一种基于基线相关性的新型 Twitter 情感分析模型用于金融市场预测及其效率提升
社会与信息网络
2020-04-23 v2 机器学习
统计金融
摘要
提出了一种基于 Twitter 情感分数（TSS）的新型社交网络情感分析模型，用于实时预测未来股票市场 FTSE 100 价格，并与基于封闭式基金折价（CEFD）的传统投资者情绪计量经济模型进行比较。所提出的 TSS 模型具有一种新的基线相关性方法，不仅表现出良好的预测精度，而且减少了计算负担，无需历史数据知识即可实现快速决策。使用 R 进行了多项式回归、分类建模和基于词典的情感分析。所获得的 TSS 利用所提出的基线准则，在不参考历史 TSS 或市场数据的情况下，提前 15 个时间样本（30 个工作小时）以 67.22% 的准确率预测未来股票市场趋势。具体而言，发现 TSS 对上升市场的预测性能远优于下降市场。在逻辑回归和线性判别分析下，TSS 预测未来市场上升趋势的准确率达到 97.87%。
引用
@article{arxiv.2003.08137,
title = {A Novel Twitter Sentiment Analysis Model with Baseline Correlation for Financial Market Prediction with Improved Efficiency},
author = {Xinyi Guo and Jinfeng Li},
journal= {arXiv preprint arXiv:2003.08137},
year = {2020}
}
备注
2019 Sixth IEEE International Conference on Social Networks Analysis, Management and Security (SNAMS)