Multi-factor prediction of stock market index based on LSTM neural networks with BERT embedding

Abstract

Tato diplomová práce zkoumá vliv měnové politiky, nálady investorů a historických obchodních informací na akciový trh US a Číny. Analýza je provedena na základě dvou typů dat, a to textových dat a dat časových řad mezi lety 2017 a 2021. Textová data jsou získávána z několika webových stránek a zpracovávána při analýze sentimentu investorů pomocí modelu obousměrného kódování reprezentace z transformátorů (BERT). Později jsme jako indikátor sentimentu investorů použili hodnoty sentimentu zpráv vážené sebepozorováním a natrénovali je v modelu LSTM. Data časových řad obsahují dvě datové sady, z nichž první datová sada obsahuje proměnné minulé výkonnosti dvou akciových indexů a druhá obsahuje měnové a finanční ukazatele. Ke srovnávací studii používáme modely LSTM s BERT embeddings. Experimenty ukazují, že konkrétní finanční ukazatele a nálada investorů mají přímý vliv na vzorový akciový index a také na účinnost modelu při předpovídání pohybu akciového indexu.