FinTextSim: Enhancing Financial Text Analysis with BERTopic
Hochschule Heilbronn(海尔布隆应用科学大学);Universidad de la Rioja(拉里奥哈大学);Beta Klinik GmbH(贝塔诊所有限公司)
本研究提出FinTextSim,一种针对金融领域优化的句子转换器,与BERTopic结合显著提升10-K文件主题聚类清晰度,增强金融文本分析质量。
2025-04-22 cs.CL cs.LG econ.GN
Hierarchical Graph Topic Modeling with Topic Tree-based Transformer
The Pennsylvania State University(宾夕法尼亚州立大学);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Nanyang Technological University(南洋理工大学);University of Electronic Science and Technology of China(电子科技大学);Singapore Management University(新加坡管理大学)
针对互联文档兼具图层次与主题层次的问题,提出在双曲空间中融合主题树嵌入和图结构的 Transformer 模型,提升层次主题建模效果。
2025-02-17 cs.CL
Domain-Specific Language Model Post-Training for Indonesian Financial NLP
Institut Teknologi Bandung(万隆理工学院);PT Bank Rakyat Indonesia (Persero) Tbk(印尼人民银行(Persero)股份有限公司)
针对印尼语金融领域,对预训练IndoBERT进行小规模语料后训练,构建数据集并发布BERT模型族,验证了后训练可提升领域下游任务效果。
2023-10-15 cs.AI cs.CL
The Deep Latent Position Topic Model for Clustering and Representation of Networks with Textual Edges
Université Paris Cité(巴黎城市大学);Université Clermont Auvergne(克莱蒙奥弗涅大学)
提出 Deep-LPTM 聚类策略,结合变分图自编码器与概率模型,在双嵌入空间联合表示节点和边,并引入 IC2L 模型选择准则,在合成数据与 Enron 邮件分析中优于现有方法。
2024-02-13 cs.CL cs.LG cs.SI
Fine-grained Financial Opinion Mining: A Survey and Research Agenda
National Taiwan University(国立台湾大学);National Chengchi University(国立政治大学);MOST Joint Research Center for AI Technology and All Vista Healthcare(科技部人工智能技术与全视野医疗联合研究中心)
意见挖掘是当前许多领域的研究热点。然而,在金融领域,它仍处于早期阶段。关于这个主题的大多数研究只集中在粗粒度的市场情感分析上,即,2-看涨/看跌的方式分类。近年来,随着金融科技(FinTech)的发展,一些跨学科的研究者开始对投资者的观点进行深入分析。在这份立场文件中,我们首先从粗粒度和细粒度的角度定义财务意见,然后概述已经处理的问题。除了列出现有课题的研究问题外,本文还进一步提出了细粒度财务意见挖掘的未来研究路线图,并指出了尚待探索的几个挑战。此外,我们提供了可能的方向来处理所提出的研究问题。
2020-05-20 cs.CL cs.SI
Exploring the Power of Topic Modeling Techniques in Analyzing Customer Reviews: A Comparative Analysis
本研究针对客户评论场景,对比了LSA、LDA、NMF、PAM、Top2Vec、BERTopic六种主题建模方法,通过两个文本数据集和主题一致性得分评测,发现BERTopic提取的主题更具意义、表现更优。
2023-08-19 cs.AI cs.CL
RATE: Overcoming Noise and Sparsity of Textual Features in Real-Time Location Estimation
Peking University(北京大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出RATE算法,通过主题建模刻画地理与词汇变化并结合Twitter streaming API提取的额外特征,克服推文文本的噪声与稀疏性问题,在区域分类精度和经纬度回归误差上均优于基准方法。
2021-11-12 cs.CL cs.LG
Learning Interpretable and Discrete Representations with Adversarial Training for Unsupervised Text Classification
National Taiwan University(台湾大学)
从未标记的文本数据中学习连续表示已被越来越多地研究,以利于半监督学习。虽然解释离散表示相对容易,但由于训练的困难,学习未标记文本数据的离散表示尚未得到广泛探索。这项工作提出了TIGAN,它学习将文本编码成两个分离的表示,包括离散代码和连续噪声,其中离散代码表示可解释的主题,而噪声控制主题内的方差。TIGAN学习的离散代码可用于无监督文本分类。与其他无监督基线相比,建议的TIGAN在六个不同的语料库上取得了优异的性能。此外,性能与最近提出的弱监督文本分类方法相当。提取的代表潜在主题的主题词表明,TIGAN学习连贯和高度可解释的主题。
2020-04-28 cs.CL cs.IR cs.LG
Federated Non-negative Matrix Factorization for Short Texts Topic Modeling with Mutual Information
Ping An Technology (Shenzhen) Co., Ltd.(平安科技(深圳)有限公司);Duke University(杜克大学);Sun Yat-sen University(中山大学)
基于非负矩阵分解(NMF)的主题建模在自然语言处理(NLP)中被广泛用于发现短文本文档中隐藏的主题。通常,训练一个高质量的主题模型需要大量的文本数据。在许多现实场景中,客户文本数据应该是私密和敏感的,不允许上传到数据中心。本文提出了一个联邦NMF(Federated NMF)框架,它允许多个客户端协同训练一个高质量的NMF的主题模型与本地存储的数据。然而,标准的联邦学习将显著破坏主题模型在下游任务中的性能(例如,文本分类)。为了缓解这个问题,我们进一步提出了FedNMF+MI,它同时最大化本地文本的计数特征和它们的主题权重向量之间的互信息(MI),以减轻性能下降。实验结果表明,我们的FedNMF+MI方法优于联邦潜在狄利克雷分配(FedLDA)和FedNMF无MI方法的短文本的一致性得分和分类F1得分的显着保证金。
2022-05-26 cs.AI cs.CL cs.LG
More than Memes: A Multimodal Topic Modeling Approach to Conspiracy Theories on Telegram
本研究提出基于BERTopic和CLIP的多模态主题建模方法,分析德语Telegram频道中的阴谋论,揭示跨模态主题结构,并构建分析文本与视觉话语策略的框架。
2025-08-03 cs.CL cs.CV cs.MM
Central Bank Communication and the Yield Curve: A Semi-Automatic Approach using Non-Negative Matrix Factorization
University College Dublin(都柏林大学学院)
沟通现在是央行货币政策工具包中的标准工具。从理论上讲,沟通为中央银行提供了引导公众预期的机会,经验表明,中央银行沟通可以导致金融市场波动。然而,很少有研究表明,哪些维度或主题的信息是最重要的,导致这些波动。我们开发了一种半自动方法,将FOMC声明总结为主要主题,基于一致性自动选择最佳模型,并使用机器学习文献中的主题建模方法评估这些主题是否对美国国债收益率曲线的形状产生重大影响。我们的研究结果表明,FOMC声明可以分解为三个主题:(i)与经济状况和任务相关的信息,(ii)与货币政策工具和中间目标相关的信息,以及(iii)与金融市场和金融危机相关的信息。我们发现,在金融危机期间,报表的影响力最大,其影响主要体现在收益率曲线的曲率,通过与金融主题相关的信息。
2018-09-24 cs.CL econ.GN q-fin.EC
JST-RR Model: Joint Modeling of Ratings and Reviews in Sentiment-Topic Prediction
Tsinghua University(清华大学);Virginia Tech(弗吉尼亚理工大学)
网络评论分析具有广泛的应用前景,引起了人们的广泛关注。通常情况下,文本评论与数据中的数字评级相结合。在这项工作中,我们提出了一个概率模型,以适应文本评论和整体评级考虑其内在的连接,为联合情感主题预测。该方法的关键是开发一个统一的生成模型,该模型基于评论文本构建主题模型,并通过结合评论文本和总体评分来获得情感预测。模型参数的推断是由一个有效的吉布斯抽样过程。该方法可以提高评论数据的预测精度,实现可解释主题和情感的有效检测。亚马逊数据集和模拟研究的案例研究阐述了所提出的方法的优点。
2021-02-18 cs.CL stat.ME
Predicting Good Configurations for GitHub and Stack Overflow Topic Models
School of Computer Science University of Adelaide(阿德莱德大学计算机学院)
