Assessing Text Mining and Technical Analyses on Forecasting Financial Time Series
文本挖掘与技术分析在金融时间序列预测中的表现评估AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究股指价格预测并比较金融时间序列预测方法，因此归入金融预测与时间序列方向，未提供资产定价机制证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
文本挖掘与技术分析在金融时间序列预测中的表现评估
- 研究问题
- 研究疫情期间标普500指数价格预测中，金融新闻文本与历史价格、成交量信息各有何作用，两类方法的预测表现如何比较。
- 方法与思路
- 摘要称，研究比较利用自然语言处理提取金融新闻信息的文本挖掘方法，以及利用历史价格和成交量进行预测的技术分析方法。
- 材料陈述的贡献
- 摘要称，FinBERT在所比较模型中取得较低的价格预测均方根误差，并据此讨论金融新闻用于预测的潜力，但未给出具体数值。
- 阅读关注点
- 应核对新闻发布时间与价格标签如何对齐、训练与测试如何划分，以及预测期限、比较模型和误差差异是否经过统计检验。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未核实；摘要未说明样本区间和评估设计，不能判断优势能否延伸至其他市场或时期。
原文摘要
Forecasting financial time series (FTS) is an essential field in finance and economics that anticipates market movements in financial markets. This paper investigates the accuracy of text mining and technical analyses in forecasting financial time series. It focuses on the S&P500 stock market index during the pandemic, which tracks the performance of the largest publicly traded companies in the US. The study compares two methods of forecasting the future price of the S&P500: text mining, which uses NLP techniques to extract meaningful insights from financial news, and technical analysis, which uses historical price and volume data to make predictions. The study examines the advantages and limitations of both methods and analyze their performance in predicting the S&P500. The FinBERT model outperforms other models in terms of S&P500 price prediction, as evidenced by its lower RMSE value, and has the potential to revolutionize financial analysis and prediction using financial news data. Keywords: ARIMA, BERT, FinBERT, Forecasting Financial Time Series, GARCH, LSTM, Technical Analysis, Text Mining JEL classifications: G4, C8