FNSPID：一个全面的时间序列金融新闻数据集
统计金融
2024-02-13 v1
摘要
金融市场预测利用历史数据来预测未来的股票价格和市场趋势。传统上，这些预测侧重于定量因素的统计分析，如股票价格、交易量、通货膨胀率和工业生产变化。大语言模型的最新进展推动了对情感数据（特别是市场新闻）和数值因素的综合金融分析。然而，这种方法经常受到缺乏融合定量和定性情感分析的大型数据集的限制。为应对这一挑战，我们引入了一个大规模金融数据集，即金融新闻与股票价格集成数据集（Financial News and Stock Price Integration Dataset, FNSPID）。它包含来自 4 个股票市场新闻网站的 4,775 家标普 500 公司在 1999 年至 2023 年期间的 2970 万条股票价格和 1570 万条时间对齐的金融新闻记录。我们证明，FNSPID 在规模和多样性上优于现有的股票市场数据集，并独特地融入了情感信息。通过对 FNSPID 的金融分析实验，我们提出：(1) 数据集的规模和质量显著提高了市场预测精度；(2) 添加情感得分适度提升了基于 Transformer 的模型性能；(3) 一种可更新数据集的可复现流程。已完成的工作、代码、文档和示例可在 github.com/Zdong104/FNSPID 获取。FNSPID 为金融研究社区推进预测建模和分析提供了前所未有的机会。
引用
@article{arxiv.2402.06698,
title = {FNSPID: A Comprehensive Financial News Dataset in Time Series},
author = {Zihan Dong and Xinyu Fan and Zhiyuan Peng},
journal= {arXiv preprint arXiv:2402.06698},
year = {2024}
}