金融时间序列预测：经济新闻的语义分析

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Financial Time Series Forecasting: Semantic Analysis Of Economic News》
---
作者：
Kateryna Kononova, Anton Dek
---
最新提交年份：
2017
---
英文摘要：
  The paper proposes a method of financial time series forecasting taking into account the semantics of news. For the semantic analysis of financial news the sampling of negative and positive words in economic sense was formed based on Loughran McDonald Master Dictionary. The sampling included the words with high frequency of occurrence in the news of financial markets. For single-root words it has been left only common part that allows covering few words for one request. Neural networks were chosen for modeling and forecasting. To automate the process of extracting information from the economic news a script was developed in the MATLAB Simulink programming environment, which is based on the generated sampling of positive and negative words. Experimental studies with different architectures of neural networks showed a high adequacy of constructed models and confirmed the feasibility of using information from news feeds to predict the stock prices.
---
中文摘要：
本文提出了一种考虑新闻语义的金融时间序列预测方法。对于财经新闻的语义分析，以《洛兰-麦克唐纳主词典》为基础，形成了经济意义上的否定词和肯定词的样本。抽样调查包括金融市场新闻中出现频率较高的词语。对于单根单词，只剩下公共部分，允许为一个请求覆盖几个单词。选择神经网络进行建模和预测。为了自动化从经济新闻中提取信息的过程，在MATLAB Simulink编程环境中开发了一个脚本，该脚本基于正负词的生成采样。对不同结构的神经网络进行的实验研究表明，所构建的模型具有很高的充分性，并证实了利用新闻提要中的信息预测股价的可行性。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
PDF下载：
--> Financial_Time_Series_Forecasting:_Semantic_Analysis_Of_Economic_News.pdf (718.33 KB)

2022-5-31 20:43:48 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：时间序列预测 金融时间序列 经济新闻 时间序列 Quantitative

330.46:519.25ПРОГНОЗУВАННЯ ФНАНСОВИХ РЯДВ:СЕМАНТИЧНИЙ АНАЛЗ ЕКОНОМЧНИХ НОВИНК. Ю. КононоваКандидат економчних наук, доцент,доцент кафедри економчно кбернетики та прикладно економкиХарквський нацональний унверситет м. В. Н. Каразнаплоща Свободи, 4, м. Дараа夫，61022，Уарааааааа。kononova@gmail.comА。О。ДекМагстр з прикладно економки,аспрант кафедри економчно кбернетики та прикладно економкиХарквський нацональний унверситет м. В. Н. 第4页。Харкв, 61022, Укранаdektox@gmail.comУ  робот  запропоновано  метод  прогнозування  фнансових  часових рядв з урахуванням семантики новинних стрчок. 洛格兰麦当劳主词典а。До вибркиувйшли слова з високою частотою згадування у новинах фнансових ринкв;  для однокореневих слв  була залишена  тльки  загальна  частина,  що  дозволило  охопити  одним  запитом  клькаслв. Виииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии。马塔拉布西姆林公司чииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии。Проведене експериментальне  дослдження  з  рзними  архтектурами  нейронних  мережпродемонструвало високу адекватнсть побудованих моделей тапдтвердило  доцльнсть  використання  нформац  з  новиннихстрчок для прогнозування котирувань акцй.Ключов  слова:  прогнозування  котирувань,  стрчки  фнансовихновин, семантичний аналз, нейронна мережа.(c)  К. Ю. Кононова,                                              81 А. О。Дек, 2016НЕЙРО-НЕЧТК ТЕХНОЛОГ МОДЕЛЮВАННЯ В ЕКОНОМЦ  2016, № 5ПРОГНОЗИРОВАНИЕ ФИНАНСОВЫХ РЯДОВ:СЕМАНТИЧЕСКИЙ АНАЛИЗ ЭКОНОМИЧЕСКИХ НОВОСТЕЙЕ. Ю。

КононоваКандидат экономических наук, доцент,доцент кафедры экономической кибернетики и прикладной экономикиХарьковский национальный университет им. В. Н. Каразинаплощадь Свободы, 4, г. Дараакааа，61022，Уарааааа。kononova@gmail.comА。О。ДекМагистр по прикладной экономике,аспирант кафедры экономической кибернетикии прикладной экономикиХарьковский национальный университет им. В. Н. Каразинаплощадь Свободы, 4, г. Дарараааааа，61022，Уаараааdektox@gmail.comВ работе предлагается метод прогнозирования финансовых временных  рядов  с  учетом  семантики  новостных  лент.  《洛兰麦当劳大词典》第二节。В выборку вошли слова с высокой частотой упоминания в новостях финансовых рынков; для однокоренных слов была оставленатолько общая часть, что позволило охватить одним запросом несколько  слов.  В  качестве  инструментария  прогнозирования  использовались нейронные сети. MATLAB Simulink第二节。Проведенное экспериментальное исследование  с различными архитектурами  нейронных  сетей продемонстрировало  высокую  адекватность  построенных  моделей  и  подтвердило  целесообразность использования информации из новостных лент  для прогнозирования котировок акций.Ключевые  слова:  прогнозирование  котировок,  ленты  финансовых новостей, семантический анализ, нейронная сеть.Прогнозування фнансових рядв…  К. Ю. Кононова, А. О。ДДк金融时间序列预测：经济新闻语义分析Kateryna Kononovavaphd（经济科学），Docent，经济控制论和应用经济学系副教授V。N

