全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1314 21
2022-05-08
英文标题:
《Twitter Sentiment Analysis Applied to Finance: A Case Study in the
  Retail Industry》
---
作者:
Th\\\'arsis Tuani Pinto Souza, Olga Kolchyna, Philip C. Treleaven and
  Tomaso Aste
---
最新提交年份:
2015
---
英文摘要:
  This paper presents a financial analysis over Twitter sentiment analytics extracted from listed retail brands. We investigate whether there is statistically-significant information between the Twitter sentiment and volume, and stock returns and volatility. Traditional newswires are also considered as a proxy for the market sentiment for comparative purpose. The results suggest that social media is indeed a valuable source in the analysis of the financial dynamics in the retail sector even when compared to mainstream news such as the Wall Street Journal and Dow Jones Newswires.
---
中文摘要:
本文对从上市零售品牌中提取的Twitter情绪分析进行了财务分析。我们调查推特情绪和交易量、股票回报和波动性之间是否存在统计上显著的信息。出于比较目的,传统通讯社也被视为市场情绪的代表。研究结果表明,社交媒体的确是分析零售业金融动态的一个有价值的来源,即使与《华尔街日报》和道琼斯通讯社等主流新闻相比也是如此。
---
分类信息:

一级分类:Computer Science        计算机科学
二级分类:Computers and Society        计算机与社会
分类描述:Covers impact of computers on society, computer ethics, information technology and public policy, legal aspects of computing, computers and education. Roughly includes material in ACM Subject Classes K.0, K.2, K.3, K.4, K.5, and K.7.
涵盖计算机对社会的影响、计算机伦理、信息技术和公共政策、计算机的法律方面、计算机和教育。大致包括ACM学科类K.0、K.2、K.3、K.4、K.5和K.7中的材料。
--
一级分类:Computer Science        计算机科学
二级分类:Social and Information Networks        社会和信息网络
分类描述:Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模,包括它们在联机信息访问、通信和交互方面的应用,以及它们作为数据集在这些领域和其他领域的问题探索中的作用,包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题;计算应用包括H.3、H.4和H.5中的主题;计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议(例如TCP/IP)的论文通常更适合网络和因特网体系结构(CS.NI)类别。
--
一级分类:Quantitative Finance        数量金融学
二级分类:Computational Finance        计算金融学
分类描述:Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法,包括蒙特卡罗,偏微分方程,格子和其他数值方法,并应用于金融建模
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-8 11:44:23
Twitter情绪分析应用于金融:零售业的案例研究阿尔西斯·T·P·苏扎、奥尔加·科尔奇纳、菲利普·C·特雷利夫和托马索斯特计算机科学系,伦敦大学学院,伦敦高尔街,英国,伦敦,伦敦经济和政治科学学院,系统风险中心,伦敦,英国摘要。本文对从上市零售品牌中提取的Twitter情绪分析进行了财务分析。我们调查推特情绪和交易量、股票回报和波动性之间是否存在统计上显著的信息。出于比较目的,传统新闻通讯也被视为市场情绪的代表。研究结果表明,社交媒体的确是分析零售业财务动态的宝贵资源,即使与《华尔街日报》和道琼斯通讯社等主流新闻相比也是如此。关键词:零售、金融市场、数据科学、计算社会科学、社交媒体、新闻分析1简介重大新闻公告可能对金融市场和投资者行为产生重大影响,导致金融投资组合发生快速变化或异常影响。由于人类的反应能力有限,自动新闻分析已经发展成为算法交易的基本组成部分。通过这种方式,交易者可以缩短对突发事件的反应时间。这些新闻分析技术背后的基本原理是预测人类行为并将其自动化,因此交易者可以在做出投资或风险管理决策之前预测资产变动。Twitter数据也成为描述金融动态的越来越重要的来源。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-8 11:44:26
