A Hype-Adjusted Probability Measure for NLP Stock Return Forecasting

要約

この記事では、株価収益率とボラティリティ予測のための新しい自然言語処理（NLP）アプローチのコンテキストで、誇大広告調整確率尺度を紹介します。
非常に活気のある業界セクターである選択された米国の半導体ティッカーの次の期間の株価収益とボラティリティに対する予測に対する日中のニュースの影響を表すために、新しいセンチメントスコア方程式が提案されています。
この作業は、ニュースバイアス、記憶、重量に対処し、感情の方向に変化を取り入れることにより、予測の精度を向上させます。
さらに重要なことは、確率空間での重量の再分配から得られた誇大広告調整された確率測定を構築することにより、資産価格設定の財務で開発された確率測定の顕著な変化尺度の使用をNLP予測に拡張することを拡張することを拡張します。
過剰または不十分なニュースのため。

要約(オリジナル)

This article introduces a Hype-Adjusted Probability Measure in the context of a new Natural Language Processing (NLP) approach for stock return and volatility forecasting. A novel sentiment score equation is proposed to represent the impact of intraday news on forecasting next-period stock return and volatility for selected U.S. semiconductor tickers, a very vibrant industry sector. This work improves the forecast accuracy by addressing news bias, memory, and weight, and incorporating shifts in sentiment direction. More importantly, it extends the use of the remarkable tool of change of Probability Measure developed in the finance of Asset Pricing to NLP forecasting by constructing a Hype-Adjusted Probability Measure, obtained from a redistribution of the weights in the probability space, meant to correct for excessive or insufficient news.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google