基于堆叠分类系统的微博数据金融机会检测
统计金融
2024-04-12 v1 计算工程、金融与科学
信息检索
机器学习
社会与信息网络
摘要
微博来源（如Twitter社交网络）为市场预测模型提供了宝贵的实时数据。该网络中投资者的观点随股票市场波动而变化，通常包含对市场机会的有根据的推测，这些推测可能影响其他投资者的行为。鉴于此，我们提出了一种新颖的系统，用于检测推文中的积极预测——一种我们称之为“机会”的金融情绪，类似于Plutchik理论中的“预期”。具体而言，我们追求高检测精度，以便向金融操作员提供大量此类推文，同时将其与系统中的其他金融情绪区分开来。我们通过一个三层堆叠的机器学习分类系统实现了这一点，该系统采用了通过自然语言处理技术提取有价值语言信息而得到的复杂特征。在手动标注了金融情绪和股票代码出现标签的数据集上的实验结果表明，我们的系统在金融机会检测中表现出令人满意且具有竞争力的性能，精确度高达83%。这一有前景的结果证明了我们的系统在支持投资者决策方面的实用性。
引用
@article{arxiv.2404.07224,
title = {Detection of financial opportunities in micro-blogging data with a stacked classification system},
author = {Francisco de Arriba-Pérez and Silvia García-Méndez and José A. Regueiro-Janeiro and Francisco J. González-Castaño},
journal= {arXiv preprint arXiv:2404.07224},
year = {2024}
}