。 このモデルは、市場構造階層、すなわち、市場、産業、および株価関連ニュースカテゴリに関するニュースカテゴリと、前週の株式市場の株価状況を組み合わせて予測する。
  論文  参考訳（メタデータ） (2024-07-23T03:26:07Z)
• 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)
• 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)
• Stock price prediction using BERT and GAN [0.0]
  本稿では、株価を予測するための最先端の手法の集合体を提案する。 これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。 その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
  論文  参考訳（メタデータ） (2021-07-18T18:31:43Z)
• 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)
• Forecasting financial markets with semantic network analysis in the COVID-19 crisis [0.0]
  この指標をイタリアの報道機関に適用し、イタリア株と債券市場のリターンとボラティリティを予測する指標を構築します。 その結果、債券市場データの予測可能性、リターンとボラティリティ、短期と長期の成熟度、および株式市場のボラティリティの強い証拠が示唆された。
  論文  参考訳（メタデータ） (2020-09-09T15:40:56Z)

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。