它提供了一个细粒度的实时信息渠道,不仅包括重大新闻报道,还包括小事件,如果对这些事件进行适当建模,甚至可以在主要新闻通讯社之前提供有关市场的事前信息。最近的发展反映了社会媒体在金融市场中的突出作用。一个主要的例子是美国证券交易委员会(U.S.Securities and Exchange Commission)的报告,该报告允许公司使用Twitter发布关键信息,以符合公平披露法规[18]。Twitter也表明,这可能会造成快速而剧烈的影响。2013年,美国通讯社AssociatedPress的一个被黑客攻击的推特账户在所谓的“达什崩盘”中虚假披露了一条消息,称白宫遭到袭击,导致道琼斯工业平均指数在几分钟内下跌145点[25]。在[11]中,我们提出了一个使用Twitter进行情绪分类的新模型。我们将传统的词典方法与支持向量机算法相结合,以获得更好的预测性能。在目前的工作中,我们使用[11]中的情绪分析数据集来研究从上市零售品牌中提取的机智情绪与金融股票回报和波动性之间的相互作用。我们验证了这种关系中是否存在统计意义上的信息,并将其与使用传统通讯社进行的相应分析进行了比较。我们将波动性和对数回报视为财务内生变量,并将推特情绪和交易量视为所选股票财务动态中的外生解释变量。为了便于比较,我们还将传统通讯社作为数据源。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-8 11:44:29
因此,主要目标是:(i)验证推特情绪、股票回报和波动性之间是否存在统计上显著的信息;(ii)在使用主流新闻作为市场情绪的代理时,比较这种相互作用。这项工作的主要贡献是一个实证证据,支持在零售业金融市场的背景下使用Twitter作为一个重要的数据源,即使与传统的通讯社相比也是如此。2文献综述自[5]的开创性工作以来,对新闻的市场影响的调查一直是研究的重点。在这项工作中,作者调查了宏观经济新闻在多大程度上解释了回报差异,并分析了重大政治和世界事件后观察到的市场走势。最近,[23]提供了第一个证据,证明新闻媒体内容可以预测股市活动的广泛指标的变动。作者发现媒体的高悲观/低悲观与高市场交易量之间存在相关性。他们进一步分析了新闻情绪、收益和回报可预测性之间的关系[24]。从那时起,随着机器可读新闻的可用性和情绪分析的使用,几部作品发现新闻是财务应用的重要来源:[1]发现《金融时报》提到一家公司的次数与其股票数量之间存在正相关;[12] 调查新闻对交易者行为的影响;[13] 分析Thomson ReutersNews Analytics(TRNA),找出情绪、波动性和流动性之间的因果关系。最近的研究支持这样的假设,即Twitter数据也包含与财务指标相关的统计重要信息。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-8 11:44:34
作为在金融市场背景下分析Twitter的首批调查之一,[2]分析每日推特订阅的文本内容,以确定两种类型的情绪:(i)极性(积极和消极)和(ii)情绪(平静、警觉、确定、重要、善良和快乐)。他们能够提高DJIA指数预测的准确性。类似的研究[27]不仅能够预测道琼斯工业平均指数,还能够预测纳斯达克100指数;除了市场情绪之外,作者还测量了信息之间的情绪一致性。最近,[28]将信息理论与情绪分析相结合,证明推特情绪可以包含关于标准普尔500指数未来价格的具有统计意义的事前信息,还确定了社交媒体情绪每小时变化确实提供提前期信息的证券子集。作为对事件研究领域的贡献,[22]提供了一种方法,用Twitter分析不同类型新闻事件组合的市场反应,以确定从投资者角度来看哪些新闻更重要。以类似的方式,[16]在eventstudy方法中将情绪分析与Twitter峰值识别相结合,以暗示市场演变的方向。此外,从Twitter用户的角度探索社会网络结构[26]提供了Twitter金融社区的经验证据,其中用户的利益与金融市场一致。与目前的工作类似,[21]调查推特的极化测量值与收盘价的每日回报之间的因果关系。作者还使用支持向量机模型得出的情绪将推文分为正面、负面和中性三类。作为对这项工作的贡献,我们不仅研究了收益的因果关系,还研究了股票的波动性。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-8 11:44:37
此外,我们还比较了Twitter和传统通讯社。此外,我们集中分析零售品牌,这可以为该领域的应用提供有意义的见解。股市中社交媒体应用的进一步例子包括:使用StockTwits情绪和发布量预测每日回报、波动性和交易量[14];从金融留言板中提取股票市场预测的特征[19]以及将Twitter与博客和新闻等其他来源相结合的方法[27,20,4]。3数据我们对一组在美国股市交易的五个上市零售品牌进行了分析,我们在2013年11月1日至2014年9月30日期间对其进行了监控。被调查股票的名称及相应的路透社仪器代码(RIC)如下:ABERCROMBIE&FITCHCO。耐克公司(NKE.N)、家得宝公司(HD.N)、马特林肯。(MAT.N)和GAMESTOP公司(GME.N)。公司的选择受[11]提供的Twitter情绪分析数据集的限制。考虑到选定的公司,我们考虑三个时间序列数据流:(i)市场数据,以每日股价给出;(ii)由[17]提供的新闻元数据,包括来自道琼斯通讯社、《华尔街日报》和巴伦的10949篇新闻报道;(iii)由[11]提供的社交媒体数据分析,基于42803225条推特消息。3.1新闻分析[17]提供的新闻分析数据以元数据格式提供,其中每条新闻都会根据相关的单个股票接收量化特征(如相关性和情绪)的分数。表1显示了提供的新闻情绪分析数据样本。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群