用于股票交易信号的影响者推文 NLP-研究论文

人工智能为分析大量文本数据以开发股票交易模型提供了独特的机会。 本文分析了来自具有高追随者数量（> 10,000 名追随者）的影响者与具有低追随者数（≤ 10,000 名）的影响者的包含标签 TSLA (#TSLA) 的推文所产生的预测能力和交易信号。 与通用 VADER 模型相比，使用 Word2Vec 和此处列出的评分系统的组合，通常可以观察到影响者产生更好的交易信号。