論文の概要: Aspect-Level Obfuscated Sentiment in Thai Financial Disclosures and Its Impact on Abnormal Returns
- arxiv url: http://arxiv.org/abs/2511.13481v1
- Date: Mon, 17 Nov 2025 15:17:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:25.327486
- Title: Aspect-Level Obfuscated Sentiment in Thai Financial Disclosures and Its Impact on Abnormal Returns
- Title（参考訳）: タイの財務情報開示におけるアスペクトレベルの難読感と異常リターンへの影響
- Authors: Attapol T. Rutherford, Sirisak Chueykamhang, Thachaparn Bunditlurdruk, Nanthicha Angsuwichitkul,
- Abstract要約: 本稿では, タイの金融年報における難読感をデコードするために, Aspect-Based Sentiment Analysis (ABSA) を用いた新しいアプローチを提案する。
我々はこれらのテキストに難読感を注釈付けするための具体的なガイドラインを開発し、100以上の財務報告を注釈付けする。
以上の結果から,市場反応はレポート内の特定の側面によって選択的に影響されることが示唆された。
- 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: Understanding sentiment in financial documents is crucial for gaining insights into market behavior. These reports often contain obfuscated language designed to present a positive or neutral outlook, even when underlying conditions may be less favorable. This paper presents a novel approach using Aspect-Based Sentiment Analysis (ABSA) to decode obfuscated sentiment in Thai financial annual reports. We develop specific guidelines for annotating obfuscated sentiment in these texts and annotate more than one hundred financial reports. We then benchmark various text classification models on this annotated dataset, demonstrating strong performance in sentiment classification. Additionally, we conduct an event study to evaluate the real-world implications of our sentiment analysis on stock prices. Our results suggest that market reactions are selectively influenced by specific aspects within the reports. Our findings underscore the complexity of sentiment analysis in financial texts and highlight the importance of addressing obfuscated language to accurately assess market sentiment.
- Abstract（参考訳）: 市場行動の洞察を得るためには、財務文書の感情を理解することが不可欠である。
これらの報告は、たとえ根底にある条件があまり好ましくないとしても、肯定的あるいは中立的な見通しを示すよう設計された難解な言語を含んでいることが多い。
本稿では, タイの金融年報における難読感をデコードするために, Aspect-Based Sentiment Analysis (ABSA) を用いた新しいアプローチを提案する。
我々はこれらのテキストに難読感を注釈付けするための具体的なガイドラインを開発し、100以上の財務報告を注釈付けする。
次に、この注釈付きデータセット上で様々なテキスト分類モデルをベンチマークし、感情分類において強い性能を示す。
また、株価に対する感情分析の現実的な影響を評価するためのイベントスタディも実施している。
以上の結果から,市場反応はレポート内の特定の側面によって選択的に影響されることが示唆された。
本研究は、財務文献における感情分析の複雑さを浮き彫りにして、市場感情を正確に評価するために難解な言語に対処することの重要性を強調した。
関連論文リスト
- You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。
感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文 参考訳（メタデータ） (2024-10-18T17:27:38Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - Transforming Sentiment Analysis in the Financial Domain with ChatGPT [0.07499722271664146]
本研究では,金融感情分析における大規模言語モデル,特にChatGPT 3.5の可能性について検討する。
ChatGPTは、感情分類で約35%向上し、市場リターンと36%高い相関を示した。
この研究は、特にゼロショットの文脈において、迅速なエンジニアリングの重要性を浮き彫りにすることで、ChatGPTが金融アプリケーションにおける感情分析を大幅に強化する可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-08-13T09:20:47Z) - Instruct-FinGPT: Financial Sentiment Analysis by Instruction Tuning of
General-Purpose Large Language Models [18.212210748797332]
本稿では,これらの問題に対処する簡易かつ効果的な命令チューニング手法を提案する。
実験では, 最先端の教師付き感情分析モデルより優れていた。
論文 参考訳（メタデータ） (2023-06-22T03:56:38Z) - Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。
我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。
本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文 参考訳（メタデータ） (2023-05-23T23:45:20Z) - FinXABSA: Explainable Finance through Aspect-Based Sentiment Analysis [29.04270769176084]
本稿では,金融学的に説明可能な統計的関係を導出し,財務分析における説明可能性に関する新たなアプローチを提案する。
提案手法は、財務文献からアスペクトリストを作成し、アスペクトベースの感情分析をソーシャルメディアテキストに適用することを含む。
派生関係の発見は、Granger因果関係を適用して、各アスペクトのセンチメントスコアの株価予測能力を決定することによって、堅牢化される。
論文 参考訳（メタデータ） (2023-03-05T03:18:56Z) - Contextual Sentence Analysis for the Sentiment Prediction on Financial
Data [0.10878040851637999]
企業や株式に関する感情を特定するために,トランスフォーマーモデルの階層的スタックを提案する。
見出しとマイクロブログを処理するためにRoBERTaモデルを微調整し、追加のTransformerレイヤと組み合わせて感情辞書による文解析を行った。
論文 参考訳（メタデータ） (2021-12-27T17:12:57Z) - Towards Financial Sentiment Analysis in a South African Landscape [0.015863809575305417]
この論文は、金融業績の側面のみに焦点を当て、南アフリカの文脈における金融感情分析に関するギャップを探求するものである。
その結果、事前学習した感情分析者は、この課題に対して最も効果が低いことが明らかとなった。
従来の辞書ベースの機械学習アプローチは、ニュース記事の金銭的感情を予測するのに最適である。
論文 参考訳（メタデータ） (2021-06-18T08:48:47Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z)
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。