سیگنال فعلی بازار سهام

تحقیقات در تشخیص موضع تاکنون بر روی مدلهایی متمرکز شده است که از ورودی کاملاً متنی استفاده می کنند. در این مقاله ، ما ادغام سیگنال های متنی و مالی برای تشخیص موضع در حوزه مالی را بررسی می کنیم. به طور خاص ، ما یک معماری عصبی چند کاره قوی را پیشنهاد می کنیم که ورودی متنی را با سری زمانی درون روز با فرکانس بالا از قیمت بازار سهام ترکیب می کند. علاوه بر این ، ما W T-WT ، یک مجموعه داده تشخیص موضع موجود را گسترش می دهیم که توییت هایی را که در مورد ادغام و عملیات خرید ، با سیگنال مالی مربوطه جمع آوری می کند ، جمع می کند. نکته مهم ، مجموعه داده های به دست آمده با استندر ، یک مجموعه داده تشخیص موضع خبری موجود ، در نتیجه یک منبع تشخیص موضع چند منظوره و چند ژانر منحصر به فرد است. ما به صورت تجربی و از طریق تجزیه و تحلیل نتیجه دقیق نشان می دهیم که سیستم تشخیص موضع ما از اطلاعات مالی بهره می برد و به نتایج پیشرفته در مجموعه داده WT-WT می رسد: این نشان می دهد که ترکیبی از سیگنال های ورودی چندگانه برای هدف متقابل مؤثر استتشخیص موضع ، و جهت های جالب تحقیق را برای کارهای آینده باز می کند.

شناسه گلچین: 2022. Acl-Long. 281 جلد: مجموعه مقالات 60 مین جلسه سالانه انجمن زبانشناسی محاسباتی (جلد 1: مقالات طولانی) ماه: سال مه: 2022 آدرس: دوبلین ، ایرلند: ACL SIG: ناشر: انجمنبرای زبانشناسی محاسباتی توجه: صفحات: 4074-4091 زبان: url: https://aclanthology. org/2022. acl-long. 281 doi: 10. 18653/v1/2022. acl-long. 281 Bibkey: Conforti-etal-2022-2022-2022-2022-2022-20222-20222-20222-20222-20222-20222-20222-202222ترکیب استناد (ACL): Costanza Conforti ، Jakob Bedt ، Mohammad Taher Pilehvar ، Chryssi Giaitsarou ، Flavio Toxvaerd و Nigel Collier. 2022. ترکیب سیگنال های بازار سهام برای تشخیص موضع توییتر. در مجموعه مقالات 60 مین جلسه سالانه انجمن زبانشناسی محاسباتی (جلد 1: مقالات طولانی) ، صفحات 4074-4091 ، دوبلین ، ایرلند. انجمن زبانشناسی محاسباتی. استناد (غیررسمی): ترکیب سیگنال های بازار سهام برای تشخیص موضع توییتر (Conforti و همکاران ، ACL 2022) استناد به کپی: Modds Markdown XML Endnote گزینه های بیشتر ... pdf: https://aclanthology. org/2022. acl-long. 281نرم افزار . pdf: 2022. acl-long. 281. software. zip ویدئو: https://aclanthology. org/2022. acl-long. 281. mp4 کد کمبریج-wtwt/acl2022-wtwt-stocks

استناد به صادرات

@inproceedingswitter Stance Detection", author = "Conforti, Costanza and Bedt, Jakob and Pilehvar, Mohammad Taher and Giaitsarou, Chryssi and Toxvaerd, Flavio and Collier, Nigel", booktitle = "Proceedings of the 60th Aual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)", month = may, year = "2022", address = "Dublin, Ireland", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2022.acl-long.281", doi = "10.18653/v1/2022.acl-long.281", pages = "4074--4091", abstract = "Research in stance detection has so far focused on models which leverage purely textual input. In this paper, we investigate the integration of textual and financial signals for stance detection in the financial domain. Specifically, we propose a robust multi-task neural architecture that combines textual input with high-frequency intra-day time series from stock market prices. Moreover, we extend wtwt, an existing stance detection dataset which collects tweets discussing Mergers and Acquisitions operations, with the relevant financial signal. Importantly, the obtained dataset aligns with Stander, an existing news stance detection dataset, thus resulting in a unique multimodal, multi-genre stance detection resource. We show experimentally and through detailed result analysis that our stance detection system benefits from financial information, and achieves state-of-the-art results on the wtwt dataset: this demonstrates that the combination of multiple input signals is effective for cross-target stance detection, and opens interesting research directions for future work.",>