卡拉津哈尔科夫国立大学4 Svobody Sq.，哈尔科夫，61022，乌克兰卡特里纳。kononova@gmail.comAntonDekMaster应用经济学学位，博士生，经济控制论和应用经济学系。N、 卡拉津哈尔科夫国立大学斯沃博迪广场4号，哈尔科夫，61022，Ukrainedektox@gmail.comThe本文提出了一种考虑新闻语义的金融时间序列预测方法。对于财经新闻的语义分析，以《洛兰-麦当劳主词典》为基础，形成了经济意义上的否定词和肯定词的样本。抽样调查包括金融市场新闻中出现频率较高的词语。对于单根单词，它只剩下一个公共部分，允许为onerequest覆盖几个单词。选择神经网络进行建模和预测。为了自动化从经济新闻中提取信息的过程，在MATLAB Simulink编程环境中开发了一个脚本，该脚本基于生成的正负词采样。

对不同神经网络体系结构的实验研究表明，构建的模型具有很高的充分性，并证实了利用新闻提要中的信息预测股价的可行性。关键词：股价预测、财经新闻、语义分析、神经网络。JEL分类：C88、E44、E47、G12НДДО-НДИОⅠТКⅠТДДНОЛОГⅠИМОДДДЛЮВАНННДВКОНОМИИИИИИИⅠ2016，№ 5Постановка проблемиПрогнозування  фнансових  часових  рядв  було    залишатьсяодною з найактуальнших задач в економц, оскльки  необхдним елементом будь-яко  нвестицйно дяльност, що поляга увкладанн  грошей  з  метою  отримання  доходу  в  майбутньому.ббббббббббббббббббббббббб数据挖掘[7]。Аналз останнх дослджень  публкацйПрогнозування  фнансових  показникв,  зокрема  бржових  котирувань,  з  використанням  семантичного  аналзу  новин  раншерозглядалось лише в контекст фундаментального аналзу. Однакпсля  понерського  дослдження  Де  Лонга  [3]  з’явилися  першспроби формалзувати цей процес, а економсти зацкавилися дослдженням рол настров нвесторв на фнансових ринках. Згдно  з  Бейкером    Вурглером  [1]  <<зараз  навть  не  поста  питання,яке виникало ще десятилття тому: чи настро нвесторв впливають  на  цну  активв;  зараз  актуальне  нше  питання:  як  оцнитинастро нвесторв  вимряти х вплив>>.Де Лонг та н. показали, що  у раз, коли необзнан <<торговцшумом>>засновують сво торгов ршення на основ настров  несхильн до ризику, змни настрою призводять до ще бльш шумно  торгвл,  бльшо  недооцнки    надмрно  нестабльност  [3].ааааа。

[6] стверджують, що  <<торговц шумом>> можуть викликати  значний  рух  цн    надлишок  волатильност  в  короткостроковй перспектив. 数据挖掘х，，，з，з，з，з， що використовуться для позначення сукупност методв виявлення в  даних ранше невдомих, нетривальних, практично корисних   доступних донтерпретац знань,  необхдних для  прийняття ршень у рзних сферах людсько дяльност. 1989年。噪声交易这是一个很好的例子。Наявнсть таких <<торговцв шумом>> на  фнансових ринках  призводить до того, що цни  рвн ризику не збгаються з очкуваними значеннями, навть якщо вс нш трейдери  рацональними.Прогнозування фнансових рядв…  К. Ю. Кононова, А. О。Декцю на ринку, вони формуються пд впливом новин, отже семантичний аналз новин може вдкрити величезн можливост з прогнозування фнансових часових рядв.Розглядаючи найуспшнш спроби автоматизац семантичного  аналзу  економчних  новин,  варто  згадати  роботу  Да  та  н.恐惧：恐惧，恐惧，恐惧【2】。а。2004年至2008年。恐惧，恐惧。谷歌趋势（Google Trends）[4]，谷歌趋势（Google Trends）[4]，谷歌趋势（Google Trends）[3]。

