مواد پر جائیں
لائبریری کی تمام دستاویزات

خبری جذبات اور ٹائم سیریز ماڈلز سے ایس اینڈ پی 500 کی ٹریڈنگ

مضمون arXiv papers · مصنف: Haojie Liu et al.

خلاصہ

مطالعہ مالی خبروں سے اخذ کردہ جذبات کو تکنیکی اشاروں اور ٹائم سیریز پیش گوئی کے ساتھ ملانے والا ٹریڈنگ طریقہ بیان کرتا ہے۔ یہ جذبات کے تجزیے کے لیے GPT-2 اور FinBERT استعمال کرتا ہے، حاصل شدہ سگنلز کو مومینٹم اور رجحان کے پیمانوں کے ساتھ جوڑتا ہے، اور حکمتِ عملیوں کا ARIMA اور ETS ماڈلز نیز خرید کر رکھنے کی حکمتِ عملی کو معیار بنا کر جائزہ لیتا ہے۔ کارکردگی اثاثوں کی قدر اور منافع سے ناپی جاتی ہے۔

دستاویز کے مطابق اس کی جانچ میں جذباتی سگنلز کو روایتی ماڈلز کے ساتھ ملانے سے ٹریڈنگ کی کارکردگی بہتر ہوئی، اور اس طریقے کو بدلتے مارکیٹ حالات کا جواب دینے کے ایک طریقے کے طور پر پیش کیا گیا ہے۔ یہ نمونے کی تاریخیں، حکمتِ عملی کے تفصیلی قواعد، عددی کارکردگی کے نتائج یا شماریاتی ٹیسٹ نہیں دیتی، اس لیے وضاحت سے نتیجے کی مضبوطی اور عمومیت کا اندازہ نہیں لگایا جا سکتا۔ شواہد ایس اینڈ پی 500 تک محدود ہیں؛ یہ ثابت نہیں کرتے کہ طریقہ دوسری مارکیٹوں میں بھی کارآمد ہوگا یا ٹریڈنگ لاگت کے بعد مؤثر رہے گا۔

اہم خیالات

  • یہ طریقہ مالی خبروں کے جذبات کو تکنیکی اشاریوں اور ٹائم سیریز ماڈلز کے ساتھ ملاتا ہے۔
  • خبروں سے جذباتی سگنلز اخذ کرنے کے لیے GPT-2 اور FinBERT استعمال ہوتے ہیں۔
  • جانچ میں مشترکہ حکمتِ عملیوں کا خرید کر رکھنے کی حکمتِ عملی اور جذبات پر مبنی طریقوں سے موازنہ کیا گیا ہے۔
  • رپورٹ شدہ بہتری کی وضاحت میں عددی نتائج اور توثیق کی تفصیلی معلومات نہیں ہیں۔

ٹیگز

مکمل متن
# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