Предсказание краткосрочной цены на акцию компании сразу после выхода телефонной конференция по финансовым результатам

Предсказание краткосрочных движений цен на акции является сложной, но важной задачей в области финансов, особенно учитывая значительное влияние настроений инвесторов после квартальных отчётов компании. В этой дипломной работе рассматривается применение различных методов машинного обучения для предсказания колебаний цен на акции на основе текстового анализа транскриптов квартальных отчётов. Путём использования передовых методов обработки естественного языка (NLP), включая BERT embeddings и анализ настроений с помощью словарей Loughran-McDonald и Afinn, это исследование направлено на извлечение значимых сигналов из квартальных отчётов для повышения точности предсказаний. Исследование включает создание терм-документных матриц (DTM) и использование Term Frequency Inverse Document Frequency (TF-IDF) для представления текстовых данных, с последующим применением нескольких моделей машинного обучения, таких как SVM, Random Forest, и Naive Bayes. Кроме того, для визуализации данных используется метод t-SNE для выявления скрытых паттернов и кластеров в транскриптах. Результаты показывают, что, хотя традиционные модели достигают умеренной точности, BERT embeddings показывает потенциал для захвата более глубокой контекстной информации, хотя она не значительно превзошла другие методы в этом исследовании. Выводы подчёркивают важность как подготовленных заявлений, так и разделов вопросов и ответов в влиянии на настроения инвесторов и последующие колебания цен на акции.