软件存储库包含大量的文本数据,从源代码注释和问题描述到问题、答案和Stack Overflow上的注释。为了理解这些文本数据,主题建模经常被用作文本挖掘工具,用于发现文本主体中隐藏的语义结构。潜在狄利克雷分配(LDA)是一种常用的主题模型,旨在通过对文本进行分组来解释语料库的结构。LDA需要多个参数才能正常工作,关于如何设置这些参数,只有粗略的、有时相互冲突的指导方针。在本文中,我们贡献了(i)对GitHub和Stack Overflow文本语料库的参数进行了广泛的研究,以达到良好的局部最优,(ii)与八种程序设计语言相关的文本语料库的后验特征,以及(iii)通过每个语料库LDA配置分析语料库特征重要性。我们发现(1)主题建模参数配置的流行经验法则不适用于我们实验中使用的语料库,(2)从GitHub和Stack Overflow采样的语料库具有不同的特征,需要不同的配置才能实现良好的模型拟合,(3)我们可以可靠地预测未知语料库的良好配置。这些研究结果支持研究人员和从业人员在分析软件存储库中包含的文本数据时,有效地确定合适的主题建模配置。
2019-03-10 cs.CL cs.NE
Capturing research literature attitude towards Sustainable Development Goals: an LLM-based topic modeling approach
本文提出一种基于大语言模型和BERTopic的自动化主题建模流程,用于分析2006-2023年Scopus科学摘要中对可持续发展目标的态度演变,并引入新型嵌入计算和超参数优化器以支持大规模文本语料库。
2024-11-11 cs.CL
BERTopic-Driven Stock Market Predictions: Unraveling Sentiment Insights
Computer and Information Science FST(科技学院计算机与信息科学系)
本文提出利用BERTopic从股市评论中提取主题情感,并将其与深度学习模型结合以提升股票价格预测性能,验证了主题情感对市场波动和价格趋势的隐含价值。
2024-04-04 cs.CE cs.CL q-fin.ST
'Warriors of the Word' -- Deciphering Lyrical Topics in Music and Their Connection to Audio Feature Dimensions Based on a Corpus of Over 100,000 Metal Songs
University of Vienna(维也纳大学);University of Bamberg(班贝格大学)
我们研究了金属音乐的音乐和抒情内容之间的联系,结合自动提取的高层次的音频特征和定量文本分析的语料库124.288歌词从这种类型。基于该文本语料库,首先使用潜在狄利克雷分配(LDA)构建主题模型。对于503首歌曲的子样本,使用音频特征模型提取预测感知音乐硬度/沉重和黑暗/阴郁的分数。通过结合音频特征和文本分析,我们(1)提供了金属流派中抒情主题的全面概述,(2)能够确定硬度和其他音乐维度的水平是否与特别刺耳(和其他)文本主题的出现有关。二十个典型的主题被确定和投影到一个主题空间,使用多维尺度(MDS)。经过Bonferroni校正后,发现音乐的硬度和黑暗与“残酷的死亡”、“反乌托邦”、“古老和神秘主义”、“宗教和撒旦主义”、“战斗”和“(心理)疯狂”等文本主题呈正相关,而与“个人生活”和“爱情和浪漫”等主题呈负相关。
2019-11-13 cs.CL cs.SD eess.AS
An Adaptation of Topic Modeling to Sentences
National Taiwan University(国立台湾大学);University of Southern California(南加州大学)
主题建模的发展已经为描述文本数据的潜在语义提供了有效的方法。然而,将标准主题建模方法应用于句子级任务会带来许多挑战。在本文中,我们适应的潜在狄利克雷分配的方法,包括一个额外的层,将信息的句子边界的文件。我们表明,除了这个最小的信息的文档结构,提高了训练模型的困惑结果。
2016-07-20 cs.CL
On a Topic Model for Sentences
Coffreo(Coffreo公司);University of Grenoble Alpes(格勒诺布尔阿尔卑斯大学)
概率主题模型是一种生成式模型,它通过发现潜在的主题来描述文档的内容。然而,文本输入的结构,以及例如在诸如句子的连贯文本跨度中的词的分组,包含了许多信息,这些信息通常在这些模型中丢失。在本文中,我们提出了一个扩展的LDA,其目标是克服这种限制,将文本的结构中的生成和推理过程。我们通过比较它与LDA使用内在(困惑)和外在(文本分类)的评价任务,不同的文本集合,说明了EscherceLDA的优势。
2016-06-01 cs.CL cs.IR cs.LG
Sentence-Level Sentiment Analysis of Financial News Using Distributed Text Representations and Multi-Instance Learning
University of Freiburg(弗莱堡大学);University of Oxford(牛津大学)
研究人员和金融专业人士需要强大的计算机化工具,使用户能够快速操作和评估金融新闻中的语义文本内容。然而,现有的方法通常在文档级别工作,而对单个句子的实际结构和情感的更深层次的洞察仍然模糊不清。因此,投资者需要投入最大的注意力和详细的特定领域知识,以便在细粒度的基础上评估信息。为了方便这个手动过程中,本文提出了使用分布式文本表示和多实例学习的信息从文档级传输到文件级。与其他方法相比,该方法具有优越的预测性能,同时保留上下文和可解释性。我们对手动标记数据集的分析产生了高达69.90%的预测准确率,超过了替代方法至少3.80个百分点的性能。因此,这项研究不仅有利于投资者的财务决策,而且有助于公司按照预期传达信息。
