Integrating sentiment analysis and topic detection in financial news for stock movement prediction

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F18%3A39913510" target="_blank" >RIV/00216275:25410/18:39913510 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1145/3278252.3278267" target="_blank" >http://dx.doi.org/10.1145/3278252.3278267</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3278252.3278267" target="_blank" >10.1145/3278252.3278267</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Integrating sentiment analysis and topic detection in financial news for stock movement prediction

Popis výsledku v původním jazyce

Media-expressed information in financial news are critical for stock market prediction. Nevertheless, researchers have primarily focused on the role of sentiment analysis in predicting stock returns and volatility. Here we show that topics discussed in the financial news may carry additional important information. We use a combination of sentiment analysis (using finance-specific dictionary-based approach) and topic detection (using latent dirichlet allocation) to predict one-day-ahead stock movements of major US companies. The proposed system employs a deep neural network to model complex stock market relations. We demonstrate the effectiveness of this approach compared to baselines, such as support vector machines and sentiment- and topic-based models used separately.

Název v anglickém jazyce

Integrating sentiment analysis and topic detection in financial news for stock movement prediction

Popis výsledku anglicky

Media-expressed information in financial news are critical for stock market prediction. Nevertheless, researchers have primarily focused on the role of sentiment analysis in predicting stock returns and volatility. Here we show that topics discussed in the financial news may carry additional important information. We use a combination of sentiment analysis (using finance-specific dictionary-based approach) and topic detection (using latent dirichlet allocation) to predict one-day-ahead stock movements of major US companies. The proposed system employs a deep neural network to model complex stock market relations. We demonstrate the effectiveness of this approach compared to baselines, such as support vector machines and sentiment- and topic-based models used separately.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50206 - Finance

Projekt

<a href="/cs/project/GA16-19590S" target="_blank" >GA16-19590S: Analýza témat a sentimentu vícenásobných textových zdrojů pro finanční rozhodování podniků</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

ICBIM 18 : Proceedings of the 2nd International Conference on Business and Information Management

ISBN

978-1-4503-6545-1

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

5

Strana od-do

158-162

Název nakladatele

ACM (Association for Computing Machinery)

Místo vydání

New York

Místo konání akce

Barcelona

Datum konání akce

20. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000458690700032