[論文レビュー] Characterizing Financial Market Coverage using Artificial Intelligence

Jean Marie Tshimula, D’Jeff K. Nkashama+8 more|arXiv (Cornell University)|Feb 7, 2023

FinTech, Crowdfunding, Digital FinanceBusiness, Management and Accounting被引用数 3

ひとこと要約

この論文では、ブルームバーグやヤフーファイナンスのYouTube金融市場動画約4,900本を、OpenAIのWhisperを用いて音声認識し、トピックモデリングや名前付きエンティティ認識（NER）などの自然言語処理（NLP）技術を適用して、言語使用、トレンドトピック、メディア連携の分析を行った。その結果、金融ニュースの報道はロシア＝ウクライナ戦争やパンデミック関連のストリーミング需要の増加といった世界的な出来事を中心に展開されており、インフレ、リセッション、住宅ローン金利といった主要トピックに関して、複数のチャンネルで強いコンテンツ連携が見られたことが明らかになった。

ABSTRACT

This paper scrutinizes a database of over 4900 YouTube videos to characterize financial market coverage. Financial market coverage generates a large number of videos. Therefore, watching these videos to derive actionable insights could be challenging and complex. In this paper, we leverage Whisper, a speech-to-text model from OpenAI, to generate a text corpus of market coverage videos from Bloomberg and Yahoo Finance. We employ natural language processing to extract insights regarding language use from the market coverage. Moreover, we examine the prominent presence of trending topics and their evolution over time, and the impacts that some individuals and organizations have on the financial market. Our characterization highlights the dynamics of the financial market coverage and provides valuable insights reflecting broad discussions regarding recent financial events and the world economy.

研究の動機と目的

• YouTubeにおける金融市場動画の膨大な量から実用的インサイトを抽出する課題に対処すること。
• 言語使用、トレンドトピック、および主要なエンティティ（個人および組織）が、複数のプラットフォームにおける金融ニュースナラティブにどのように影響を与えるかを調査すること。
• ブルームバーグやヤフーファイナンスなどの主要メディアチャンネル間での金融ニュース報道のコンテンツ連携を評価すること。
• 音声認識とNLPパイプラインを用いた動画ベースの金融ディス course 分析のための信頼性が高く、オープンソースのフレームワークを提供すること。

提案手法

• 4,900本のYouTube金融市場報道動画の音声を、OpenAIのWhisperモデルを用いてテキストに変換した。
• トピックモデリングを用いて、経済的・金融的議論における変化するテーマを特定・追跡した。
• n-gram解析および名前付きエンティティ認識（NER）を実施し、頻出する人物、組織、キーフレーズを抽出した。
• 経済および金融市場関連のトピックに限定して分析を行い、関連しないコンテンツは除外した。
• 異なるメディアチャンネル間でのナラティブ構造とトピック類似性を比較し、報道連携の兆候を検出した。
• 再現可能性および金融メディア分析分野におけるさらなる研究を支援するため、コードとデータを公開した。

(a) Bloomberg Wall Street Week (BLW)

実験結果

リサーチクエスチョン

• RQ1 ニュース報道トピック内の言語使用を通じて、どのように主要な金融イベントが特定されるか？
• RQ2 複数のニュースチャンネル間で、主要な金融イベントおよびエンティティ（組織や個人）に関して、どの程度報道内容が連携しているか？
• RQ3 インフレ、リセッション、ロシア＝ウクライナ戦争といった主要トピックの頻度と変遷は、現実の金融的・経済的動向とどの程度相関しているか？
• RQ4 金融市場報道で最も頻出する個人および組織はどれであり、その言及頻度は市場イベントとどのように関連しているか？

主な発見

• インフレに関するトピックは2021年から2022年にかけて顕著に頻度が上昇し、住宅ローン金利の上昇とリセッション懸念と密接に関連していた。
• ロシアとウクライナに関するトピックは2022年当初に急増し、ロシア＝ウクライナ戦争の勃発と世界的な経済的制裁と相関していた。
• ディズニーやネットフリックスのコンテンツに関するトピックは、最初の新型コロナウイルス感染拡大期に急激に上昇し、ストリーミング利用の増加と株価の上昇を反映していた。
• 金融ニュース報道は、特に高インパクトな出来事に関して、複数のチャンネルで強い連携を示しており、バイグラムや名前付きエンティティの使用が一貫していた。
• 名前付きエンティティ認識により、経済政策や市場動向に影響を与える要因とされる著名な人物や機関が、市場ナラティブの中心に位置することが判明した。
• トピックモデリングにより、報道は主に反応的であることが明らかになった。世界的な出来事や市場のボラティリティの変化に伴い、ナラティブが急速に変化していた。

(b) Bloomberg Stock Market News and Analysis (BSM)