[논문 리뷰] TM-vector: A Novel Forecasting Approach for Market stock movement with a Rich Representation of Twitter and Market data

Faraz Sasani, Ramin Mousa외 3명|arXiv (Cornell University)|2023. 03. 13.

Stock Market Forecasting Methods인용 수 10

한 줄 요약

TM-vector는 Twitter에서 추출된 특징과 시장 데이터를 결합한 풍부한 표현에 대해 IndRNN을 공동으로 학습시켜 주가 움직임을 예측하는 예측 방법을 제시하며, Dow Jones 30 구성 종목(특히 Apple)에서 뚜렷한 성과를 보입니다.

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.

연구 동기 및 목표

• 사회적 미디어 신호와 시장 데이터를 함께 활용하여 주가 움직임 예측의 수준을 향상시키려는 동기를 제시합니다.
• 사용자 특성, 상호작용 및 시장 영향을 포착하는 통합 표현(TM-vector)을 개발합니다.
• Twitter 특징과 시장 정보를 모두 사용하여 시장 방향을 예측하기 위해 신경망 모델(IndRNN)을 학습합니다.

제안 방법

• TM-vector를 Twitter 특징과 시장 데이터로부터 학습된 공동 표현으로 정의합니다.
• IndRNN(input-driven recurrent network)를 사용하여 시장 사용자와 주가 움직임의 시퀀스 역학을 모델링합니다.
• 사용자 수준 특성, 사용자 간 상호작용 및 이들의 시장 영향을 예측 파이프라인에 반영합니다.
• 모형을 Dow Jones 30 주식에 적용하고 방향성 정확도를 평가합니다(Apple 포함).

실험 결과

연구 질문

• RQ1 Twitter에서 파생된 특징과 시장 데이터가 TM-vector로 융합될 때 기존 접근법을 넘어 주가 움직임의 방향 예측을 개선할 수 있을까요?
• RQ2 TM-vector 프레임워크에서 개별 사용자 특성과 사용자 간 효과가 시장 움직임에 어떤 영향을 미치나요?
• RQ3 주요 Dow Jones 30 구성 종목, 특히 Apple에 대한 TM-vector의 예측 정확도는 어느 정도인가요?

주요 결과

• TM-vector는 Apple 및 나머지 Dow Jones 30 주식의 일일 주가 변화 예측에서 높은 정확도를 달성합니다(Apple 정확도는 95%에 근접하는 것으로 보고됩니다).
• 사용자 특성과 사용자 간 효과를 통합하면 베이스라인 대비 예측 성능이 향상됩니다.
• Twitter 특징과 시장 정보를 모두 사용한 학습은 시장 방향 예측을 위한 더 풍부한 표현을 제공합니다.