选择新闻主题以解释股市收益
统计金融
2020-10-16 v1 机器学习
机器学习
摘要
我们分析了在新闻文章中选择主题以解释股票收益的方法。通过实证与理论结果，我们发现通过随机 EM 算法中的 Gibbs 采样实现的监督式潜在狄利克雷分配（sLDA）常常会过拟合收益，从而损害主题模型。我们通过普通 LDA 模型的随机搜索获得了更好的样本外表现。一种强化有效主题分配的 branching 过程通常表现最佳。我们在一个包含超过 90,000 篇关于标普 500 公司的文章档案上测试了这些方法。
引用
@article{arxiv.2010.07289,
title = {Choosing News Topics to Explain Stock Market Returns},
author = {Paul Glasserman and Kriste Krstovski and Paul Laliberte and Harry Mamaysky},
journal= {arXiv preprint arXiv:2010.07289},
year = {2020}
}