Predicting stock price movements from financial news using deep neural networks

Abstract

Financial media are an important source of information and many articles about companies and stocks are released every day. This thesis assesses the informa- tion value of the articles and utilizes these articles for the stock price move- ment prediction task. For this purpose, models with transformer architecture are used, specifically Bidirectional Encoder Representations from Transform- ers. These models are able to process the text data and create the contextual representation of the text sequence. After adding the classification layer, the models are applied for the stock price movement predictions. The thesis evalu- ates multiple models including different techniques and parameters to find the best performing model. It focuses on two data filters that are expected to de- crease the noise in the data. Moreover, it introduces a new method to recognize the company of interest. As a result of the hyperparameter optimization, the final model is constructed. JEL Classification C45, C51, C52, C53, G11, G14, G17 Keywords BERT, Transformer, Financial Articles, Stock Trading Title Predicting stock price movements from financial news using deep neural networks

Finančné média sú dôležitým zdrojom informácií a mnohé články o firmách a akciách vychádzajú každý deň. Táto práca posudzuje informačnú hodnotu článkov a využíva tieto články na úlohu predikcie pohybu cien akcií. Pre tento účel sú použité modely s architektúrou transformérov, špeciálne model Bidirec- tional Encoder Representations from Transformers. Tieto modely sú schopné spracovať textové dáta a vytvoriť kontextuálnu reprezentáciu textovej sekven- cie. Po pridaní klasifikačnej vrstvy sú modely aplikované na predikciu pohybu cien akcií. Práca hodnotí viaceré modely vrátane rôznych techník a parametrov, aby našla najvýkonnejší model. Zameriava sa na dva dátové filtre, u ktorých sa očakáva, že znížia šum v dátach. Navyše, zavádza novú metódu rozozna- nia firmy záujmu. Výsledkom hyperparametrovej optimalizácie je konštrukcia výsledného modelu. Klasifikace JEL C45, C51, C52, C53, G11, G14, G17 Klíčová slova BERT, Transformer, Finančné Články, Ob- chodovanie Akcií Název práce Predikcia pohybu cien akcií z finančných správ s využitím hlbokých neurónových si- etí