dc.contributor.author |
Hájek, Petr
|
cze |
dc.contributor.author |
Boháčová, Jana
|
cze |
dc.date.accessioned |
2017-05-11T10:50:07Z |
|
dc.date.available |
2017-05-11T10:50:07Z |
|
dc.date.issued |
2016 |
eng |
dc.identifier.isbn |
978-3-319-44187-0 |
eng |
dc.identifier.issn |
1865-0929 |
eng |
dc.identifier.uri |
http://hdl.handle.net/10195/67320 |
|
dc.description.abstract |
This paper aims to extract both sentiment and bag-of-words information from the annual reports of U.S. banks. The sentiment analysis is based on two commonly used finance-specific dictionaries, while the bag-of-words are selected according to their tf-idf. We combine these features with financial indicators to predict abnormal bank stock returns using a neural network with dropout regularization and rectified linear units. We show that this method outperforms other machine learning algorithms (Naïve Bayes, Support Vector Machine, C4.5 decision tree, and k-nearest neighbour classifier) in predicting positive/negative abnormal stock returns. Thus, this neural network seems to be well suited for text classification tasks working with sparse high-dimensional data. We also show that the quality of the prediction significantly increased when using the combination of financial indicators and bigrams and trigrams, respectively. |
eng |
dc.format |
p. 67-78 |
eng |
dc.language.iso |
eng |
eng |
dc.publisher |
Springer |
eng |
dc.relation.ispartof |
Communications in Computer and Information Science |
eng |
dc.rights |
Pouze v rámci univerzity |
eng |
dc.subject |
Stock return |
eng |
dc.subject |
Prediction |
eng |
dc.subject |
Text mining |
eng |
dc.subject |
Sentiment |
eng |
dc.subject |
Neural network |
eng |
dc.subject |
Výnos akcie |
cze |
dc.subject |
predikce |
cze |
dc.subject |
text mining |
cze |
dc.subject |
sentiment |
cze |
dc.subject |
neuronová síť |
cze |
dc.title |
Predicting Abnormal Bank Stock Returns Using Textual Analysis of Annual Reports – A Neural Network Approach |
eng |
dc.title.alternative |
Predikce abnormálních výnosů bank pomocí textové analýzy výročních zpráv - Přístup založený na neuronových sítích |
cze |
dc.type |
ConferenceObject |
eng |
dc.description.abstract-translated |
Tento článek si klade za cíl získávat z výročních zpráv amerických bank jak sentiment, tak informaci ve formě bag-of-words. Analýza sentimentu je založena na dvou běžně používaných finančních slovnících, zatímco bag-of-words jsou vybírány v závislosti na tf-idf. Kombinujeme tyto atributy společně s finančními ukazateli s cílem predikce abnormálních výnosů bank pomocí neuronové sítě s regularizací a rektifikovanými lineárními jednotkami. Ukázali jsme, že tato metoda překonává ostatní algoritmy strojového učení (Naivní Bayes, podpůrné vektorové stroje, rozhodovací strom C4.5 a klasifikátor k-nejbližšího souseda) v predikci pozitivních/negativních abnormálních výnosů. Proto se tato neuronová síť zdá být vyhovující pro úlohy klasifikace textu, kde se pracuje s řídkými vysoce dimenzionálními daty. Také ukazujeme, že se kvalita predikce významně zvýšila při použití kombinace finančních ukazatelů a bigramů (trigramů). |
cze |
dc.event |
17th International Conference on Engineering Applications of Neural Networks (EANN 2016) (02.09.2016 - 05.12.2016) |
eng |
dc.peerreviewed |
yes |
eng |
dc.publicationstatus |
postprint |
eng |
dc.relation.publisherversion |
http://link.springer.com/chapter/10.1007/978-3-319-44188-7_5 |
|
dc.project.ID |
GA16-19590S/Analýza témat a sentimentu vícenásobných textových zdrojů pro finanční rozhodování |
eng |
dc.identifier.wos |
000399003100005 |
|
dc.identifier.scopus |
2-s2.0-84984804874 |
|
dc.identifier.obd |
39878018 |
eng |