自然语言处理与多模态股票价格预测
机器学习
2024-01-04 v1 计算与语言
摘要
在金融决策领域，预测股票价格至关重要。长短期记忆网络（LSTM）、支持向量机（SVM）和自然语言处理（NLP）模型等人工智能技术常被用于预测这些价格。本文使用股票百分比变化作为训练数据，而非传统使用的原始货币值，并重点分析公开发布的新闻文章。选择百分比变化旨在为模型提供关于价格波动重要性以及整体价格变化对特定股票影响的背景信息。该研究采用专门的BERT自然语言处理模型来预测股票价格趋势，特别关注各种数据模态。结果展示了此类策略使用小型自然语言处理模型准确预测整体股票趋势的能力，并突出了某些数据特征和特定行业数据的有效性。
引用
@article{arxiv.2401.01487,
title = {Natural Language Processing and Multimodal Stock Price Prediction},
author = {Kevin Taylor and Jerry Ng},
journal= {arXiv preprint arXiv:2401.01487},
year = {2024}
}
备注
13 pages, 13 figures