Využití analýzy medializovaných událostí pro vylepšení predikce vývoje cen akcií
Improving stock price prediction using media analysis
Type of document
bakalářská prácebachelor thesis
Author
Kostiantyn Romanov
Supervisor
Vozárová Pavla
Opponent
Petr Ivo
Field of study
Znalostní inženýrstvíStudy program
Informatika 2009Institutions assigning rank
katedra aplikované matematikyDefended
2023-02-14Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Předpovídání cen akcií pomocí mediální analýzy je v posledních desetiletích aktivní oblastí výzkumu. Předchozí studie analyzovaly vliv mediálního sentimentu v každodenním měřítku, byly však omezeny problémem dostupnosti dat. V této práci jsem se rozhodl sestavit dataset o cenách akcií a novinových titulcích, abych mohl studovat vliv zpravodajského sentimentu v mezidenním měřítku, kde se podle předpokladu projevuje nejvýrazněji. Využívám nedávno vzniklou architekturu transformerů, která vykazuje velký potenciál pro úlohy zpracování sekvencí. Navrhovaný model kombinuje model FinBERT pro klasifikaci sentimentu s modelem založeným na Informeru pro predikci časových řad. To usnadňuje analýzu predikčních schopností vytvořených technických indikátorů a příznaků sentimentu v různých predikčních oknech. Ačkoli v krátkodobé predikci nebyl zjištěn žádný významný vliv mediálního sentimentu, což podporuje tvrzení teorie efektivních trhů, ukazuje se, že dlouhodobá predikce má z přidání prvků sentimentu prospěch. Stock price prediction using media analysis has been an active area of research over the last decades. Previous studies analyze the impact of media sentiment on a day-to-day scale, limited by the problem of data availability. In this thesis, I opt to compile a dataset of stock prices and news headlines to study the effect of news sentiment on an intraday scale, where it is hypothesized to be most pronounced. I employ the recently emerged transformer architecture, showing great potential for sequence processing tasks. The proposed model combines the FinBERT model for sentiment classification with the Informer-based model for time-series prediction. This facilitates the analysis of the predictive capabilities of the produced technical indicators and sentiment features over various prediction windows. Although no significant impact of media sentiment was found in a short-term prediction, supporting the claims of the effective market hypothesis, a long-term prediction is shown to benefit from the addition of sentiment features.
Collections
- Bakalářské práce - 18105 [292]