Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
MQLV: Optimal Policy of Money Management in Retail Banking with Q-Learning Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Monitoring the Business Cycle with Fine-Grained, Aspect-Based Sentiment Extraction from News

verfasst von : Luca Barbaglia, Sergio Consoli, Sebastiano Manzan

Erschienen in: Mining Data for Financial Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We provide an overview on the development of a fine-grained, aspect-based sentiment analysis approach aimed at providing useful signals to improve forecasts of economic models and produce more accurate predictions. The approach is unsupervised since it relies on external lexical resources to associate a polarity score to a given term or concept. After providing an overview of the method under development, some preliminary findings are also given.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Mining Financial Risk Events from News and Assessing their Impact on Stocks
Nächstes Kapitel Multi-step Prediction of Financial Asset Return Volatility Using Parsimonious Autoregressive Sequential Model
Fußnoten
1
Dow Jones DNA: Data, News and Analytics Platform: https://​www.​dowjones.​com/​dna/​.
 
2
World Bank Group Ontology, available at: http://​vocabulary.​worldbank.​org/​thesaurus.​html.
 
3
spaCy: Industrial-Strength Natural Language Processing. Available at: https://​spacy.​io/​.
 
5
WordNet, A Lexical Database for English. Available at https://​wordnet.​princeton.​edu/​.
 
6
SentiWordNet, available at http://​swn.​isti.​cnr.​it/​.
 
7
Loughran-McDonald Sentiment Word Lists, available at: https://​sraf.​nd.​edu/​textual-analysis/​resources/​.
 
Literatur
1.
Agrawal, S., Azar, P., Lo, A.W., Singh, T.: Momentum, mean-reversion and social media: evidence from StockTwits and Twitter. J. Portf. Manag. 44, 85–95 (2018)CrossRef
2.
Consoli, S., Recupero, D.R.: Using FRED for named entity resolution, linking and typing for knowledge base population. Commun. Comput. Inform. Sci. 548, 40–50 (2015) CrossRef
3.
Dridi, A., Atzeni, M., Recupero, D.R.: FineNews: fine-grained semantic sentiment analysis on financial microblogs and news. Int. J. Mach. Learn. Cybern. 10(8), 2199–2207 (2019)CrossRef
4.
Fabbi, C., Righi, A., Testa, P., Valentino, L., Zardetto, D.: Social mood on economy index. In: XIII Conferenza Nazionale di Statistica (2018)
5.
Gentzkow, M., Kelly, B., Taddy, M.: Text as data. J. Econ. Lit. (2019, to appear)
6.
Hansen, S., McMahon, M.: Shocking language: understanding the macroeconomic effects of central bank communication. J. Int. Econ. 99, S114–S133 (2016)CrossRef
7.
Recupero, D.R., Presutti, V., Consoli, S., Gangemi, A., Nuzzolese, A.G.: Sentilo: frame-based sentiment analysis. Cogn. Comput. 7, 211–225 (2015)CrossRef
8.
Shapiro, A.H., Sudhof, M., Wilson, D.: Measuring news sentiment. Federal Reserve Bank of San Francisco Working Paper (2018)
9.
Tetlock, P.C.: Giving content to investor sentiment: the role of media in the stock market. J. Financ. 62(3), 1139–1168 (2007)CrossRef
10.
Thorsrud, L.A.: Nowcasting using news topics. big data versus big bank. Norges Bank Working Paper (2016)
11.
Thorsrud, L.A.: Words are the new numbers: a newsy coincident index of the business cycle. J. Bus. Econ. Stat. 1–17 (2018, in press)
12.
Tuckett, D.: Conviction narrative theory and understanding decision-making in economics and finance. In: Uncertain Futures: Imaginaries, Narratives, and Calculation in the Economy, pp. 62–82 (2018)
Metadaten
Titel
Monitoring the Business Cycle with Fine-Grained, Aspect-Based Sentiment Extraction from News
verfasst von
Luca Barbaglia
Sergio Consoli
Sebastiano Manzan
Copyright-Jahr
2020
Buch
Mining Data for Financial Applications

Print ISBN: 978-3-030-37719-9

Electronic ISBN: 978-3-030-37720-5

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-37720-5_8