Publikace detail

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

Autoři: Hájek Petr | Olej Vladimír

Rok: 2013

Druh publikace: článek v odborném periodiku

Název zdroje: Communications in Computer and Information Science

Název nakladatele: Springer

Místo vydání: Dordrecht

Strana od-do: 1-10

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
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

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte