Stock Price Prediction using Multi-Faceted Information based on Deep Recurrent Neural Networks

要約

株式市場のトレンドを正確に予測することは、情報に基づいた投資決定と効果的なポートフォリオ管理にとって極めて重要であり、最終的には富の創出とリスク軽減の強化につながります。
この研究では、畳み込みニューラル ネットワーク (CNN) と長短期記憶 (LSTM) ネットワークを統合し、ソーシャル ネットワーク データとローソク足データ (価格) のセンチメント分析を使用して、株式市場の株価を予測するための新しいアプローチを提案します。
提案された方法論は、ソーシャル ネットワークのセンチメント分析とローソク足データという 2 つの主要なコンポーネントで構成されます。
このアプローチは、ローソク足データと Twitter から収集した洞察を融合することにより、市場の傾向とパターンのより詳細かつ正確な調査を容易にし、最終的にはより効果的な株価予測につながります。
さらに、ランダム フォレスト アルゴリズムを使用してツイートをポジティブまたはネガティブに分類し、市場センチメントをより繊細かつ情報に基づいた評価が可能になります。
この調査では、CNN および LSTM ネットワークを使用して株価を予測します。
CNN は短期的な特徴を抽出し、LSTM は長期的な依存関係をモデル化します。
両方のネットワークの統合により、市場の傾向とパターンのより包括的な分析が可能になり、より正確な株価予測につながります。

要約(オリジナル)

Accurate prediction of stock market trends is crucial for informed investment decisions and effective portfolio management, ultimately leading to enhanced wealth creation and risk mitigation. This study proposes a novel approach for predicting stock prices in the stock market by integrating Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) networks, using sentiment analysis of social network data and candlestick data (price). The proposed methodology consists of two primary components: sentiment analysis of social network and candlestick data. By amalgamating candlestick data with insights gleaned from Twitter, this approach facilitates a more detailed and accurate examination of market trends and patterns, ultimately leading to more effective stock price predictions. Additionally, a Random Forest algorithm is used to classify tweets as either positive or negative, allowing for a more subtle and informed assessment of market sentiment. This study uses CNN and LSTM networks to predict stock prices. The CNN extracts short-term features, while the LSTM models long-term dependencies. The integration of both networks enables a more comprehensive analysis of market trends and patterns, leading to more accurate stock price predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google