CrudeBERT: Applying Economic Theory towards fine-tuning Transformer-based Sentiment Analysis Models to the Crude Oil Market

要約

タイトル：CrudeBERT：経済理論を応用して、トランスフォーマーベースの感情分析モデルを原油市場向けに微調整する

要約：
– ニュースメディアの感情に基づいて市場動向を予測することは、データ分析において長い伝統がある。
– 自然言語処理の進歩により、コンテキストに注意を払った感情分類が可能なトランスフォーマーアーキテクチャが登場した。
– 一般的な金融市場向けに開発されたFinBERTのような現行の手法では、特定の資産価値駆動要因を区別することができない。
– 本論文では、適切なニュースヘッドラインの大規模なコーパス内で、原油市場に影響を与えるイベントを特定し分類する方法を提供することで、この不足を解消します。
– 次に、これらのイベントを活用してFinBERTをコンテキストに合わせて微調整し、原油先物市場に関連するヘッドラインの感情分類を改善する新しい感情分析モデルであるCrudeBERTを紹介します。
– 広範な評価により、CrudeBERTが原油分野において専有およびオープンソースのソリューションを上回ることが示されています。

要約(オリジナル)

Predicting market movements based on the sentiment of news media has a long tradition in data analysis. With advances in natural language processing, transformer architectures have emerged that enable contextually aware sentiment classification. Nevertheless, current methods built for the general financial market such as FinBERT cannot distinguish asset-specific value-driving factors. This paper addresses this shortcoming by presenting a method that identifies and classifies events that impact supply and demand in the crude oil markets within a large corpus of relevant news headlines. We then introduce CrudeBERT, a new sentiment analysis model that draws upon these events to contextualize and fine-tune FinBERT, thereby yielding improved sentiment classifications for headlines related to the crude oil futures market. An extensive evaluation demonstrates that CrudeBERT outperforms proprietary and open-source solutions in the domain of crude oil.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI