[論文レビュー] Leverage Financial News to Predict Stock Price Movements Using Word Embeddings and Deep Neural Networks

Yangtuo Peng, Hui Jiang|arXiv (Cornell University)|Jun 24, 2015

Stock Market Forecasting Methods参考文献 13被引用数 11

ひとこと要約

本稿では、金融ニュースの単語埋め込みと歴史的株価データを組み合わせた深層学習手法を提案し、翌日の株価動向を予測する。ニュースからのキーワード抽出、センチメント、文脈特徴を株価トレンドと統合することで、43.13%の誤差率を達成。これは、単一の価格データのみを用いたベースラインモデルを著しく上回る。

ABSTRACT

Financial news contains useful information on public companies and the market. In this paper we apply the popular word embedding methods and deep neural networks to leverage financial news to predict stock price movements in the market. Experimental results have shown that our proposed methods are simple but very effective, which can significantly improve the stock prediction accuracy on a standard financial database over the baseline system using only the historical price information.

研究の動機と目的

• 金融ニュースのテキスト情報を組み込むことで、株価動向予測の精度を向上させること。
• 単語埋め込みが金融ニュースから意味のある特徴を抽出できるかどうかを調査すること。
• 深層ニューラルネットワークとニュース由来特徴、および歴史的株価データを組み合わせた有効性を評価すること。
• 相関に基づくグラフ伝搬法を用いて、未学習の株式についての予測を可能にすること。
• 金融ニュース特徴が、従来の価格ベースのモデルを上回る予測精度を顕著に向上させることを示すこと。

提案手法

• 2値分類（価格上昇または下落）を目的とした4層の深層ニューラルネットワーク（DNN）を採用。活性化関数にReLU、出力にソフトマックスを使用。
• 5日分の終値、1階差分、2階差分を含む歴史的株価特徴を抽出。各銘柄ごとに正規化処理を実施。
• word2vecを用いて、金融ニュースの単語の密なベクトル表現を学習。'rise'、'fall'、'plunge'などのシード語を用いて、意味的に関連するキーワードを同定。
• ニュース由来の特徴を3種類生成：キーワードBag（BoK）、センチメントスコア（PS）、単語ベクトル類似度を用いた文脈に配慮した用語特徴（CT）。
• 歴史的株価データから株式相関グラフを構築。絶対値相関係数が0.8を超えるペアのみを保持し、行列乗算を用いて未学習銘柄への予測を伝搬。
• 未学習銘柄の予測で低信頼度のものをフィルタリングするためのしきい値処理を実施。これにより、訓練セットを超えた一般化性能が向上。

実験結果

リサーチクエスチョン

• RQ1 単語埋め込みは、株価動向予測のための予測的特徴を、金融ニュースから効果的に抽出できるか？
• RQ2 歴史的株価データのみを用いたモデルと比較して、ニュース由来特徴を組み込むことで、予測精度がどの程度向上するか？
• RQ3 相関に基づくグラフ伝搬法を用いることで、未学習の銘柄への予測をどの程度拡張できるか？
• RQ4 BoK、PS、CTの3つのニュース特徴の最適な組み合わせは何か？性能を最大化するには？
• RQ5 未学習銘柄の予測における、異なるしきい値設定がモデル性能に与える影響は？

主な発見

• 全特徴（価格、BoK、PS、CT）を統合した場合、テストセットの誤差率は43.13%にまで低下。これは、価格データのみのベースラインモデル（48.12%）を著しく上回る。
• BoK特徴のみを追加しても誤差率が46.02%に低下し、単語埋め込みから得られるキーワード特徴が予測に顕著に寄与することが示された。
• 価格データとBoK特徴の組み合わせでも46.02%の誤差率を達成。これは、ニュースのキーワード自体が強力な予測力を持つことを示している。
• グラフ伝搬を適用した場合、高い信頼度しきい値（0.9）を設定すると、1日あたり平均354銘柄の未学習銘柄を52.44%の精度で予測可能。一般化性能が顕著に向上した。
• センチメント（PS）および文脈に配慮した用語（CT）特徴を組み込むことで、性能がさらなる向上を示し、全特徴セットが最小の誤差率を達成。
• さまざまな特徴組み合わせに対してモデルの性能が安定しており、バリデーションセットで4層DNNアーキテクチャが最適な結果を示した。