2018-12-31 cs.CL cs.IR cs.LG
A Multi-Source Entity-Level Sentiment Corpus for the Financial Domain: The FinLin Corpus
Insight Centre for Data Analytics(洞察数据分析中心);National University of Ireland, Galway(爱尔兰国立大学戈尔韦分校)
我们介绍FinLin,这是一个新颖的语料库,包含来自StockTwits的投资者报告,公司报告,新闻文章和微博,针对来自汽车行业的多个实体,覆盖3个月的时间。FinLin分别用范围为[-1.0,1.0]和[0.0,1.0]的情感得分和相关性得分进行注释。注释还包括为情感选择的文本跨度,从而提供对注释者推理的额外洞察。总的来说,FinLin旨在通过提供一个新颖的和公开的金融情绪语料库来补充现有的知识,并促进对金融情感分析主题的研究和在行为科学中的潜在应用。
2020-03-09 cs.CL
Semi-Supervised Learning Approach to Discover Enterprise User Insights from Feedback and Support
Microsoft(微软公司)
随着云计算和以客户为中心的文化的发展,我们固有地积累了大量的文本评论,反馈和支持数据库。这促使企业寻求和研究参与模式,用户网络分析,主题检测等。然而,挖掘数据仍然需要大量的手工工作才能挖掘出可操作的结果。本文提出并开发了一种创新的半监督学习方法,该方法利用深度学习和主题建模来更好地理解用户语音。该方法结合了通过监督学习的基于BERT的多分类算法和通过无监督学习的新型概率和语义混合主题推理(PSHTI)模型,旨在自动化从文本反馈和支持中更好地识别主题或领域以及子主题的过程。随着深度学习技术的进步,自然语言处理领域出现了巨大的创新,然而作为自然语言处理应用之一的传统主题建模却落后于深度学习的潮流。在方法论和技术层面上,我们采用迁移学习对基于BERT的多分类系统进行微调,对主主题进行分类,然后利用新的PSHTI模型对预测的主主题下的子主题进行推断。2.传统的基于无监督学习的主题模型或聚类方法难以自动生成有意义的主题标签,但我们的系统能够通过网络爬行利用关于产品的领域知识将热门词映射到自助问题。3.这项工作通过在实际生产中利用最先进的方法提供了一个突出的展示,以帮助发现用户见解并推动业务投资优先级。
2020-07-22 cs.CL cs.LG stat.ML
Causality between Sentiment and Cryptocurrency Prices
IISER Pune(印度科学教育与研究学院浦那分院);IIT Kharagpur(印度理工学院卡拉格普尔分校)
该研究结合短文本主题建模与情感分析技术,挖掘Twitter文本中的加密货币相关叙事,发现其与加密货币价格存在强关联,衔接了叙事经济学与消费者行为叙事研究的新方向。
2023-06-09 cs.CL cs.LG q-fin.CP
DTECT: Dynamic Topic Explorer & Context Tracker
Indian Association for the Cultivation of Science(印度科学培养协会)
DTECT是一个端到端系统,通过提供统一工作流整合数据预处理、多模型架构、评估指标及LLM驱动的自动主题标注和交互式可视化,解决了动态主题建模碎片化问题,显著增强了主题演变的可解释性与用户探索体验。
2025-07-12 cs.AI cs.CL cs.IR
TopicModel4J: A Java Package for Topic Models
Hefei University of Technology(合肥工业大学)
主题模型为探索高维共现数据中的隐藏结构提供了一个灵活而有原则的框架,是文本的自然语言处理(NLP)中常用的方法。在本文中,我们设计并实现了一个Java包,TopicModel4J,其中包含13种有代表性的主题模型拟合算法。Java编程环境中的TopicModel4J为数据分析人员提供了一个易于使用的接口来运行算法,并允许轻松地输入和输出数据。此外,该软件包还提供了一些非结构化文本预处理技术,例如将文本数据拆分为单词,小写单词,执行词形化以及删除无用的字符,URL和停止词。
2020-10-28 cs.CL cs.IR
LLM-Based Financial Sentiment Analysis in Arabic: Evidence from Saudi Markets
George Mason University(乔治·马歇尔大学);Damascus University(大马士革大学);University of Jeddah(朱德赫大学);City, St George's, University of London(伦敦城市大学)
本文提出了一种针对沙特市场的阿拉伯语NLP框架,用于大规模金融情绪分析,结合官方财务新闻和社会媒体数据,通过多阶段流程构建阿拉伯语财务语料库,并利用Transformer-based NER和定制公司词典进行情绪标注,最终实现了对公司层面的情绪聚合和情绪动态分析。
