Petr Kroha, Ricardo Baeza-Yates

Classification of Stock Exchange News

Dokumente und Dateien

Hinweis

Bitte nutzen Sie beim Zitieren immer folgende Url:

http://nbn-resolving.de/urn:nbn:de:swb:ch1-200401576

Kurzfassung in Englisch

In this report we investigate how much similarity good news and bad news may have in context of long-terms market trends. We discuss the relation between text mining, classification, and information retrieval. We present examples that use identical set of words but have a quite different meaning, we present examples that can be interpreted in both positive or negative sense so that the decision is difficult as before reading them. Our examples prove that methods of information retrieval are not strong enough to solve problems as specified above. For searching of common properties in groups of news we had used classifiers (e.g. naive Bayes classifier) after we found that the use of diagnostic methods did not deliver reasonable results.

For our experiments we have used historical data concerning the German market index DAX 30.

Kurzfassung in Deutsch

In diesem Bericht untersuchen wir, wieviel Ähnlichkeit gute und schlechte Nachrichten im Kontext von Langzeitmarkttrends besitzen. Wir diskutieren die Verbindungen zwischen Text Mining, Klassifikation und Information Retrieval. Wir präsentieren Beispiele, die identische Wortmengen verwenden, aber trotzdem recht unterschiedliche Bedeutungen besitzen; Beispiele, die sowohl positiv als auch negativ interpretiert werden können. Sie zeigen Probleme auf, die mit Methoden des Information Retrieval nicht gelöst werden können. Um nach Gemeinsamkeiten in Nachrichtengruppen zu suchen, verwendeten wir Klassifikatoren (z.B. Naive Bayes), nachdem wir herausgefunden hatten, dass der Einsatz von diagnostizierenden Methoden keine vernünftigen Resultate erzielte.

Für unsere Experimente nutzten wir historische Daten des Deutschen Aktienindex DAX 30.

weitere Metadaten

SWD SchlagworteAktienbörse
SWD SchlagworteAutomatische Klassifikation
SWD SchlagworteBayes-Verfahren
SWD SchlagworteInformation Retrieval
SWD SchlagworteText Mining
DDC Klassifikation330
Institution(en) 
HochschuleTU Chemnitz
FakultätFakultät für Informatik
DokumententypForschungsbericht
SpracheEnglisch
Veröffentlichungsdatum (online)24.11.2004
persistente URNurn:nbn:de:swb:ch1-200401576
QuelleChemnitzer Informatik-Berichte, CSR-04-02
ISSN0947-5125
Externe Referenzhttp://www.tu-chemnitz.de/informatik/service/if-berichte/pdf/CSR-04-02.pdf
URL
Externe Referenzhttp://www.tu-chemnitz.de/informatik/service/if-berichte
URL

Hinweis zum Urheberrecht

Diese Website ist eine Installation von Qucosa - Quality Content of Saxony!
Sächsische Landesbibliothek Staats- und Universitätsbibliothek Dresden