Natural Language Processing and Multimodal Stock Price Prediction

要約

金融の意思決定において、株価の予測は極めて重要である。株価予測には、長短期記憶ネットワーク（LSTM）、サポートベクターマシン（SVM）、自然言語処理（NLP）モデルなどの人工知能技術が一般的に採用されている。本稿では、従来の生の通貨価値とは対照的に、株価の変化率を学習データとして利用し、公開されたニュース記事の分析に焦点を当てる。変化率を選択する目的は、価格変動の重要性と、指定された銘柄の全体的な価格変動の影響に関するコンテキストをモデルに提供することである。本研究では、特に様々なデータモダリティに重点を置いて、株価のトレンドを予測するために特化した BERT 自然言語処理モデルを採用している。結果は、全体的な株価動向を正確に予測するための小規模な自然言語処理モデルによるこのような戦略の能力を示し、特定のデータ特徴やセクター固有のデータの有効性を強調している。

要約(オリジナル)

In the realm of financial decision-making, predicting stock prices is pivotal. Artificial intelligence techniques such as long short-term memory networks (LSTMs), support-vector machines (SVMs), and natural language processing (NLP) models are commonly employed to predict said prices. This paper utilizes stock percentage change as training data, in contrast to the traditional use of raw currency values, with a focus on analyzing publicly released news articles. The choice of percentage change aims to provide models with context regarding the significance of price fluctuations and overall price change impact on a given stock. The study employs specialized BERT natural language processing models to predict stock price trends, with a particular emphasis on various data modalities. The results showcase the capabilities of such strategies with a small natural language processing model to accurately predict overall stock trends, and highlight the effectiveness of certain data features and sector-specific data.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL