Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Forecasting Stock Market Movement Direction Using Sentiment Analysis and Support Vector Machine
Stockholms universitet, Samhällsvetenskapliga fakulteten, Företagsekonomiska institutionen. University of Chinese Academy of Science, China.
Antal upphovsmän: 32019 (Engelska)Ingår i: IEEE Systems Journal, ISSN 1932-8184, E-ISSN 1937-9234, Vol. 13, nr 1, s. 760-770Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Investor sentiment plays an important role on the stock market. User-generated textual content on the Internet provides a precious source to reflect investor psychology and predicts stock prices as a complement to stock market data. This paper integrates sentiment analysis into a machine learning method based on support vector machine. Furthermore, we take the day-of-week effect into consideration and construct more reliable and realistic sentiment indexes. Empirical results illustrate that the accuracy of forecasting the movement direction of the SSE 50 Index can be as high as 89.93% with a rise of 18.6% after introducing sentiment variables. And, meanwhile, our model helps investors make wiser decisions. These findings also imply that sentiment probably contains precious information about the asset fundamental values and can be regarded as one of the leading indicators of the stock market.

Ort, förlag, år, upplaga, sidor
2019. Vol. 13, nr 1, s. 760-770
Nyckelord [en]
Day-of-week effect, decision making, sentiment analysis, stock markets, text mining
Nationell ämneskategori
Data- och informationsvetenskap Elektroteknik och elektronik Ekonomi och näringsliv
Identifikatorer
URN: urn:nbn:se:su:diva-167646DOI: 10.1109/JSYST.2018.2794462ISI: 000459697700072OAI: oai:DiVA.org:su-167646DiVA, id: diva2:1303036
Tillgänglig från: 2019-04-08 Skapad: 2019-04-08 Senast uppdaterad: 2019-04-08Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Wu, Desheng Dash
Av organisationen
Företagsekonomiska institutionen
I samma tidskrift
IEEE Systems Journal
Data- och informationsvetenskapElektroteknik och elektronikEkonomi och näringsliv

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 48 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf