کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6948329 | 1451032 | 2018 | 39 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Long-term stock index forecasting based on text mining of regulatory disclosures
ترجمه فارسی عنوان
پیش بینی شاخص سهام درازمدت بر اساس استخراج متن از اطلاعات قانونی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
استخراج متن، پردازش زبان طبیعی، اخبار مالی، پیش بینی مالی، شاخص سهام، تجزیه و تحلیل پیش بینی،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
سیستم های اطلاعاتی
چکیده انگلیسی
Share valuations are known to adjust to new information entering the market, such as regulatory disclosures. We study whether the language of such news items can improve short-term and especially long-term (24â¯months) forecasts of stock indices. For this purpose, this work utilizes predictive models suited to high-dimensional data and specifically compares techniques for data-driven and knowledge-driven dimensionality reduction in order to avoid overfitting. Our experiments, based on 75,927 ad hoc announcements from 1996-2016, reveal the following results: in the long run, text-based models succeed in reducing forecast errors below baseline predictions from historic lags at a statistically significant level. Our research provides implications to business applications of decision-support in financial markets, especially given the growing prevalence of index ETFs (exchange traded funds).
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 112, August 2018, Pages 88-97
Journal: Decision Support Systems - Volume 112, August 2018, Pages 88-97
نویسندگان
Stefan Feuerriegel, Julius Gordon,