В результат аналзу ними було знайдено залежнсть  мж змнами  кон’юнктури  ринку (такими  як волатильнстьна фондовй брж, рвень безробття, рецеся) та клькстю пошукових запитв користувачв нтернету за тими чи ншими ключовими словами, як було подлено на <<позитивн>> та <<негативн>>.Мета та завданняМетою  статт    розробка  методу  прогнозування  котируванняакцй  на  основ  семантичного  аналзу  економчних  новин,  якийвключа так етапи:1)  формування вибрки ключових слв для проведення семантичного аналзу фнансових новин;2)  розробка  програмного  скрипта  для  автоматизац  пошуку<<позитивних>>  <<негативних>> слв у новинних стрчках;3)  формування  навчально  вибрки,  що  включа  часов  рядифнансових  котирувань    вдповдн  клькост  <<позитивних>>  та<<негативних>> слв у новинах;恐惧-恐惧。

通过搜索揭示的金融和经济态度-金融和经济态度。《哈佛IV-4词典》【5】，《哈佛IV-4词典》【5】，《哈佛IV-4词典》托夫。Урбиииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии<pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad>破产，破产，破产、乞丐、勒索、贿赂、流浪汉、平民、腐败、成本、昂贵、昂贵、债务人、违约、萧条、穷困、奢侈、罚款、火灾、赌博、洞、骗局、骗子、通货膨胀、失业、下岗、下岗、清算、守财奴、欠债、穷人、衰退、挥霍、关税、黑社会、不经济、失业、无利可图、流浪、流浪、浪费。НЕЙРО-НЕЧТК ТЕХНОЛОГ МОДЕЛЮВАННЯ В ЕКОНОМЦ  2016, № 54)  вибр  математичного  нструментарю  та  побудова  економко-математично модел, що дозволя прогнозувати котирування акцй на основ семантичного аналзу економчних новин;5)  аналз  якост та  прогностичних можливостей  побудованомодел.Основн результати дослдженняДля  прогнозування  фнансових рядв  на  основ  семантичногоаналзу  новин  необхдно  було  збрати  наступну  нформацю:  сторичн цни акцй, обсяги торгв, фнансов новини щодо дяльност компан, яка аналзуться.

雅虎财经，谷歌财经，雅虎财经ааааа，ааааааааааааааа。Зазвичай  аналз  економчних  новин  проводиться  людиною,оскльки тексти новин зрозумл лише людин, вони не пдпорядкован чткй машиннй логц та можуть мстити фразеологзми,метафори,  гперболи,аииииииииииииииииииииииии。Однак  аналз  новин  власноруч    дуже  трудомстким    тривалимпроцесом.  Якщо  говорити  про  процес  прийняття  ршень  приздйсненн торгово дяльност на фондовому ринку, то швидкстьаналзу ста критичною.麦当劳主词典【8】。Вн мстить 80 000 слв, кожне з яких описуться набором  характеристик, розрахованих на  основ аналзу бльш  нждвохсот тисяч документв. Серед характеристик для цлей нашогоаналзу  суттвими  :  частота  використання  слова  в  документах;частка появи аналзованого слова вд загального обсягу; стандартне вдхилення частоти появи в документах; кльксть документв,що  мстять  щонайменше  одне  входження  слова;  дентифкаторикатегор (наприклад, негативн, позитивн, невизначен, суперечн, модальн, стримуюч).麦当劳主词典бббббббббббббббббббб。Хоча словник  мстить  353  позитивних  з  фнансово  точки  зору  слова  таПрогнозування фнансових рядв…  К. Ю. Кононова, А. О。Дек2337 негативних, але вс дв з половиною тисяч слв використовувати  недоцльно  через  трудомстксть  подальшого  аналзу.

Увибрку  для  проведення  нашого  дослдження  було вдбрано  високочастотн  слова  (частота  х  використання  перевищу  десятитисячну  долю  процента  вд  загально  клькост  слв  у  документах).  Крм  того,  для  однокореневих  слв  була  залишена  лишезагальна  частина,  що  дозволило  охопити  одним  запитом  клькаслв.  Пдсумкова  вибрка  мстить  850  негативних   187  позитивних слв (ця пропорця рунтуться на висновках Жи Да та н. [2]вдносно того, що настро нвесторв бльшою мрою описуютьсянегативними з фнансово точки зору словами).ааааааааааааааааMATLAB Simulink。雅虎财经[9]。雅豪金融，雅豪金融，雅豪金融第二节，  що  ведуть  на  новини,групу х за датами, заходить на кожне з посилань, шука негативн та позитивн з фнансово точки зору слова, заносить дан прокльксть таких слв у масив даних  зберга х до файлу в формат .csv。《旧头条新闻》。荷兰皇家壳牌公司（RDS-A），荷兰皇家壳牌公司зиииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии？иииии，  об’м  торгв,  кльксть  позитивних, негативних слв з фнансово точки зору.