Login for students

Login for employees

Publication detail

Forecasting stock prices using sentiment information in annual reports - A neural network and support vector regression approach
Authors: Hájek Petr | Olej Vladimír | Myšková Renáta
Year: 2013
Type of publication: článek v odborném periodiku
Name of source: WSEAS Transactions on Business and Economics
Publisher name: WSEAS Press
Place: Atény
Page from-to: 293-305
Titles:
Language Name Abstract Keywords
cze Predikce cen akcií pomocí informace o sentimentu z výročních zpráv - přístup založený na neuronových sítích a podpůrné vektorové regresi Predikce cen akcií je většinou realizována s využitím kvantitativní informace. Nedávné studie však demonstrují, že informace o sentimentu skrytá ve výročních zprávách podniků může být úspěšně využita při predikci krátkodobých akciových výnosů. Metody soft computingu, jako jsou neuronové sítě a podpůrná vektorová regrese, ukázaly slibné výsledky v predikci cen akcií, neboť jsou schopny modelovat komplexní nelineární systémy. V tomto článku je aplikováno několik modelů neuronových sítí a podpůrných vektorových regresí s cílem predikce ročních změn cen akcí amerických firem. Ukazujeme, že tyto modely pracují s vyšší přesností než lineární regresní modely, obzvláště při využití informace o sentimentu. Změna v sentimentu výročních zpráv se zdá být důležitý determinant dlouhodobé změny ceny akcie. Konkrétně jsou to kategorie slov negativní a neurčitosti, které byly pro predikci klíčové. Rentabilita a technická analýza vykázala také významný dlouhodobý efekt.
eng Forecasting stock prices using sentiment information in annual reports - A neural network and support vector regression approach Stock price forecasting has been mostly realized using quantitative information. However, recent studies have demonstrated that sentiment information hidden in corporate annual reports can be successfully used to predict short-run stock price returns. Soft computing methods, like neural networks and support vector regression, have shown promising results in the forecasting of stock price due to their ability to model complex non-linear systems. In this paper, we apply several neural networks and ?-support vector regression models to predict the yearly change in the stock price of U.S. firms. We demonstrate that neural networks and ?-support vector regression perform better than linear regression models especially when using the sentiment information. The change in the sentiment of annual reports seems to be an important determinant of long-run stock price change. Concretely, the negative and uncertainty categories of terms were the key factors of the stock price return. Profitability and technical analysis ratios have significant effect on the long-run return, too. support vector regression; annual report; forecasting; neural networks; prediction; sentiment analysis; stock price

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives