Publication detail

Evaluating sentiment in annual reports for financial distress prediction using neural networks and support vector machines

Authors: Hájek Petr | Olej Vladimír

Year: 2013

Type of publication: článek v odborném periodiku

Name of source: Communications in Computer and Information Science

Publisher name: Springer

Place: Dordrecht

Page from-to: 1-10

Titles:

Language	Name	Abstract	Keywords
cze	Hodnocení sentimentu ve výročních zprávách pro predikci finanční tísně pomocí neuronových sítí a podpůrných vektorových strojů	Sentiment ve výročních zprávách je vnímán jako důležitý determinant budoucí finanční výkonnosti. Cílem této studie je zkoumat efekt sentimentu na budoucí finanční tíseň. Ohodnotili jsme sentiment ve výročních zprávách amerických společností pomocí slovní kategorizace (přístup založený na pravidlech). Použili jsme šest kategorií, společně s finančními indikátory, které sloužili jako vstupy neuronových sítí a podpůrných vektorových strojů. Výsleduky ukazují, že informace o sentimentu významně zvyšuje přesnost použitých klasifikátorů.
eng	Evaluating sentiment in annual reports for financial distress prediction using neural networks and support vector machines	Sentiment in annual reports is recognized as being an important determinant of future financial performance. The aim of this study is to examine the effect of the sentiment on future financial distress. We evaluated the sentiment in the annual reports of U.S. companies using word categorization (rule-based) approach. We used six categories of sentiment, together with financial indicators, as the inputs of neural networks and support vector machines. The results indicate that the sentiment information significantly improves the accuracy of the used classifiers.	annual reports; financial distress; neural networks; sentiment analysis; support vector machines

Search

Login for students

Login for employees

Publication detail

Map

Services

Popular Links