2026-05-19 cs.CL
Topic Stability over Noisy Sources
Centre for Applied Data Analytics Research(应用数据分析研究中心);School of Computer Science & Informatics(计算机科学与信息学院);University College Dublin(都柏林大学学院)
主题建模技术,如LDA最近已被应用到语音转录和OCR输出。这些语料库可能包含噪声或错误的文本,这可能会破坏主题的稳定性。因此,了解主题建模算法在应用于噪声数据时的表现是很重要的。在本文中,我们表明,不同类型的文本噪声将有不同的影响,不同的主题模型的稳定性。根据这些观察,我们提出了文本语料库生成的指导方针,重点是自动语音转录。我们还提出了噪声语料库的主题模型选择方法。
2015-08-05 cs.CL cs.IR
Combining LSTM and Latent Topic Modeling for Mortality Prediction
非常需要能够以高准确性和可靠性预测重症监护病房中患者死亡率的技术。我们提出了联合端到端神经网络架构,该架构结合了长短期记忆(LSTM)和潜在主题模型,同时训练用于死亡率预测的分类器,并从文本临床笔记中学习指示死亡率的潜在主题。对于主题可解释性,主题建模层被精心设计为具有LDA启发的约束的单层网络。在MIMIC-III数据集上的实验表明,我们的模型在死亡率预测方面明显优于基于LDA主题的先前模型。然而,我们通过查看神经网络权重来解释训练模型中的主题的方法取得了有限的成功。
2017-09-08 cs.CL
A Joint Learning Approach for Semi-supervised Neural Topic Modeling
Harvard University(哈佛大学)
主题模型是以可解释的方式表示文本数据的一些最流行的方法。最近,深度生成模型的进步,特别是自动编码变分贝叶斯(AEVB),导致了无监督神经主题模型的引入,该模型利用了深度生成模型,而不是传统的基于神经网络的主题模型。我们通过引入标签索引神经主题模型(LI-NTM)来扩展这些神经主题模型,据我们所知,这是第一个有效的上游半监督神经主题模型。我们发现LI-NTM在文档重建基准中优于现有的神经主题模型,在低标记数据制度和具有信息标签的数据集中效果最显着;此外,我们的联合学习分类器在消融研究中优于基线分类器。
2022-04-07 cs.CL cs.IR cs.LG
A Comparative Analysis of the COVID-19 Infodemic in English and Chinese: Insights from Social Media Textual Data
College of Economics and Management, Beijing University of Technology(北京工业大学经济与管理学院);Guilin University of Electronic Technology(桂林电子科技大学);LAAS-CNRS, Université de Toulouse, CNRS(法国国家科学研究中心图卢兹大学LAAS实验室)
本研究通过比较分析英语和中文社交媒体文本数据,识别高频信息疫情词汇、主题结构和情感倾向,为跨语言公共卫生危机中打击错误信息提供策略指导。
2023-11-14 cs.CL cs.SI physics.soc-ph
Multilingual and Multimodal Topic Modelling with Pretrained Embeddings
University of Helsinki(赫尔辛基大学)
本文提出了M3 L-Contrast-一种新的多模态多语言(M3 L)神经主题模型,用于将来自多种语言和图像的文本映射到共享的主题空间中。我们的模型在文本和图像上进行联合训练,并利用预训练的文档和图像嵌入来抽象不同语言和模态之间的复杂性。作为一个多语言的主题模型,它产生对齐的语言特定的主题和多模态模型,它推断图像中的语义概念的文本表示。我们证明,我们的模型是有竞争力的zero-shot主题模型预测可比多语言数据的主题分布,并显着优于zero-shot模型预测可比文本和图像的主题分布。我们还表明,我们的模型在未对齐的嵌入上的表现几乎和对齐的嵌入一样好。
2022-11-15 cs.AI cs.CL
Interactive Visual Exploration of Topic Models using Graphs
Turku Centre for Computer Science(图尔库计算机科学中心);Åbo Akademi University(奥布学术大学);Goethe University(歌德大学);Arcada University of Applied Sciences(阿卡达应用科学大学)
概率主题建模是一个流行的和强大的工具族,用于发现大型非结构化文本文档集中的主题结构。虽然很多注意力都集中在建模算法及其各种扩展上,但相对较少的研究关注如何以有意义的方式呈现或可视化主题模型。在本文中,我们提出了一种新颖的设计,使用图形来直观地传达主题结构和含义。通过描述性关键词连接主题节点,图形表示揭示了主题相似性,主题意义和共享,模糊的关键词。同时,该图可用于信息检索目的,按主题或主题子集查找文档。为了证明该设计的实用性,我们说明了它的使用组织和探索语料库的金融专利。
2014-11-27 cs.CL cs.IR
Visual and Textual Sentiment Analysis Using Deep Fusion Convolutional Neural Networks
Beihang University(北京航空航天大学)
情感分析因其在个性化推荐、意见挖掘等方面的潜在应用而受到越来越多的关注,并成为一个非常热门的研究课题。现有的大多数方法都是基于文本或视觉数据的,很难从单一的模态数据中提取出足够的信息,因此不能取得令人满意的结果。受社交媒体中视觉和文本数据之间存在强烈语义相关性的观察的启发,我们提出了一种端到端深度融合卷积神经网络,以从训练样本中联合学习文本和视觉情感表示。这两个模态信息在池化层中融合在一起,并被馈送到完全连接的层中以预测情感极性。我们评估所提出的方法在两个广泛使用的数据集。结果表明,我们的方法取得了可喜的结果相比,国家的最先进的方法,清楚地表明其能力。
2017-11-21 cs.CL cs.CV cs.IR
Graph-Based Learning for Stock Movement Prediction with Textual and Relational Data
Ecole Polytechnique(巴黎综合理工学院);Exoduspoint Capital Management France(法国Exoduspoint资本管理公司);ENSAE Paris(巴黎国立统计与经济管理学院)
由于市场的不确定性和从机器的角度理解自然语言的困难,从文本信息预测股票价格是一项具有挑战性的任务。以往的研究主要集中在基于单个新闻的情感提取上。然而,金融市场上的股票可能是高度相关的,关于一只股票的一个消息可以迅速影响其他股票的价格。考虑到这种影响,我们提出了一个新的股票走势预测框架:多图递归网络股票预测(MGRN)。该架构允许将来自金融新闻的文本情感和从其他金融数据中提取的多个关系信息相结合。通过对STOXX欧洲600指数股票的准确性测试和交易模拟,我们证明了我们的模型比其他基准更好的表现。
2021-12-15 cs.CL q-fin.ST
Joint Latent Topic Discovery and Expectation Modeling for Financial Markets
Dartmouth College(达特茅斯学院);Millennium Management, LLC(千禧管理有限责任公司);Northwestern University(西北大学)
针对关系型股票方法依赖预定义关系且仅考虑即时效应的问题,本文提出联合建模投资者预期并自动挖掘潜在股票关系的框架,在CSI 300上实现超过10%的年收益并达到新基准。
2023-06-01 cs.LG q-fin.ST
Automatic detection of relevant information, predictions and forecasts in financial news through topic modelling with Latent Dirichlet Allocation
University of Vigo(维戈大学)
本文提出一种结合文本分割、共指消解、LDA主题建模和时间性分析的NLP系统,用于自动检测金融新闻中的相关文本及预测/预报,并在2,158条标注新闻上取得0.662和0.982的ROUGE-L值,首次在话语层面联合考虑相关性与时间性。
2024-03-30 cs.CE cs.CL cs.IR
"The Squawk Bot": Joint Learning of Time Series and Text Data Modalities for Automated Financial Information Filtering
IBM Research(IBM研究院)
使用数值时间序列和文本语料库作为输入数据源的多模态分析正在成为一种有前途的方法,特别是在金融行业。然而,这种分析的主要重点是实现高预测精度,而很少的努力已经花在理解两种数据模式之间的关联的重要任务。因此,尽管人类可以理解的文本信息是可用的,但对时间序列的性能几乎没有解释。在这项工作中,我们解决的问题,给定一个数字的时间序列,和一个一般的语料库的文本故事收集在同一时期的时间序列,任务是及时发现一组简洁的文本故事与该时间序列。为了实现这一目标,我们提出了一种称为MSIN的新型多模态神经模型,该模型联合学习数值时间序列和分类文本文章,以挖掘它们之间的关联。通过两种数据模式之间的多个数据相关步骤,MSIN学会关注与时间序列中的性能最匹配的文本文章的一小部分。这个简洁的集合被及时发现并作为推荐文档呈现,作为给定时间序列的自动信息过滤。我们实证评估了我们的模型在发现来自苹果和谷歌公司的两个股票时间序列的相关新闻文章方面的表现,以及连续七年从汤森路透收集的每日新闻文章。实验结果表明,MSIN在两个检查时间序列中分别达到84.9%和87.2%的地面真相文章召回率,远远优于依赖于深度学习中传统注意力机制的最先进算法。
2019-12-20 cs.CL cs.LG q-fin.ST
High quality topic extraction from business news explains abnormal financial market volatility
