基于新闻与数值金融数据的银行困境深度学习
机器学习
2018-09-06 v3 机器学习
摘要
在本文中，我们专注于利用金融新闻中包含的信息来提升银行困境分类器的性能。此类信息应以最有效的方式进行分析并插入预测模型，该任务涉及文本分析尤其是新闻媒体分析的所有相关问题。在为此目的提出的各种模型中，我们研究了一种可能的深度学习方法，该方法基于文本数据的 doc2vec 表示，这是一种能够将顺序和符号化文本输入映射到降维潜在语义空间的神经网络。随后，训练第二个监督神经网络，将新闻数据与标准财务数据相结合，基于一小组已知的困境事件将银行分类为困境或平稳状态。那么最终目的不仅是提高分类器的预测性能，还要评估新闻数据在分类过程中的重要性。新闻数据是否真的带来了标准财务变量中未包含的更多有用信息？我们的结果似乎证实了这一假设。
引用
@article{arxiv.1706.09627,
title = {Deep learning bank distress from news and numerical financial data},
author = {Paola Cerchiello and Giancarlo Nicola and Samuel Ronnqvist and Peter Sarlin},
journal= {arXiv preprint arXiv:1706.09627},
year = {2018}
}