Forecasting stock prices using sentiment information in annual reports - A neural network and support vector regression approach

Show simple item record

dc.contributor.author Hájek Petr
dc.contributor.author Olej Vladimír
dc.contributor.author Myšková Renáta
dc.date.accessioned 2016-11-14T08:19:11Z
dc.date.available 2016-11-14T08:19:11Z
dc.date.issued 2013
dc.identifier.issn 1109-9526
dc.identifier.uri http://hdl.handle.net/10195/66396
dc.description.abstract Stock price forecasting has been mostly realized using quantitative information. However, recent studies have demonstrated that sentiment information hidden in corporate annual reports can be successfully used to predict short-run stock price returns. Soft computing methods, like neural networks and support vector regression, have shown promising results in the forecasting of stock price due to their ability to model complex non-linear systems. In this paper, we apply several neural networks and ?-support vector regression models to predict the yearly change in the stock price of U.S. firms. We demonstrate that neural networks and ?-support vector regression perform better than linear regression models especially when using the sentiment information. The change in the sentiment of annual reports seems to be an important determinant of long-run stock price change. Concretely, the negative and uncertainty categories of terms were the key factors of the stock price return. Profitability and technical analysis ratios have significant effect on the long-run return, too. eng
dc.format p. 293-305 eng
dc.language.iso eng
dc.publisher WSEAS Press eng
dc.relation.ispartof WSEAS Transactions on Business and Economics, volume 10, issue: 4 eng
dc.rights Pouze v rámci univerzity eng
dc.subject support vector regression eng
dc.subject annual report eng
dc.subject forecasting eng
dc.subject neural networks eng
dc.subject prediction eng
dc.subject sentiment analysis eng
dc.subject stock price eng
dc.title Forecasting stock prices using sentiment information in annual reports - A neural network and support vector regression approach eng
dc.title.alternative Predikce cen akcií pomocí informace o sentimentu z výročních zpráv - přístup založený na neuronových sítích a podpůrné vektorové regresi cze
dc.type article eng
dc.description.abstract-translated Predikce cen akcií je většinou realizována s využitím kvantitativní informace. Nedávné studie však demonstrují, že informace o sentimentu skrytá ve výročních zprávách podniků může být úspěšně využita při predikci krátkodobých akciových výnosů. Metody soft computingu, jako jsou neuronové sítě a podpůrná vektorová regrese, ukázaly slibné výsledky v predikci cen akcií, neboť jsou schopny modelovat komplexní nelineární systémy. V tomto článku je aplikováno několik modelů neuronových sítí a podpůrných vektorových regresí s cílem predikce ročních změn cen akcí amerických firem. Ukazujeme, že tyto modely pracují s vyšší přesností než lineární regresní modely, obzvláště při využití informace o sentimentu. Změna v sentimentu výročních zpráv se zdá být důležitý determinant dlouhodobé změny ceny akcie. Konkrétně jsou to kategorie slov negativní a neurčitosti, které byly pro predikci klíčové. Rentabilita a technická analýza vykázala také významný dlouhodobý efekt. cze
dc.peerreviewed yes eng
dc.publicationstatus postprint eng
dc.project.ID GA13-10331S/Úloha textové informace v modelech predikce finanční tísně podniku - přístupy specifické podle států a průmyslových odvětví eng
dc.identifier.obd 39870031


This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account