耦合新闻情感与网页浏览数据可提升日内价格动态预测能力
统计金融
2015-12-16 v4 计算金融
摘要
大数据的新一轮数字革命正在深刻改变我们理解社会以及预测众多社会和经济系统结果的能力。不幸的是，信息在其重要性、相关性和新奇性方面可能具有高度异质性，这严重影响了语义和统计方法的预测能力。在此，我们展示了如何聚合网络用户行为以克服这一难题，应用于一个难以预测的复杂系统，即金融市场。具体而言，我们的样本内分析表明，结合使用新闻情感分析与 Yahoo! Finance 用户的浏览活动，极大地有助于预测 2012-2013 年间交易的 100 只高市值美国股票组合的日内及每日价格变化。单独使用情感分析或浏览活动时，其预测能力非常微弱甚至没有。相反，当考虑一种“新闻信号”（即在给定时间间隔内，计算被点击新闻的平均情感值并按点击次数加权）时，我们发现对于近 50% 的公司，该信号是小时价格收益率的 Granger 原因。我们的结果表明存在一种“群体智慧”效应，使得能够利用用户活动来正确识别和加权相关且出人意料的新闻，从而显著增强新闻情感的预测能力。
引用
@article{arxiv.1412.3948,
title = {Coupling news sentiment with web browsing data improves prediction of intra-day price dynamics},
author = {Gabriele Ranco and Ilaria Bordino and Giacomo Bormetti and Guido Caldarelli and Fabrizio Lillo and Michele Treccani},
journal= {arXiv preprint arXiv:1412.3948},
year = {2015}
}
备注
24 pages, 4 figures, 5 tables. Figure 2 replaced. Few typos corrected