Dec, 2011

预测金融市场：比较调查、新闻、Twitter 和搜索引擎数据

PDF
TL;DR本文通过调查一系列网络数据集和情感追踪方法，比较它们对预测金融市场指数、交易量和市场波动率以及黄金价格的价值，结果表明，传统的调查情绪指标是金融市场的滞后指标，但是一些在线情感指标是非常具有统计显著性的预测因素。
financial predictiononline sentiment trackingdata setssentiment tracking methodsmarket indices
发现论文，激发创造
  • 预测新闻情感对股市的影响

    通过情感分析市场新闻，本文针对金融市场制定了情感分析字典和模型，并对医药股市的新闻进行了分析，得出仅从新闻情感中，对于预测短期股价趋势有 70.59% 的准确率。

    Dec, 2018

  • 量化金融新闻情感 -- 我们做的是否正确？

    使用 SENTInews 定制的金融新闻情感分析器，本文探索了衡量金融新闻情感的最有效和准确的方法，认为使用 Vader、LM、Harvard IV 和 Pattern 等常用方法无法准确描绘金融新闻的真实情况，因此不够可靠。

    Dec, 2023

  • 利用 Twitter 数据进行情感分析以预测股市走势

    利用 Word2vec 和 N-gram 文本表示方法，对 Twitter 上大众情绪进行情感分析，并应用监督式机器学习原理分析某公司股票市场的走势与 Twitter 上情感的相关性，研究表明社交媒体中与某公司相关的正面消息和推文会鼓励人们投资该公司的股票，从而提高该公司的股价。

    Oct, 2016

  • 利用时间序列分析和自然语言处理预测金融市场趋势

    本研究通过时间序列分析和自然语言处理，评估了利用 Twitter 情感进行预测特斯拉、苹果等主要公司股票价格的可行性，结果表明积极性、消极性和主观性是股票价格波动的主要决定因素。该研究强调了将公众意见纳入股票价格预测的重要性，同时指出利用 Twitter 情感可以作为预测股票价格的有效工具，应纳入投资策略制定。

    Aug, 2023

  • 每日新闻情感对股票价格预测的影响

    为了预测股票的未来价格，我们设计了一个高效的系统来捕捉 NITY50 股票的新闻情绪，并通过对新闻数据库和股票价格信息进行处理，使用多个 LSTM 模型来预测股票价格，并比较其表现。

    Aug, 2023

  • Twitter 情感对股价回报的影响

    本文研究了社交媒体平台 Twitter 与金融市场的关系，以事件研究方法分析其对道琼斯工业平均指数 30 家上市公司的影响，结果显示 Twitter 情绪对于峰值期间的异常收益确实存在显著影响。

    Jun, 2015

  • Twitter 情绪预测股票市场

    本文通过对大规模 Twitter Feed 情绪的追踪分析，发现公众情绪状态对 Dow Jones 工业平均指数 (DJIA) 未来走势有显著预测作用，其中一些情绪维度会带来更高的 DJIA 预测准确率。

    Oct, 2010

  • 推特对市场趋势的影响：分析社交媒体情绪对生物科技股的影响

    本研究调查了生物技术领域中推文情感与各类别的关系：新闻、公司观点、CEO 观点、竞争对手观点以及股市行为，重点在于了解社交媒体话语对投资者情绪和决策过程的影响。我们分析了十家最大和最有影响力的制药公司的历史股市数据，以及与 COVID-19、疫苗、公司和相关 CEO 有关的 Twitter 数据。利用 VADER 情感分析，我们检查了推特情感得分，并评估它们与股市表现之间的关系。我们采用 ARIMA（自回归移动平均）和 VAR（向量自回归）模型来预测股市表现，并引入情感协变量以提高预测准确性。研究结果显示推文情感、新闻、生物技术公司、其 CEO 和股市表现之间存在复杂的相互作用，强调了在建模和预测股价时考虑多种因素的重要性。本研究为社交媒体对金融行业的影响提供了有价值的见解，并为进一步完善股价预测模型的研究奠定了基础。

    Jan, 2024

  • 微博平台专家对股市预测表现更好吗？

    该研究使用神经网络的新组合评估基于人群金融背景的情感分析预测股市，利用 BERT 对情感进行分类，利用 LSTM 进行基于时间序列的股市预测，并利用微博作为情感数据收集源来评估结果，指出从持牌金融顾问组学习到的股市预测比未经授权的金融顾问组学习到的预测结果精确度高出 39.67％，并且相较于现有方法，该方法的准确度最高（87％）。

    Feb, 2024

  • 加密货币市场预测的社交媒体情感分析

    本研究探讨了不同的自然语言处理模型在社交媒体情感分析中的可用性，应用于金融市场预测，以加密货币领域为参考。我们研究了不同情感度量与比特币价格波动之间的相关性。通过实验我们发现有一个模型优于其他 20 多个公开模型，且通过 fine-tune 可以得到更好的性能，其解释性更强。因此我们证实可解释的人工智能和自然语言处理方法可能比不可解释的方法更有实际价值。最后，我们分析了不同情感度量与价格波动之间的潜在因果关系。

    Apr, 2022