Die Studie untersucht den Einsatz von Natürlicher Sprachverarbeitung (NLP) und insbesondere des BERTopic-Modells zur Sentiment-Analyse von Kommentaren zum Aktienmarkt, um deren Einfluss auf die Vorhersage von Aktienkursen zu analysieren.
Zunächst wird der Datensatz mit Tweets zu den 25 am meisten beobachteten Aktien auf Yahoo Finance gesammelt und um historische Aktienkursdaten ergänzt. Anschließend wird das BERTopic-Modell angewendet, um aus den Kommentaren relevante Themen zu extrahieren und deren Sentiment zu analysieren.
Die extrahierten Themen und Sentiment-Werte werden dann in verschiedene Deep-Learning-Modelle wie LSTM, CNN und integrierte CNN-LSTM-Modelle integriert, um deren Leistung bei der Vorhersage von Aktienkursen zu evaluieren. Der Vergleich mit Modellen ohne Themeninformationen zeigt, dass die Integration der Themensentiment-Analyse die Vorhersagegenauigkeit deutlich verbessert.
Darüber hinaus werden auch BERT-basierte Sentiment-Modelle und VADER eingesetzt, um die Robustheit des Ansatzes zu demonstrieren. Die Ergebnisse belegen das Potenzial von NLP-Techniken wie BERTopic, um das Verständnis und die Vorhersage von Marktverhalten zu verbessern.
A otro idioma
del contenido fuente
arxiv.org
Consultas más profundas