Dec, 2023

基于推文、宏观经济因素和历史价格的股票趋势和波动性预测

PDF
TL;DR通过利用社交媒体数据和宏观经济指标来精确预测股市，这篇论文介绍了一种新的方法，该方法包括有效提取和解码推文数据的高效推文过滤器，以及在语义空间中识别股票、行业和宏观经济因素之间多层次关系的自我感知机制，进而利用股票价格波动实现提高准确性。
发现论文，激发创造
  • 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

  • 利用预期的宏观政策变化提升股价预测

    本研究引入了一种创新的方法，通过考虑未来预期的宏观经济政策变化，结合外部经济环境相关信息和股票价格，提高了股票价格预测的准确性，并通过多种基于树的机器学习算法得出明确的结果。

    Oct, 2023

  • 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

  • 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

  • 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

  • TM-vector：一种利用 Twitter 和市场数据丰富表征的市场股票运动新型预测方法

    本研究提出了一种利用 TM-vector 来训练 IndRNN 的预测股票市场方向的方法，并将其与从 Twitter 中提取的特征和市场信息同时训练，以更准确地预测股票市场方向。通过对苹果公司每日股票价格的预测模型的测试，我们得到了接近 95% 的准确性，表明了 TM-vector 在股票市场预测中的有效性。

    Mar, 2023

  • 在中国市场利用投资者社交网络进行股票预测

    该论文研究利用中国投资者社交媒体的心理和行为特征，分析社交媒体上的群体情感、相关性感知，采用非线性模型预测中国股市股价走势，取得了良好效果。

    Jan, 2018

  • 基于历史和情感分析的股市预测模型 HiSA-SMFM

    该研究使用历史和情感数据，通过应用 LSTM，整合股票价格与新闻发布之间的强相关性，提高了股票价格的预测准确性。

    Mar, 2022

  • 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

  • 预测金融市场：比较调查、新闻、Twitter 和搜索引擎数据

    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。

    Dec, 2011