सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

समाचार भावना और समय-श्रृंखला मॉडल से S&P 500 ट्रेडिंग

लेख arXiv papers · लेखक: Haojie Liu et al.
मूल स्रोत पढ़ें

सारांश

अध्ययन वित्तीय समाचार से निकाली गई भावना को तकनीकी संकेतकों और समय-श्रृंखला पूर्वानुमान के साथ जोड़ने वाला ट्रेडिंग तरीका बताता है। यह भावना विश्लेषण के लिए GPT-2 और FinBERT का उपयोग करता है, प्राप्त संकेतों को गति और रुझान मापों के साथ जोड़ता है, और रणनीतियों का मूल्यांकन ARIMA तथा ETS मॉडल और खरीदकर बनाए रखने की आधाररेखा के साथ करता है। प्रदर्शन का आकलन परिसंपत्ति मूल्यों और रिटर्न से किया जाता है।

दस्तावेज़ बताता है कि उसके मूल्यांकन में भावना संकेतों को पारंपरिक मॉडलों के साथ जोड़ने से ट्रेडिंग प्रदर्शन बेहतर हुआ और इस तरीके को बदलती बाज़ार स्थितियों के अनुसार प्रतिक्रिया देने का उपाय बताता है। इसमें नमूने की तारीखें, विस्तृत रणनीति नियम, संख्यात्मक प्रदर्शन परिणाम या सांख्यिकीय परीक्षण नहीं हैं, इसलिए निष्कर्ष की ताकत और व्यापकता का आकलन नहीं किया जा सकता। साक्ष्य S&P 500 तक विशिष्ट है; इससे यह स्थापित नहीं होता कि तरीका अन्य बाज़ारों में लागू होगा या ट्रेडिंग लागत के बाद प्रभावी रहेगा।

मुख्य विचार

  • यह तरीका वित्तीय समाचार की भावना को तकनीकी संकेतकों और समय-श्रृंखला मॉडलों के साथ जोड़ता है।
  • समाचार से भावना संकेत निकालने के लिए GPT-2 और FinBERT का उपयोग किया जाता है।
  • मूल्यांकन संयुक्त रणनीतियों की तुलना खरीदकर बनाए रखने और भावना-आधारित तरीकों से करता है।
  • बताए गए सुधार के साथ विवरण में संख्यात्मक परिणाम और विस्तृत सत्यापन जानकारी नहीं है।

टैग

इक्विटीबाज़ार भावनामशीन लर्निंगतकनीकी संकेतकबैकटेस्टिंगअमेरिकी बाज़ार
पूरा पाठ
# 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.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।