ترکیب احساسات اخبار و مدل‌های سری زمانی برای معامله شاخص S&P 500

خلاصه

این مطالعه رویکرد معاملاتی‌ای را توصیف می‌کند که احساسات استخراج‌شده از اخبار مالی را با شاخص‌های تکنیکال و پیش‌بینی سری زمانی ترکیب می‌کند. برای تحلیل احساسات از GPT-2 و FinBERT استفاده می‌کند، سیگنال‌های حاصل را با سنجه‌های مومنتوم و روند ترکیب می‌کند و استراتژی‌ها را در کنار مدل‌های ARIMA و ETS و معیار خرید و نگهداری ارزیابی می‌کند. عملکرد با استفاده از ارزش دارایی‌ها و بازده سنجیده می‌شود.

سند گزارش می‌کند که ترکیب سیگنال‌های احساسات با مدل‌های سنتی، عملکرد معاملاتی را در ارزیابی آن بهبود داده و روش را راهی برای واکنش به شرایط متغیر بازار می‌داند. تاریخ‌های نمونه، قواعد تفصیلی استراتژی، نتایج عددی عملکرد یا آزمون‌های آماری را ارائه نمی‌کند؛ بنابراین از روی شرح نمی‌توان قدرت و قابلیت تعمیم یافته را ارزیابی کرد. شواهد به شاخص S&P 500 محدود است و ثابت نمی‌کند که رویکرد به بازارهای دیگر منتقل می‌شود یا پس از هزینه‌های معامله همچنان مؤثر می‌ماند.

ایده‌های کلیدی

• این رویکرد احساسات اخبار مالی را با شاخص‌های تکنیکال و مدل‌های سری زمانی ترکیب می‌کند.
• از GPT-2 و FinBERT برای استخراج سیگنال‌های احساسات از اخبار استفاده می‌شود.
• ارزیابی، استراتژی‌های ترکیبی را با خرید و نگهداری و رویکردهای مبتنی بر احساسات مقایسه می‌کند.
• شرح، بهبود گزارش‌شده را بدون نتایج عددی و اطلاعات تفصیلی اعتبارسنجی بیان می‌کند.

برچسب‌ها

# Enhancing Trading Performance Through Sentiment Analysis with Large Language Models: Evidence from the S&P 500


# Enhancing Trading Performance Through Sentiment Analysis with Large Language Models: Evidence from the S&P 500









This study integrates real-time sentiment analysis from financial news, GPT-2 and FinBERT, with technical indicators and time-series models like ARIMA and ETS to optimize S&P 500 trading strategies. By merging sentiment data with momentum and trend-based metrics, including a benchmark buy-and-hold and sentiment-based approach, is evaluated through assets values and returns. Results show that combining sentiment-driven insights with traditional models improves trading performance, offering a more dynamic approach to stock trading that adapts to market changes in volatile environments.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.