تحليل مشاعر الأخبار المحسّن باستخدام طرق التعلم العميق

نستكشف القوة التنبؤية لمشاعر الأخبار التاريخية بناءً على أداء السوق المالية للتنبؤ بمشاعر الأخبار المالية. نحدد مشاعر الأخبار استنادًا إلى عوائد أسعار الأسهم المتوسطة على مدار دقيقة واحدة بعد نشر مقال إخباري. إذا كانت عوائد سعر السهم إيجابية (سلبية)، نصنف المقال الإخباري الذي تم نشره قبل العائد الملحوظ على السهم كإيجابي (سلبي). نستخدم مقالات من ويكيبديا ومجموعة Gigaword الخامسة من عام 2014، ونطبق طريقة المتجهات العالمية لتمثيل الكلمات على هذه المجموعة لإنشاء متجهات كلمات لاستخدامها كمدخلات لشبكة TensorFlow للتعلم العميق. نقوم بتحليل أرشيف أخبار Thomson Reuters عالي التردد (خلال اليوم) بالإضافة إلى تاريخ ارتفاع الأسعار عالي التردد لمؤشر داو جونز الصناعي (DJIA 30) للأسهم الفردية للفترة بين 1/1/2003 و12/30/2013. نطبق مجموعة من منهجيات التعلم العميق لشبكة عصبية عودية مع وحدات ذاكرة قصيرة وطويلة الأمد لتدريب بيانات أرشيف أخبار Thomson Reuters من 2003 إلى 2012، ونجرب قوة التنبؤ لطريقتنا على بيانات أرشيف الأخبار لعام 2013. نجد أن دقة التنبؤ لمنهجيتنا تتحسن عندما ننتقل من الاختيار العشوائي للأخبار الإيجابية والسلبية إلى اختيار الأخبار التي تحمل أعلى الدرجات الإيجابية كأخبار إيجابية والأخبار التي تحمل أعلى الدرجات السلبية كأخبار سلبية لإنشاء مجموعة بيانات التدريب لدينا.