[論文レビュー] TM-vector: A Novel Forecasting Approach for Market stock movement with a Rich Representation of Twitter and Market data

Faraz Sasani, Ramin Mousa+3 more|arXiv (Cornell University)|Mar 13, 2023

Stock Market Forecasting Methods被引用数 10

ひとこと要約

TM-vectorは、Twitter由来の特徴と市場データを組み合わせた豊かな表現を同時に訓練するIndRNNを用いて株価の動向を予測する forecasting アプローチを提案し、Dow Jones 30 constituentsで顕著な結果を示す（特にApple）。

ABSTRACT

Stock market forecasting has been a challenging part for many analysts and researchers. Trend analysis, statistical techniques, and movement indicators have traditionally been used to predict stock price movements, but text extraction has emerged as a promising method in recent years. The use of neural networks, especially recurrent neural networks, is abundant in the literature. In most studies, the impact of different users was considered equal or ignored, whereas users can have other effects. In the current study, we will introduce TM-vector and then use this vector to train an IndRNN and ultimately model the market users' behaviour. In the proposed model, TM-vector is simultaneously trained with both the extracted Twitter features and market information. Various factors have been used for the effectiveness of the proposed forecasting approach, including the characteristics of each individual user, their impact on each other, and their impact on the market, to predict market direction more accurately. Dow Jones 30 index has been used in current work. The accuracy obtained for predicting daily stock changes of Apple is based on various models, closed to over 95\% and for the other stocks is significant. Our results indicate the effectiveness of TM-vector in predicting stock market direction.

研究の動機と目的

• ソーシャルメディア信号と市場データを活用して株価の動向予測を改善する動機付け。
• ユーザー特性、相互作用、市場影響を捉える統一表現（TM-vector）を開発。
• Twitter特徴と市場情報の両方を用いて市場方向を予測するニューラルモデル（IndRNN）を訓練。

提案手法

• TM-vectorをTwitter特徴と市場データから学習されたジョイント表現として定義。
• IndRNN（input-driven recurrent network）を用いて市場ユーザーの逐次ダイナミクスと株価動向をモデル化。
• forecastingパイプラインにユーザー層の特徴、ユーザー間相互作用、およびそれらの市場影響を組み込む。
• モデルをDow Jones 30銘柄に適用し、Appleを含む方向性の精度を評価。

実験結果

リサーチクエスチョン

• RQ1 TM-vectorにおいて、Twitter由来 Features と市場データを結合した場合、従来のアプローチを超えて株価の動向予測を改善できるか。
• RQ2 個々のユーザー特性とユーザー間効果はTM-vectorフレームワーク内で市場の動きにどのような影響を与えるか。
• RQ3 特にAppleを含む主要なDow Jones 30 constituentsに対するTM-vectorの予測精度はどの程度か。

主な発見

• TM-vectorはAppleやその他のDow Jones 30銘柄の日次株価変動を高い精度で予測できる（Appleの精度はほぼ95%に近いと報告される）。
• ユーザー特性と相互作用を取り入れることで、ベースラインと比較して予測性能が向上。
• Twitter特徴と市場情報の両方を用いた訓練は、市場方向性予測のためのより豊かな表現を生み出す。