[論文レビュー] Stock Price Prediction using Sentiment Analysis and Deep Learning for Indian Markets

Narayana Darapaneni, Anwesh Reddy Paduri+6 more|arXiv (Cornell University)|Apr 7, 2022

Stock Market Forecasting Methods被引用数 25

ひとこと要約

本論文はインドの株価を予測する2つのモデルを構築する。1つは過去価格を用いるLSTM、もう1つはセンチメントスコアとマクロ経済指標を用いるRandom Forestで、4つの主要銘柄を対象にRMSEで評価。

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.

研究の動機と目的

• インド市場で過去データとセンチメントデータを用いた株価変動予測を動機づける。
• Intensity Analyzerを介してセンチメントスコアを機械学習モデルに組み込み、精度向上を図る。
• 金価格、原油価格、USD、インド政府証券利回りといったマクロ経済指標が予測性能に与える影響を評価する。

提案手法

• 主入力変数として過去価格を用いたLSTMを使用する。
• Random Forestモデルの主特徴量としてIntensity Analyzerによるセンチメント分析を適用する。
• 金価格、原油価格、USD為替レート、インド政府証券利回りといったマクロパラメータをモデルに追加する。
• Reliance、HDFC Bank、TCS、SBIの4銘柄についてRMSEを評価指標として予測結果を評価する。

実験結果

リサーチクエスチョン

• RQ1 インド市場において過去価格のみを用いたLSTMは短期的な株価変動を正確に予測できるのか。
• RQ2 Random Forestを介したセンチメント分析の組み込みは、過去価格のみより予測精度を向上させるのか。
• RQ3 金、原油、USD、政府証券利回りといったマクロ経済指標はインド株のモデル性能を向上させるのか。
• RQ4 選択銘柄間でどちらのモデル（LSTM vs. センチメントを用いたRandom Forest）がより良い性能を示すのか。

主な発見

• 研究は2つのモデリング手法を採用している。過去価格を用いたLSTMとセンチメント特徴量＋マクロパラメータを用いたRandom Forest。
• 予測対象はインド株のReliance、HDFC Bank、TCS、SBIの4銘柄。
• モデル評価にはRMSEをパフォーマンス指標として使用。
• Intensity Analyzerを介して収集されたセンチメントデータをRandom Forestモデルの主要入力として統合。
• 金・原油価格、 USD為替レート、インド政府証券利回りといったマクロ特徴を含めて精度を向上。