ACLApr, 2017

Fortia-FBK 在 SemEval-2017 任务 5 中：看涨还是看跌？从金融新闻头条推断品牌情绪

PDF
TL;DR本文介绍了一种通过使用情感词表、词向量以及卷积神经网络的方法，对财经新闻标题中对特定公司的牛市或熊市情绪进行推断。在 SemEval2017 挑战赛（任务 5，子任务 2）中，该方法获得了最佳表现。
发现论文，激发创造
  • 基于情感驱动的金融收益预测：一种贝叶斯增强的 FinBERT 方法

    通过从推特中提取的情感信息，使用 FinBERT 大型语言模型的研究表明通过关联分析筛选特征集并采用贝叶斯优化的递归特征消除实现了超过 70% 的 F1 分数，从而在回测交易中获得了更高的累积利润。

    Mar, 2024

  • SEntFiN 1.0：金融新闻情感分析中的实体感知

    本文探讨了在新闻标题中进行细粒度金融情感分析的任务和挑战，提出 SAEntFiN 1.0 数据集，并使用特征为基础的方法提取实体相关情感。使用 12 种不同的学习方案验证实验结果，RoBERTa 和 finBERT 的平均准确率和 F1 分数最高，同时使用 210,000 多个实体情感预测验证了情感对市场的影响。

    May, 2023

  • 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

  • 金融情绪分析的预训练大型语言模型

    金融情感分析是将金融文本内容分类为情感类别（如积极、消极和中性）。本文聚焦于金融新闻标题的分类，通过利用预训练的大型语言模型以及监督微调技术，实现在少量训练样本情况下显著超越之前最先进的算法。

    Jan, 2024

  • 经济新闻预测

    该研究通过对六家大型美国报纸的新闻文章进行情感分析，发现经济情绪与商业周期波动密切相关，是预测四个主要宏观经济变量的相关因素之一，并且预测准确度得到了显著提高。此外，该研究还发现情感分析在解释多个宏观经济变量概率分布的尾部时也具有重要作用。

    Mar, 2022

  • 基于注意力机制循环神经网络的金融新闻股票趋势预测

    使用深度神经模型从新闻文本中提取语义特征，应用自注意机制分配注意力，并预测标准普尔 500 指数和个人公司股价的方向性变化，表明该技术与其他最先进的方法相当竞争，证明了最新的自然语言处理技术对计算金融业的有效性。

    Nov, 2018

  • 好债务还是坏债务：检测经济文本中的语义倾向性

    本文主要研究如何利用人工智能技术分析经济新闻中的情感倾向，提出一种基于人工标注金融短语库、同时考虑上下文结构信息和特征属性的线性短语结构模型，并与现有情感分析模型进行比较。

    Jul, 2013

  • 基于 BERT 的金融情感指数和基于 LSTM 的股票收益可预测性

    通过使用 Google 开发的预训练模型 BERT 以及 LSTM，结合期权和市场隐含方法，构建了一个更通用和综合的金融情感分析框架，证明了在金融情感分析中应用 BERT 相较于现有模型的显著改进，并进一步提供了对个股收益率可预测性的令人信服的结果。

    Jun, 2019

  • 股市情绪分类和精细调整的 BERT 回测

    基于情绪理论，本文以东方财富网为例，从用户评论数据中提取情感信息，并结合 Alpha191 模型进行回归分析，结果显示情感因素的加入使回报率相比于基准模型提高了 73.8%，相比于原始 alpha191 模型提高了 32.41%。同时讨论了情感因素融入量化交易的优点和缺点，并提出未来进一步研究的可能方向。

    Sep, 2023

  • 基于词嵌入信息检索模型的财务披露情感预测

    本文研究运用情感分析和文本检索技术，分析股市公司年度披露的情感语言，来预测市场的波动性。同时结合市场数据，采用基于词嵌入的方法来有效地预测市场风险，结果表明词嵌入方法的预测表现优于其他方法，并且探讨了不同行业的公司报告特征。

    Feb, 2017