KDDAug, 2020

关于盈利电话会议和股价走势的研究

PDF
TL;DR本文提出使用深度学习框架，通过对收益电话记录进行建模，应用注意力机制将文本数据编码为向量以预测股票价格的变化，实证实验表明该模型优于传统机器学习基准，并且收益电话信息可以提升股票价格预测性能。
earnings callstranscriptsdeep learning frameworkstock price predictionattention mechanism
发现论文，激发创造
  • 通过财报电话会议的语用学和语义学建模金融分析师的决策过程

    分析与证实了分析师在收益电话中的决策行为，以及将语言内容与前后市场数据相关联的能力，以帮助投资者做出决策。

    Jun, 2019

  • ECC 分析器：利用大型语言模型从财报电话会议中提取交易信号进行股票表现预测

    利用大型语言模型和多模式技术，ECC 分析器能够从财报电话会议中提取更丰富、更具预测能力的见解，进而进行多任务的股票性能预测，包括波动性、风险价值和回报率。

    Apr, 2024

  • 通过联合建模收益电话会议中公司网络和对话来预测企业风险

    该研究提出了一种新模型 ——TVGNN，通过共同建模会议通话对话和公司网络，对波动率进行预测，取得了较好的效果。

    May, 2022

  • 利用词向量和深度神经网络预测股价走势的金融新闻杠杆

    本文应用词嵌入技术和深度神经网络模型，利用金融新闻预测股票价格的走向，实验证明该方法简单有效，可以显著提高标准金融数据库上的股票预测准确性。

    Jun, 2015

  • 使用循环神经网络进行收益预测

    该研究使用四十年的财务数据，开发了一个神经网络模型来预测未来的公司收益，解决了财务分析师的覆盖不足和偏见估计问题，并超过了学术界的基准模型以及对于财年收益预测的分析师预测。

    Nov, 2023

  • 基于时间序列分析的股票价格预测：机器学习和深度学习模型

    本研究利用统计学、机器学习和深度学习模型建立了一个强大而准确的股票价格预测框架，研究结果表明该多模型的结合方法可以从波动和随机的股票价格数据中有效地学习。

    Apr, 2020

  • 可解释的基于文本驱动的神经网络股票预测

    本研究提出了一种双层注意力神经网络，通过知识方法提取相关的财经新闻，使用输入注意将更有影响力的新闻与日嵌入进行连接，最后采用输出注意机制以不同权重分配不同日对股价变动的贡献，在历史股票价格上进行的实证研究表明我们的方法在股票价格预测方面比现有方法更优越。

    Feb, 2019

  • 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

  • StonkBERT：语言模型能否预测中期股票价格波动？

    本文使用 BERT 等基于变换器的语言模型对不同公司相关文本数据进行分类，以预测一年的股票表现，并使用新闻文章、博客和年报三种不同类型的文本数据进行分析。研究发现，使用新闻文章源的 StonkBERT 在股票表现分类方面比传统语言模型表现出更好的预测精度，该研究还表明这种精度提升也会转化为股票市场上超出平均的回报率。

    Feb, 2022

  • 指导性的长财务收益电话交流摘要的要点总结

    我们通过使用最近发布的 ECTSum 数据集，结合无监督的问题提取模块和参数高效的指令调优抽象模块，解决了长期财务文件的项目摘要化问题，并提出的模型 FLAN-FinBPS 在这一任务上取得了新的最佳性能，超过最强基准模型 14.88% 的平均 ROUGE 分数增益，并能够生成在 ECTs 中讨论的重要事实的一致性项目摘要。

    May, 2024