要約
ニュースデータから市場センチメントを抽出することが市場予測に役立つことは広く知られています。
ただし、金融センチメントを使用する既存の方法は依然として単純化されており、複数のニュース項目からのセンチメントを管理するために均等な重み付けと静的集計に依存しています。
これは「感情の集合的均質化」と呼ばれる重大な問題につながりますが、この問題は、業界の実践から得た大規模な金融ニュースのデータセットの分析を通じて調査されました。
この現象は、多数のセンチメントを集約するときに発生し、表現がセンチメント分布の平均値に向かって収束し、それによって固有の重要な情報が平滑化されます。
その結果、集約されたセンチメント表現はニュース データの予測値を大幅に失います。
この問題に対処するために、我々は市場注目加重ニュース集約ネットワーク (MANA-Net) を導入します。これは、動的な市場ニュース注目メカニズムを活用して、市場予測のためにニュースセンチメントを集約する新しい方法です。
MANA-Net は、ニュースのセンチメントと価格変動の関連性を学習し、個々のニュース項目にさまざまな重みを割り当てます。
MANA-Net は、ニュース集約ステップを市場予測用のネットワークに統合することにより、予測用に直接最適化されたトレーニング可能なセンチメント表現を可能にします。
当社は、2003 年から 2018 年までの金融ニュースとともに、S&P 500 および NASDAQ 100 指数を使用して MANA-Net を評価します。実験結果は、MANA-Net が最近のさまざまな市場予測手法を上回っており、損益が 1.1% 向上し、毎日のシャープ レシオが向上していることを示しています。
0.252の差。
要約(オリジナル)
It is widely acknowledged that extracting market sentiments from news data benefits market predictions. However, existing methods of using financial sentiments remain simplistic, relying on equal-weight and static aggregation to manage sentiments from multiple news items. This leads to a critical issue termed “Aggregated Sentiment Homogenization”, which has been explored through our analysis of a large financial news dataset from industry practice. This phenomenon occurs when aggregating numerous sentiments, causing representations to converge towards the mean values of sentiment distributions and thereby smoothing out unique and important information. Consequently, the aggregated sentiment representations lose much predictive value of news data. To address this problem, we introduce the Market Attention-weighted News Aggregation Network (MANA-Net), a novel method that leverages a dynamic market-news attention mechanism to aggregate news sentiments for market prediction. MANA-Net learns the relevance of news sentiments to price changes and assigns varying weights to individual news items. By integrating the news aggregation step into the networks for market prediction, MANA-Net allows for trainable sentiment representations that are optimized directly for prediction. We evaluate MANA-Net using the S&P 500 and NASDAQ 100 indices, along with financial news spanning from 2003 to 2018. Experimental results demonstrate that MANA-Net outperforms various recent market prediction methods, enhancing Profit & Loss by 1.1% and the daily Sharpe ratio by 0.252.
arxiv情報
| 著者 | Mengyu Wang,Tiejun Ma |
| 発行日 | 2024-09-09 15:12:24+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google