반응형 [논문 리뷰] Stock Market Trend Prediction with Sentiment Analysis based on LSTM Neural Network 본 논문에서는 시장 예측을 하기 위해 feature선택에 대해 다룬 논문이며 경제 뉴스의 감정 분석을 위해 LSTM을 사용한다. Introduction LSTM과 같은 딥러닝 기술들이 금융분야에서 효과적이며 이는 증명되었다. 이에따라 LSTM신경망에 기반한 주식 시장 예측의 영향요인 분석을 목표로 시장예측에 딥러닝 방법을 사용 feature selection, 경제 뉴스의 감정분석, 신경망 구조에 중점을 둔 논문 background 주식시장 예측은 산업계 학계 등 많은 분야에서 관심을 가지는 기술 신경망, 유전자 알고리즘, svm 등의 알고리즘으로 주가 예측 사용 정확도 향상의 문제점 데이터 noise 데이터 중복성 데이터 노이즈 overfitting 시장 감정 주식시장은 확률론적 분야 - 다양한 측면이.. 2020. 5. 5. [논문 리뷰] CNNpred: CNN-based stock market prediction using a diverse set of variables 이번 논문도 이란에서 쓰인 논문이다. (이란이 시장예측에 관심이 많나보다...) 본 논문은 시장예측에서 중요하게 활용되는 feature extraction을 위해 다양한 시장, 출처의 데이터 모음에 적용 가능한 CNN-based 프레임워크를 제안했다. 세계증시에 대한 설명에 한국의 시장이 잠깐 언급된다....기분이 좋았다....ㅎㅎ 저자 : Ehsan Hoseinzade, Saman Haratizadeh 저널 : Expert Systems With Applications article history : Received 6 September 2018 Introduction 주식시장은 경제성장의 매우 중요한 역할을 수행하기에 시장예측은 매우 중요하다. 대부분의 거래 모듈의 목표는 해당 포트폴리오의 주식 위험.. 2020. 4. 17. [논문 리뷰] Sentiment analysis on stock social media for stock price movement prediction 저자 : Ali Derakhshan, Hamid Beigy Sharif Intelligent Systems Laboratory, Department of Computer Engineering, Sharif University of Technology, Tehran, Iran 이번에 포스팅할 논문은 이란의 수도 테헤란에서 쓰인 2019년에 논문이다. 이전에 포스팅했던 논문들과 유사하게 감정분석을 통해 주식시장을 분석하는 논문이며 이전 논문들과 다른점으로는 여러 사용들의 대조되는 의견들로 인해 분석하기 어려운 의견들에 대해 해결하는 방법을 다루었다. "Sentiment analysis on social media for stock movement prediction" - Nguyen et al(2015)라는.. 2020. 4. 6. [논문 리뷰] XLNet : Generalized Autoregressive Pretrainingfor Language Understanding 이번 논문은 구글 AI팀에서 발표한 논문으로 2019년 6월 발표 당시 20개 자연어 처리 부분 최고 성능을 기록한 논문이다. 19년 1월 나온 TRANSFORMER-XL: ATTENTIVE LANGUAGE MODELS BEYOND A FIXED-LENGTH CONTEXT 후속버젼의 논문으로 저자들 또한 완벽히 일치한다. 본 논문은 당시 최고 성능을 자랑하던 BERT보다 20개의 nlp task에서 더 좋은 성능을 보였으며 그중 18개 task에서 SOTA를 달성하였으며 기존 language model들이 갖고 있던 Autoregressive 한 특성을 유지, 다양한 context의 방향에서 학습한 모델을 구현하였다. 1. Introduction Pretraining method를 크게 2가지로 본다면 .. 2020. 2. 26. [논문 리뷰] Twitter mood predicts the stock market 이번 논문은 현시점(2020/02/13) 4404회의 인용된 논문으로 실시간 SNS인 twiitter 감정분석을 통해 대중의 감정을 분석하여 주식시장이 예측 가능한지에 대해 평가한 논문이다. 게시된 저널 : Journal of Computational Science 저자 : Johan Bollena, Huina Maoa( a School of Informatics and Computing, Indiana University의 교수) Article history : Received 15 October 2010 Abstract 행동 경제학에 따르면 감정이 행동과 의사 결정에 큰 영향을 준다고 한다. 본 논문에서는 위의 행동 경제학 이론이 사회 전체에 적용이 되는 것인지 만약 적용이 된다면 사회 전체의 감정,.. 2020. 2. 21. [논문 리뷰] Stock Market Prediction A Big Data Approach Girija V Attigeri , Manohara Pai M M, Radhika M Pai, Aparna Nayak Manipal Institute of Technology, Manipal- 576104, India 본 논문은 2015년 IEEE의 빅데이터를 활용해 주식시장을 예측하고자 하는 논문이다. 1. Introduction 주식 시장엔 Random walk theory라는 이론이 있다 주가는 랜덤하게 움직임 주가는 이미 반영될 수 있는 정보가 모두 반영됨 미래 주가는 랜덤하게 형성 투자자는 최대한 많은 양의 종목을 분산하여 장기간에 걸쳐 투자요망 이라는 이론이다. Random walk theory에 따르면 주가변동은 동일한 분포를 가지며 서로 독립하기 때문에 과거 주가, 시장의 움직임을 이용한 .. 2020. 2. 18. [논문 리뷰] Attention is all you need 논문 제목 : Attention is all you need 구글 브레인, 구글 리서치에서 쓴 논문으로 이 블로그의 첫 글을 쓰고자 한다. 논문 제목에 나오는대로 attention - 특정 정보(단어)에 좀 더 주의를 기울이면 된다는 논문이다. 예를들어 model이 수행해야 하는 task가 번역일 경우 source는 영어이고 target은 한국어일 때 “Hi, my name is tapseon.” 문장과 대응되는 “안녕, 내 이름은 탶선이야.”라는 문장이 있다. model이 '이름은' 이라는 token을 decode할 때, source에서 가장 중요한 것은 name이다 즉 source의 모든 token이 비슷한 중요도를 갖기 보다는 name이 더 큰 중요도를 갖게 만드는 방법이 attention이다. 1.. 2019. 12. 5. 이전 1 다음 반응형
