[论文解读] Characterizing Financial Market Coverage using Artificial Intelligence

Jean Marie Tshimula, D’Jeff K. Nkashama+8 more|arXiv (Cornell University)|Feb 7, 2023

FinTech, Crowdfunding, Digital FinanceBusiness, Management and Accounting被引用 3

一句话总结

本文利用 OpenAI 的 Whisper 将超过 4,900 段来自 Bloomberg 和 Yahoo Finance 的 YouTube 金融市场视频转录为文字，结合 NLP 技术如主题建模和命名实体识别，分析语言使用、趋势话题及媒体协调性。研究发现，金融新闻报道聚焦于重大全球事件，如俄罗斯-乌克兰战争和与疫情相关的流媒体播放量激增，并在关键话题（如通货膨胀、经济衰退和抵押贷款利率）上展现出各频道间显著的内容协调性。

ABSTRACT

This paper scrutinizes a database of over 4900 YouTube videos to characterize financial market coverage. Financial market coverage generates a large number of videos. Therefore, watching these videos to derive actionable insights could be challenging and complex. In this paper, we leverage Whisper, a speech-to-text model from OpenAI, to generate a text corpus of market coverage videos from Bloomberg and Yahoo Finance. We employ natural language processing to extract insights regarding language use from the market coverage. Moreover, we examine the prominent presence of trending topics and their evolution over time, and the impacts that some individuals and organizations have on the financial market. Our characterization highlights the dynamics of the financial market coverage and provides valuable insights reflecting broad discussions regarding recent financial events and the world economy.

研究动机与目标

• 为解决从 YouTube 上海量金融市场视频中提取可操作洞察的挑战。
• 探究语言使用、趋势话题以及关键实体（个人与组织）如何塑造跨平台的金融新闻叙事。
• 评估 Bloomberg 和 Yahoo Finance 等主要媒体渠道在金融新闻报道中的内容协调性。
• 提供一个可靠且开源的框架，用于利用语音转文本和 NLP 流水线分析基于视频的金融话语。

提出的方法

• 使用 OpenAI 的 Whisper 模型将 4,900 段 YouTube 金融市场报道视频的音频转录为文本。
• 应用主题建模以识别并追踪金融与经济话语中随时间演变的主题。
• 开展 n-gram 分析和命名实体识别（NER），以提取频繁提及的个人、组织和关键短语。
• 聚焦于与经济和金融市场相关的主题，排除不相关的内容。
• 比较不同媒体渠道之间的叙事结构和话题相似性，以检测报道中的协调性。
• 公开发布代码与数据，以支持金融媒体分析领域的可复现性与进一步研究。

(a) Bloomberg Wall Street Week (BLW)

实验结果

研究问题

• RQ1 如何通过新闻报道中的语言使用识别重大金融事件？
• RQ2 不同新闻频道在重大金融事件和关键实体（如组织与个人）的报道中，其话题内容协调程度如何？
• RQ3 关键话题（如通货膨胀、经济衰退、俄罗斯-乌克兰战争）的频率与演变趋势，如何与现实世界的金融与经济动态相关联？
• RQ4 在金融市场报道中，哪些个人与组织被最频繁提及，其提及频率与市场事件之间存在何种关联？

主要发现

• 从 2021 年到 2022 年，'通货膨胀'这一话题的提及频率显著上升，与抵押贷款利率上升及经济衰退担忧密切相关。
• 2022 年初，'俄罗斯与乌克兰'话题急剧上升，与俄罗斯-乌克兰战争爆发及全球经济制裁同步。
• 在首次新冠疫情封锁期间，'迪士尼与奈飞内容'话题出现急剧增长，反映出流媒体消费增加及股价表现。
• 金融新闻报道在各频道之间表现出强烈的内容协调性，尤其在重大事件上，且在双词短语和命名实体的使用上保持一致。
• 命名实体识别揭示了重要人物与机构在市场叙事中的核心地位，通常与经济政策或市场动向事件紧密关联。
• 主题建模显示，报道主要呈反应性特征，叙事随全球事件和市场波动迅速调整。

(b) Bloomberg Stock Market News and Analysis (BSM)