به عنوان کپی پرونده به کلیپ بورد بارگیری کنید

ufeff    قصبه کلوت نویسنده   یاقوت برندت نویسنده   محمد تاهر پیلوار نویسنده   کرایس جیانایتارو نویسنده   فلاوی توکسن نویسنده   گودال همکسی نویسنده   2022-05  متن    ارتباط زبانشناسی محاسباتی دوبلین، ایرلند   نشریه کنفرانس  تحقیقات در تشخیص موضع تاکنون بر روی مدلهایی متمرکز شده است که از ورودی کاملاً متنی استفاده می کنند. در این مقاله ، ما ادغام سیگنال های متنی و مالی برای تشخیص موضع در حوزه مالی را بررسی می کنیم. به طور خاص ، ما یک معماری عصبی چند کاره قوی را پیشنهاد می کنیم که ورودی متنی را با سری زمانی درون روز با فرکانس بالا از قیمت بازار سهام ترکیب می کند. علاوه بر این ، ما W T-WT ، یک مجموعه داده تشخیص موضع موجود را گسترش می دهیم که توییت هایی را که در مورد ادغام و عملیات خرید ، با سیگنال مالی مربوطه جمع آوری می کند ، جمع می کند. نکته مهم ، مجموعه داده های به دست آمده با استندر ، یک مجموعه داده تشخیص موضع خبری موجود ، در نتیجه یک منبع تشخیص موضع چند منظوره و چند ژانر منحصر به فرد است. ما به صورت تجربی و از طریق تجزیه و تحلیل نتیجه دقیق نشان می دهیم که سیستم تشخیص موضع ما از اطلاعات مالی بهره می برد و به نتایج پیشرفته در مجموعه داده WT-WT می رسد: این نشان می دهد که ترکیبی از سیگنال های ورودی چندگانه برای هدف متقابل مؤثر استتشخیص موضع ، و جهت های جالب تحقیق را برای کارهای آینده باز می کند. کانفورت-2022 10. 18653/v1/2022. acl-long. 281 https://aclanthology. org/2022. acl-long. 281  2022-05 4074 4091     

به عنوان کپی پرونده به کلیپ بورد بارگیری کنید

شصتمین نشست سالانه انجمن زبانشناسی محاسباتی (جلد 1: مقالات طولانی) ٪ D 2022 ٪ 8 مه ٪ من برای زبانشناسی محاسباتی ٪ C دوبلین ، ایرلند ٪ F Conforti-etal-2022-٪ X Research در تشخیص موضعتاکنون روی مدلهایی متمرکز شده است که از ورودی کاملاً متنی استفاده می کنند. در این مقاله ، ما ادغام سیگنال های متنی و مالی برای تشخیص موضع در حوزه مالی را بررسی می کنیم. به طور خاص ، ما یک معماری عصبی چند کاره قوی را پیشنهاد می کنیم که ورودی متنی را با سری زمانی درون روز با فرکانس بالا از قیمت بازار سهام ترکیب می کند. علاوه بر این ، ما W T-WT ، یک مجموعه داده تشخیص موضع موجود را گسترش می دهیم که توییت هایی را که در مورد ادغام و عملیات خرید ، با سیگنال مالی مربوطه جمع آوری می کند ، جمع می کند. نکته مهم ، مجموعه داده های به دست آمده با استندر ، یک مجموعه داده تشخیص موضع خبری موجود ، در نتیجه یک منبع تشخیص موضع چند منظوره و چند ژانر منحصر به فرد است. ما به صورت تجربی و از طریق تجزیه و تحلیل نتیجه دقیق نشان می دهیم که سیستم تشخیص موضع ما از اطلاعات مالی بهره می برد و به نتایج پیشرفته در مجموعه داده WT-WT می رسد: این نشان می دهد که ترکیبی از سیگنال های ورودی چندگانه برای هدف متقابل مؤثر استتشخیص موضع ، و جهت های جالب تحقیق را برای کارهای آینده باز می کند.٪ r 10. 18653/v1/2022. acl-long. 281 ٪ u https://aclanthology. org/2022. acl-long. 281 ٪ u https://doi. org/10. 18653/v1/2022. acl-long. 281 ٪ ص 4074-4091

به عنوان کپی پرونده به کلیپ بورد بارگیری کنید

Markdown (غیررسمی)

[ترکیب سیگنال های بازار سهام برای تشخیص موضع توییتر] (https://aclanthology. org/2022. acl-long. 281) (Conforti et al. ، ACL 2022)

• ترکیب سیگنال های بازار سهام برای تشخیص موضع توییتر (Conforti و همکاران ، ACL 2022)

ACL

• Costanza Conforti ، Jakob Bedt ، Mohammad Taher Pilehvar ، Chryssi Giaitsarou ، Flavio Toxvaerd و Nigel Collier. 2022. ترکیب سیگنال های بازار سهام برای تشخیص موضع توییتر. در مجموعه مقالات 60 مین جلسه سالانه انجمن زبانشناسی محاسباتی (جلد 1: مقالات طولانی) ، صفحات 4074-4091 ، دوبلین ، ایرلند. انجمن زبانشناسی محاسباتی.