ETH Zurich(苏黎世联邦理工学院);The Canon Institute for Global Studies(佳能全球战略研究所);Swiss Finance Institute(瑞士金融研究院);University of Tsukuba(筑波大学);The University of Tokyo(东京大学)
理解当今社会中信息流和社会活动之间的相互关系是社会科学的基石之一。在金融经济学中,这方面的关键问题是理解和量化所有可能类型的新闻(地缘政治,环境,社会,金融,经济等)影响有组织的股票市场中公司的交易和定价。在本文中,我们试图通过分析汤普森路透社提供的2400多万条新闻记录及其与标准普尔美国股票指数中206只主要股票交易活动的关系来解决这个问题。我们发现,整个景观的新闻,影响股价走势可以自动总结,通过简单的正则化回归之间的交易活动和新闻信息块分解,借助简单的主题建模技术,到他们的“主题”功能。使用这些方法,我们能够估计和量化新闻对交易的影响。我们引入基于网络的可视化技术来表示与一篮子股票相关的新闻信息的整个景观。对代表主题分布的词的检查证实,我们的方法能够提取影响股市的重要信息。我们的研究结果表明,金融经济中最令人困惑的程式化事实之一,即在某些时候,交易量似乎“异常大”,可以部分地用新闻流来解释。从这个意义上说,我们的研究结果证明,不存在“过度交易”,当限制在新闻是真正的新的,并提供相关的金融信息的时候。
2013-03-23 cs.LG cs.SI physics.soc-ph
Reasoning on Time-Series for Financial Technical Analysis
National University of Singapore(国立新加坡大学);Technical University of Munich(慕尼黑技术大学);Singapore Management University(新加坡管理学院);City University of Hong Kong(香港城市大学)
VTA通过结合语言和潜在推理,生成准确且可解释的股票时间序列预测,展示了在金融技术分析中的优越性能。
2026-03-02 cs.AI cs.LG q-fin.CP
CreditARF: A Framework for Corporate Credit Rating with Annual Report and Financial Feature Integration
School of Cyberspace Security, Beijing University of Posts and Telecommunications(网络安全学院,北京邮电大学);Guotai Junan Securities(国泰君安证券);Hebei University of Technology(河北工业大学)
本文提出CreditARF框架,融合财务数据与FinBERT提取的年报文本特征,并构建CCRD数据集,使信用评级预测准确率提升8%-12%。
2025-08-02 cs.CE cs.CL cs.LG
Financial Market Trend Forecasting and Performance Analysis Using LSTM
金融市场趋势预测方法是当今金融市场研究的热点。目前仍然存在许多挑战,并且已经积极地进行了与之相关的各种研究。特别是近年来,基于神经网络的金融市场趋势预测的研究引起了人们的广泛关注。然而,以往的研究并未涉及在时间序列数据中表现良好的基于LSTM的金融市场预测方法。基于神经网络的预测技术和传统预测技术的性能也缺乏比较分析。本文提出了一种基于LSTM的金融市场趋势预测方法,并通过实验分析了其与现有金融市场趋势预测方法的性能。该方法通过数据预处理过程准备输入数据集,从而反映金融数据分析中使用的所有基本面数据、技术数据和定性数据,并通过LSTM进行全面的金融市场分析。本文对现有的金融市场趋势预测模型的性能进行了实验和比较,并根据金融市场的环境进行了性能分析。此外,我们使用开源和平台实现了所提出的方法,并使用各种金融数据指标预测金融市场趋势。
2020-03-31 cs.LG q-fin.ST
Multimodal Stock Price Prediction: A Case Study of the Russian Securities Market
Sirius University of Science and Technology(天狼星科技大学)
本研究针对俄罗斯证券市场股价预测问题,提出结合K线时间序列与俄语新闻文本的多模态方法,实验显示引入文本模态可使MAPE降低55%,同时构建的多模态数据集对金融领域语言模型适配有价值。
2025-03-05 cs.LG q-fin.CP q-fin.ST
Cross-Lingual News Event Correlation for Stock Market Trend Prediction
National University of Sciences and Technology(国立科技大学);Bahria University(巴里亚大学);Prince Sultan University(苏丹王子大学)
本文构建结构化金融数据集并提出跨语言自然语言金融预测流水线,结合情感分析、命名实体识别和语义相似度,揭示新闻事件与股市趋势的关联,为投资者提供决策支持。
2024-09-16 cs.LG q-fin.ST
Characterizing Financial Market Coverage using Artificial Intelligence
LICEF Research Center, Université TÉLUQ(魁北克大学远程教育大学LICEF研究中心);LORIA, Université de Lorraine(洛林大学洛林计算机科学及其应用实验室);Université de Sherbrooke(舍布鲁克大学);Laplace Insights(拉普拉斯洞察公司)
本文仔细研究了超过4900个YouTube视频的数据库,以表征金融市场的覆盖面。金融市场报道产生大量视频。因此,观看这些视频以获得可操作的见解可能具有挑战性和复杂性。在本文中,我们利用OpenAI的语音到文本模型Whisper来生成来自彭博社和雅虎财经的市场报道视频的文本语料库。我们采用自然语言处理从市场覆盖率中提取有关语言使用的见解。此外,我们还研究了趋势主题的突出存在及其随时间的演变,以及一些个人和组织对金融市场的影响。我们的特点突出了金融市场报道的动态,并提供了宝贵的见解,反映了有关最近金融事件和世界经济的广泛讨论。
2023-02-07 cs.AI cs.CL cs.CY
Simulating financial time series using attention
Columbia University(哥伦比亚大学);Zurich University of Applied Sciences(苏黎世应用科学大学)
金融时间序列模拟是一个中心议题,因为它扩展了有限的真实数据的培训和评估的交易策略。由于真实金融数据的复杂统计特性,这也是具有挑战性的。我们介绍了两种生成对抗网络(GANs),它们利用具有注意力的卷积网络和变压器,用于金融时间序列仿真。GANs以数据驱动的方式学习统计特性,注意力机制有助于复制长期依赖关系。在标准普尔500指数和期权数据上对所提出的GANs进行了测试,根据程式化事实进行了评分,并与纯卷积GAN(即QuantGAN)进行了比较。基于注意力的GANs不仅再现了程式化的事实,而且平滑了收益的自相关性。
2022-07-01 cs.LG q-fin.CP q-fin.ST
Financial Applications of Random Matrix Theory: a short review
我们讨论的应用随机矩阵理论的背景下,金融市场和计量经济学模型,一个主题,其中相当数量的论文已经致力于在过去的十年。这篇简短的评论旨在指导读者了解各种理论结果(Marcenko Pastur谱及其各种概括,随机SVD,自由矩阵,最大特征值统计等)。以及在投资组合优化和样本外风险估计中的一些具体应用。
2009-10-07 cond-mat.dis-nn q-fin.RM q-fin.ST
A three-step machine learning approach to predict market bubbles with financial news
Department of Mathematics \& Statistics;University of Nevada, Reno
提出融合金融新闻NLP情绪特征、宏观经济指标与右尾单位根检验的三步集成学习框架,用于识别并预测S&P 500市场泡沫,提升预警准确性与稳健性。
2025-10-18 cs.LG q-fin.CP q-fin.ST
Data Normalization for Bilinear Structures in High-Frequency Financial Time-series
金融时间序列分析和预测在过去几十年中得到了广泛的研究,但仍然是一个非常具有挑战性的研究课题。由于金融市场具有内在的噪声性和随机性,大多数金融时间序列的利息是非平稳的,并且往往从不同的模态中获得。这一特性带来了巨大的挑战,并可能显著影响后续分析/预测步骤的性能。最近,时间注意力增强双线性层(TABL)在解决金融预测问题方面表现出了很好的性能。在本文中,考虑到TABL网络中双线性投影的性质,我们提出了双线性归一化(BiN),这是一个简单而有效的归一化层,可以并入TABL网络,以解决输入序列中的非平稳性和多模态带来的潜在问题。我们的实验使用了一个大规模的限制订单簿(LOB)超过400万的订单事件组成的BiN-TABL优于TABL网络使用其他国家的最先进的归一化方案的大幅度。
2020-07-13 cs.CE q-fin.ST
BERT-based Financial Sentiment Index and LSTM-based Stock Return Predictability
传统的金融情感构建严重依赖于基于字典的方法,除了少数例外,使用简单的机器学习技术,如朴素贝叶斯分类器。鉴于自然语言处理技术的快速发展,本研究采用Google开发的预训练模型BERT构建了一个基于文本的情绪指数,特别是针对香港市场上三只交易活跃的个股,同时又是微博上的热门话题。一方面,我们证明了一个显着的增强应用BERT在金融情绪分析相比,现有的模型。另一方面,通过结合金融文献中构建情绪指数时常用的另外两种方法,期权隐含方法和市场隐含方法,我们提出了一个更一般和全面的金融情绪分析框架,并通过结合LSTM(具有非线性映射的特征)进一步为个股收益的可预测性提供令人信服的结果。这与情绪影响分析中的主流计量经济学方法都具有线性回归的性质有着显著的区别。
2022-07-07 q-fin.GN q-fin.ST