利用时间序列分析和自然语言处理预测金融市场趋势
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
本研究探讨了自然语言处理(NLP)与金融分析的交叉领域,重点关注情感分析在股价预测中的影响。我们使用先进的 NLP 技术 BERTopic 来分析从股市评论中得出的主题的情感。我们的方法将情感分析与深度学习模型相结合,这些模型以其在时间序列和股票预测任务中的有效性而闻名。通过全面的实验,我们证明了融入主题情感能够显着提高这些模型的性能。结果表明,股市评论中的主题提供了对股市波动和价格趋势的含蓄而有价值的见解。本研究通过展示 NLP 在丰富金融分析方面的潜力,为该领域做出了贡献,并为实时情感分析以及市场情感的情绪和情境方面的进一步研究开辟了道路。将 BERTopic 等高级 NLP 技术与传统金融分析方法相结合,标志着在开发更复杂的了解和预测市场行为工具方面迈出了一步。
Apr, 2024
该研究利用股票百分比变化作为训练数据,采用人工智能技术(如长短期记忆网络、支持向量机和自然语言处理模型)分析公开发布的新闻文章,使用专门的 BERT 自然语言处理模型预测股票价格趋势,强调不同数据特征和行业特定数据的有效性。
Jan, 2024
提出了一种利用机器学习、深度学习和自然语言处理的混合方法来预测股票价格走势,包括对印度国家股票交易所的 NIFTY50 指数数据进行分析、使用分类技术预测股票价格走势,使用回归模型预测股票收盘价等,最终通过集成情感分析模块,用推特情感和上周收盘价来预测下周的股票价格。所提出的算法通过自组织模糊神经网络方法的交叉验证得到了有趣的结果。
Dec, 2019
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
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
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
本文利用 Transformers 模型和情感分析结合了技术股票数据和头条新闻数据,以准确预测股票趋势。与 RNN 相比,我们的模型在预测时间窗口为 30 个工作日的情况下将方向准确性提高了近 18.63%。
May, 2023
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
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