Investigating Predictive Windows for Financial Sentiment Analysis

Abstract

Eksperer og forksere har lenge forsøkt å overkomme utfordringen med å forutsi akjsekursbevegelser. Mye tidligere forskning har undersøkt forholdet mellom sentiment i finansielle nyheter og aksjeprisbevegelser for å undersøke om tekstutvinnings-teknologi og maskinlæring kan brukes til å predikere bevegelser i aksjekurser. Imidlertid er disse studiene hovedsakelig begrenset til et daglig aggregert nivå. I denne oppgaven utforsker jeg for hvilke intradags tidsintervaller sentimentet i nyheter hentet fra Nasdaq news har prediktiv kraft for intradag akskjekursbevegelser. Studien undersøker og anvender fire forskjellige sentimentordbøker, VADER, TextBlob, SentiWordNet og FinBERT for å detektere sentiment i nyhetsartikler. Videre blir det konstruert prediksjonsmodeller ved bruk av fire ulike maskinlærings klassifikasjonsmetoder, logistisk regresjon, lineær diskriminant analyse, K-nærmeste naboer og naive Bayes. Disse trenes på sentiment i nyhetsartikler og tilhørende aksjekursbevegelse kalkulert for de gitte tidsintervallene (-120,-60,-20,1,5,10,20,60,og 120 minutter) basert på publiseringstidspunktet av en nyhet. Resultatene indikerer en sterk korrelasjon mellom sentiment og aksjekursendringer for tidsintervallene -120,-60,5,20,60 og 120 minutter. Prediksjonsresultatene antyder at sentiment i nyheter har prediktiv kraft for aksjekursbevegelser for de respektive tidsintervallene. De beste resultatene ble oppnådd ved å kombinere FinBERT med lineær diskriminant analyse klassifikatoren. Funnene viser i tillegg at denne modellen oppnådde høyest nøyaktighet og presisjon, med en score på på 0.55, samt en F1 score på 0.53 når modellen predikerte aksjekursbevegelser to timer etter publisering av en nyhet. Resultatene tilsier at å inkludere en sentimentvariabel i handelsstrategier for spesifikke intradagstidsvinduer er å anbefale. Funnene ser ut til å stå i kontrast til den sterkeste formen av hypotsen om effisiente markeder og antyder at det oppstår markedssvikt i tiden både før og etter nyhetspubliseringer.

Since the early days of the stock market, experts and scholars have been working towards comprehending the challenge of forecasting stock prices. A lot of previous research has examined the relationship between sentiment in financial news and stock price movement to investigate whether text mining technology and machine learning can be used for stock price prediction. However, these studies are predominantly limited to a daily aggregate level. In this thesis, I explore the predictive relationship between sentiment in financial news and stock price movement for different intraday time intervals. The study examines and applies four sentiment dictionaries, VADER, TextBlob, SentiWordNet, and FinBERT, to extract sentiment from Nasdaq news. Stock price movement prediction models are constructed utilizing logistic regression, linear discriminant analysis, K-nearest neighbors, and naïve Bayes. The machine learning classifiers are trained using sentiment labels assigned to news articles, along with the corresponding stock price movements for the specific time intervals relative to the publication time of the news (-120,-60,-20,1,5,10,20,60,and 120 minutes). The results indicate a statistically significant correlation between sentiment and stock price movement for the time intervals -120,-60,5,20,60,and 120 minutes. The prediction performance suggests that news sentiment has predictive power for stock price movements in the respective time intervals. The best prediction results were achieved by combining FinBERT with the linear discriminant analysis classifier. The findings demonstrate that the model achieved the highest accuracy, precision, and recall scores of 0.55 when predicting stock price movements two hours after news publication, along with an F1 score of 0.53. Thus, including sentiment as a variable in trading strategies and stock price prediction models seems advisable for specific intraday time windows. The findings appear to contradict the strongest form of The Efficient Market Hypothesis and suggest that market inefficiencies do arise both before and in the wake of news publications.