Feb, 2024

运用新闻与媒体情感分析生成外汇交易信号

PDF
TL;DR本研究目的是调查情感分析如何应用于外汇市场生成交易信号，作者通过词典分析和朴素贝叶斯机器学习算法，评估了与美元有关的社交媒体帖子和新闻文章的情感。研究结果表明情感分析在预测市场走势和制定交易信号方面具有价值，并且其有效性在不同市场条件下保持一致。作者得出结论，通过分析新闻和社交媒体中表达的情感，交易者可以了解市场对美元和其他相关国家的情绪，从而帮助做出交易决策。本研究强调了将情感分析融入交易策略作为预测市场动态的关键工具的重要性。
发现论文，激发创造
  • 加密货币市场预测的社交媒体情感分析

    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

  • 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

  • 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

  • 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

  • 量化金融新闻情感 -- 我们做的是否正确？

    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。

    Dec, 2023

  • 多源社交媒体情感分析的比较研究

    本文使用多种技术，如基于词典的、机器学习和深度学习方法，对社交媒体上的评论数据进行情感分析，并提供了比较分析结果。在本研究中，我们使用了来自 Twitter、Reddit 等社交网络网站的评论等多源数据集。选择了朴素贝叶斯机器学习算法、TextBlob 词典方法和 LSTM 深度学习算法。

    Dec, 2022

  • 在线社交网络中利用情感分析研究群体行为

    本研究利用社交媒体内容评估情感分析技术，创建主观性与群体行为和聚类系数之间的关联，并尝试预测 2021 年西孟加拉邦选举结果。

    Jul, 2021

  • 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

  • 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