論文の概要: Towards Unified Multimodal Financial Forecasting: Integrating Sentiment Embeddings and Market Indicators via Cross-Modal Attention

• arxiv url: http://arxiv.org/abs/2508.13327v1
• Date: Mon, 18 Aug 2025 19:22:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.711788
• Title: Towards Unified Multimodal Financial Forecasting: Integrating Sentiment Embeddings and Market Indicators via Cross-Modal Attention
• Title（参考訳）: マルチモーダル・ファイナンシャル・予測の統合に向けて--クロスモーダル・アテンションによるセンティブ・エンベディングと市場指標の統合
• Authors: Sarthak Khanna, Armin Berger, David Berghaus, Tobias Deusser, Lorenz Sparrenberg, Rafet Sifa,
• Abstract要約: STONKは、毎日の株価変動予測を改善するために、感情に富んだニュース埋め込みと数値市場指標を統合するためのフレームワークである。 バックテストでは、STONKは数値のみのベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 0.8521378010565593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose STONK (Stock Optimization using News Knowledge), a multimodal framework integrating numerical market indicators with sentiment-enriched news embeddings to improve daily stock-movement prediction. By combining numerical & textual embeddings via feature concatenation and cross-modal attention, our unified pipeline addresses limitations of isolated analyses. Backtesting shows STONK outperforms numeric-only baselines. A comprehensive evaluation of fusion strategies and model configurations offers evidence-based guidance for scalable multimodal financial forecasting. Source code is available on GitHub
• Abstract（参考訳）: STONK(Stock Optimization using News Knowledge)は,感情に富んだニュース埋め込みと数値市場指標を統合し,毎日の株価変動予測を改善するためのマルチモーダルフレームワークである。 特徴連結と相互注意による数値とテキストの埋め込みを組み合わせることで、統合パイプラインは孤立分析の限界に対処する。 バックテストでは、STONKは数値のみのベースラインを上回っている。 統合戦略とモデル構成の包括的な評価は、スケーラブルなマルチモーダル財務予測のためのエビデンスベースのガイダンスを提供する。 ソースコードはGitHubで入手できる

関連論文リスト

• Cross-Modal Temporal Fusion for Financial Market Forecasting [3.0756278306759635]
  我々は、市場予測を改善するために、構造化および非構造化の財務データを融合するトランスフォーマーベースのディープラーニングフレームワークであるCross-Modal Temporal Fusion (CMTF)を導入する。 FTSE 100 ストックデータを用いた実験結果から,CMTF は古典的および深層学習ベースラインと比較して,価格方向分類において優れた性能を示した。
  論文  参考訳（メタデータ） (2025-04-18T07:20:18Z)
• FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
  ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。 FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
  論文  参考訳（メタデータ） (2025-02-26T05:19:16Z)
• Multimodality Helps Few-shot 3D Point Cloud Semantic Segmentation [61.91492500828508]
  FS-PCS (Few-shot 3D point cloud segmentation) は、最小のサポートサンプルで新しいカテゴリを分割するモデルを一般化することを目的としている。 テキストラベルと潜在的に利用可能な2次元画像モダリティを利用したマルチモーダルFS-PCS構成を提案する。 トレーニングバイアスを軽減するため,テスト時間適応型クロスモーダル(TACC)技術を提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:28:41Z)
• Stock Movement Prediction with Multimodal Stable Fusion via Gated Cross-Attention Mechanism [11.6870352823637]
  本研究は,MSGCA (Multimodal Stable Fusion with Gated Cross-Attention) という新しいアーキテクチャを導入する。 MSGCAフレームワークは、(1)インジケータシーケンス、動的文書、および関係グラフを処理し、それらの特徴表現を標準化する三次符号化モジュール、(2)プライマリおよび一貫性のある特徴が一対のゲート型クロスアテンションネットワークを介して3つのモダリティのマルチモーダル融合を導くクロスフュージョンモジュール、(3)時間的および次元的縮小により融合した特徴を洗練して正確に実行する予測モジュールからなる。
  論文  参考訳（メタデータ） (2024-06-06T03:13:34Z)
• Exploiting Modality-Specific Features For Multi-Modal Manipulation Detection And Grounding [54.49214267905562]
  マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。 本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。 本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
  論文  参考訳（メタデータ） (2023-09-22T06:55:41Z)
• Social-STAGE: Spatio-Temporal Multi-Modal Future Trajectory Forecast [28.14120504421402]
  マルチモダリティの新たな評価手法として,ソーシャル・ステージ(Social-STAGE)とソーシャル・インタラクションを意識した時空間マルチアテンショングラフ畳み込みネットワークを提案する。 本研究の主な貢献は、インタラクションとマルチアテンションを用いたランキングによるマルチモーダルの分析と定式化、およびマルチモーダル予測の多様性と関連する信頼性を評価するための新しい指標の導入である。
  論文  参考訳（メタデータ） (2020-11-10T01:18:57Z)

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。