Dec, 2023

量化金融新闻情感 -- 我们做的是否正确？

PDF
TL;DR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。
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

  • 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

  • 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

  • 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

  • 迈向系统化的日内新闻筛选：以流动性为重点的方法

    该研究以资产预测表现为切入点，提出使用流动性驱动变量筛选对资产影响较大的新闻，并运用朴素贝叶斯分类方法，从而提高短期资产回报预测的准确性。

    Apr, 2023

  • 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

  • 新闻中的情感分析

    这篇论文研究了新闻文章情感分析的不同点，并且提出了三个需要解决的子任务，同时尝试从新闻文章中分离出正负面情感并挖掘其中的实体，最终得到的实验结果表明，忽略专业领域的词汇能够在新闻观点挖掘的任务中产生更好的效果。

    Sep, 2013

  • 利用新闻情感分析进行股票趋势预测

    本研究通过新闻情感分类预测公司未来股票趋势，利用三种分类模型将新闻情感划分为正面或负面，得到预测模型的准确率超过 80%，比随机预测提高了 30%。

    Jul, 2016

  • 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

  • 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