原油价格预测结合新闻文本
摘要：稀疏和简短的新闻标题可能是任意的、嘈杂的和模糊的，这使得经典的主题模型LDA（潜在狄利克雷分配）难以从中发现知识，因为它设计用来处理长文本。然而，一些与基于文本的原油预测相关的现有研究使用LDA来探索新闻标题的主题，导致短文本和主题模型之间的不匹配，进一步影响预测性能。从新闻标题中构建高质量特征的先进方法变得至关重要。为了解决这个问题，本文引入了两个新的指标，用于短且稀疏的文本数据的主题和情感分析。实证实验表明，使用我们提出的文本指标的AdaBoost.RT，能够更全面地观察和表征短而稀疏的文本数据，优于其他基准模型。另一个显著优点是，我们的方法在应用于其他期货商品时也能产生良好的预测性能。
作者：Yun Bai, Xixi Li, Hao Yu, and Suling Jia
论文ID：2002.02010
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2021-07-02