MANA-Net:利用新闻加权缓解聚合情绪均匀化以增强市场预测
原文中文,约400字,阅读约需1分钟。发表于: 。本研究针对当前金融情绪分析方法过于简单,存在“聚合情绪均匀化”问题,导致信息丢失的问题进行了探讨。提出的MANA-Net方法通过动态市场新闻注意机制加权聚合情绪,从而优化预测,显著提升了对市场的预测能力,实验结果显示该方法在利润和夏普比率上都有显著提高。
本研究探讨了自然语言处理与金融分析的交叉领域,重点关注情感分析在股价预测中的影响。通过使用NLP技术BERTopic和深度学习模型,证明了融入主题情感能提高股票预测模型性能。结果显示,股市评论中的主题提供了对股市波动和价格趋势的有价值见解。该研究为NLP在金融分析方面的潜力做出了贡献,并为实时情感分析和市场情感的进一步研究开辟了道路。