[論文レビュー] Time Series Analysis on Stock Market for Text Mining Correlation of Economy News
本研究では、テキストマイニングおよび時系列解析を用いて、トルコ株式市場データを対象に、経済ニュースと株価動向の相関関係を調査する。ニュース記事の内容にTF-IDFを適用し、移動平均、RSI、ボリンジャーバンドなど10種類の時系列手法を評価した結果、モメンタムおよびRSIベースの手法が2年間の期間において、終値の予測精度がより高いことが判明し、市場予測における最適モデル選定のための比較フレームワークを提供する。
This paper proposes an information retrieval method for the economy news. The effect of economy news, are researched in the word level and stock market values are considered as the ground proof. The correlation between stock market prices and economy news is an already addressed problem for most of the countries. The most well-known approach is applying the text mining approaches to the news and some time series analysis techniques over stock market closing values in order to apply classification or clustering algorithms over the features extracted. This study goes further and tries to ask the question what are the available time series analysis techniques for the stock market closing values and which one is the most suitable? In this study, the news and their dates are collected into a database and text mining is applied over the news, the text mining part has been kept simple with only term frequency-inverse document frequency method. For the time series analysis part, we have studied 10 different methods such as random walk, moving average, acceleration, Bollinger band, price rate of change, periodic average, difference, momentum or relative strength index and their variation. In this study we have also explained these techniques in a comparative way and we have applied the methods over Turkish Stock Market closing values for more than a 2 year period. On the other hand, we have applied the term frequency-inverse document frequency method on the economy news of one of the high-circulating newspapers in Turkey.
研究の動機と目的
- 経済ニュースを入力として用いる際の、さまざまな時系列解析手法の株価終値予測効果を評価すること。
- 経済ニュースのテキストセンチメントと実際の株価市場動向との相関関係を評価すること。
- ニュース駆動のセンチメントに基づいて、10種類の異なる時系列モデルの株価予測性能を比較すること。
- 金融予測の文脈において、最も適切なモデルを選定するための時系列手法の比較分析を提供すること。
提案手法
- 高流通のトルコ紙から経済ニュースおよび対応する日付を収集し、構造化されたデータベースに格納した。
- テキストマイニングとしてTF-IDF手法を適用し、ニュース記事からの語句頻度を抽出し、市場センチメントの代理指標として扱った。
- 10種類の時系列手法を評価：ランダムウォーク、移動平均、加速度、ボリンジャーバンド、価格変化率、周期平均、差分、モメンタム、RSI、およびそれらの変種。
- 24か月間にわたるトルコ株式市場の終値に対して、すべての10種類のモデルを適用した。
- ニュースのTF-IDFスコアを外部入力特徴量として用い、価格動向との予測相関関係を評価した。
- 相関強度および予測精度に基づいて、モデルのパフォーマンスを比較分析した。
実験結果
リサーチクエスチョン
- RQ1トルコ株式データに適用した場合、どの時系列解析手法が株価終値を最もよく予測するか？
- RQ2経済ニュースのTF-IDF表現は、実際の株価動向とどの程度相関しているか？
- RQ3ニュースセンチメントを用いた株価予測において、モメンタム、RSI、移動平均モデルの相対的パフォーマンスはいかがなっているか？
- RQ4経済ニュースのテキストマイニングは、金融市場における時系列モデルの予測精度を向上させることができるか？
- RQ5ニュースセンチメントと株価トレンドの間で、どの時系列モデルが最も強い相関を示すか？
主な発見
- 10種類の時系列手法の中で、モメンタムおよびRSIベースのモデルが、実際の株価動向と最も高い相関を示した。
- TF-IDF手法は、経済ニュースからセンチメント関連語句を効果的に抽出でき、時系列モデリングの定量的入力として有効であった。
- ボリンジャーバンドおよび移動平均モデルは、特にボラティリティパターンの特定において中程度の予測力を見せており、有用であった。
- 価格変化率および差分手法は、ニュース駆動のセンチメントシフトに対して感度が低く、効果が限定的であった。
- 本研究では、ニュースコンテンツと市場トレンドの間に統計的に有意な相関が確認され、テキストマイニングを金融予測に活用することの妥当性が裏付けられた。
- テストされたモデルの中で、RSIおよびモメンタムインジケーターがニュース駆動の市場センチメントに最も反応しており、リアルタイム予測システムへの適性が示唆された。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。