[논문 리뷰] Stock Price Prediction using Sentiment Analysis and Deep Learning for Indian Markets

Narayana Darapaneni, Anwesh Reddy Paduri외 6명|arXiv (Cornell University)|2022. 04. 07.

Stock Market Forecasting Methods인용 수 25

한 줄 요약

본 논문은 인도에서 주가를 예측하기 위해 두 가지 모델을 구축합니다: 과거 가격을 활용한 LSTM과 감정 점수 및 거시경제 특징을 이용한 Random Forest로, RMSE로 평가되는 네 가지 주요 주식에서 평가됩니다.

ABSTRACT

Stock market prediction has been an active area of research for a considerable period. Arrival of computing, followed by Machine Learning has upgraded the speed of research as well as opened new avenues. As part of this research study, we aimed to predict the future stock movement of shares using the historical prices aided with availability of sentiment data. Two models were used as part of the exercise, LSTM was the first model with historical prices as the independent variable. Sentiment Analysis captured using Intensity Analyzer was used as the major parameter for Random Forest Model used for the second part, some macro parameters like Gold, Oil prices, USD exchange rate and Indian Govt. Securities yields were also added to the model for improved accuracy of the model. As the end product, prices of 4 stocks viz. Reliance, HDFC Bank, TCS and SBI were predicted using the aforementioned two models. The results were evaluated using RMSE metric.

연구 동기 및 목표

• 인도 시장에서 과거 데이터와 감정 데이터를 사용한 주가 움직임 예측의 동기를 제시합니다.
• Intesity Analyzer를 통한 감정 점수를 머신 러닝 모델에 통합하여 정확도를 향상시킵니다.
• 금 가격, 석유 가격, USD 환율, 인도 정부 증권 수익률 등 거시경제 특징이 예측 성능에 미치는 영향을 평가합니다.

제안 방법

• 과거 가격을 주요 입력 변수로 사용하는 LSTM를 사용합니다.
• Intesity Analyzer를 통한 감정 분석을 Random Forest 모델의 주요 특징으로 적용합니다.
• 모델에 금 가격, 석유 가격, USD 환율, 인도 정부 증권 수익률 등의 거시 매개변수를 보강합니다.
• RMSE를 성능 지표로 사용하여 네 가지 주식(Reliance, HDFC Bank, TCS, SBI)의 예측을 평가합니다.

실험 결과

연구 질문

• RQ1 LSTM이 단지 과거 가격만으로 인도 시장의 단기 주가 움직임을 정확하게 예측할 수 있습니까?
• RQ2 감정 분석을 통한 Random Forest 도입이 과거 가격만으로는 얻기 어려운 예측 정확도를 높이나요?
• RQ3 거시경제 특징(금, 석유, USD, 정부 증권 수익률)이 인도 주식 모델 성능을 개선합니까?
• RQ4 선정된 주식들에 대해 어떤 모델(LSTM vs. 감정 기반 Random Forest)이 더 우수하게 작동합니까?

주요 결과

• 연구는 두 가지 모델링 접근 방식: 과거 가격을 활용한 LSTM과 감정 특징 및 거시 매개변수를 포함한 Random Forest를 사용합니다.
• 예측 대상 주식은 인도 주식인 Reliance, HDFC Bank, TCS, SBI입니다.
• 모델 평가는 RMSE를 성능 지표로 사용합니다.
• 감정 데이터는 Intensity Analyzer를 통해 수집되어 Random Forest 모델의 주요 입력으로 통합됩니다.
• 거시 특징인 금 가격, 석유 가격, USD 환율, 인도 정부 증권 수익률이 정확도 향상을 위해 포함됩니다.