Impact of News on Stock Prices Based on Risk Factors
Betöltés ...
Dátum
Authors
Folyóirat címe
Folyóirat ISSN
Kötet címe (évfolyam száma)
Kiadó
DOI
Absztrakt
This thesis analyses risk factors defined in 10-K company documents and their impact on daily prices of stocks. First, using Latent Dirichlet Allocation (LDA) a fixed number of topics are extracted from all risk factor documents, and topic weights get assigned to individual documents. After that, using the same LDA model preprocessed historical news get topic weights. Given that weight vectors are available for individual company documents and news articles, the relationship between news articles and companies can be quantified. Based on these values, news sentiments and additional quantitative stock data the daily return is predicted by a supervised learning model.
Leírás
Kulcsszavak
Python , scikit-learn , Pandas , Numpy , Machine Learning , NLP , tf-idf , Clustering , Latent Dirichlet Allocation , Time Series , Multilayer Perceptron , Stock , 10-K , Ticker , News
Forrás
Hivatkozás
Gyűjtemények
Jóváhagyás
Áttekintés
Kiegészítve
Hivatkozik rá
Jogok és engedélyezések
Hozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.