کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

LLM-Driven Feature Extraction for Stock Market Prediction: A case study of Tehran Stock Exchange

نویسندگان :

Siavash Hosseinpour Saffarian¹ Saman Haratizadeh²

1- University of Tehran 2- University of Tehran

کلمات کلیدی :

Stock Market Prediction،Self-Attention Mechanism،Large Language Models،Information Fusion،Graph Neural Networks

چکیده :

Abstract—Stock market prediction is one of the most challenging research areas in recent years. With the emergence of deep learning and artificial intelligence, researchers have proposed various methods to predict stock market directions, considering different financial variables. One of the most significant variables influencing stock movement is user opinions and social media, which has attracted much attention from researchers in recent years. Although existing studies have introduced various methods to combine stock price and textual features, a reliable and comprehensive method has not yet been established, and there is still room for improvement. In this research, a novel method based on large language models is introduced for feature extraction from financial texts, and a self-attention mechanism is proposed to capture the internal relationships between textual and financial features. The results of the model presented in this study show a 3.10% improvement in accuracy compared to the latest competing models on a newly collected dataset.

لیست مقالات

لیست مقالات بایگانی شده

A parallel approach to the fractional time delay model for predicting the spread of COVID-19

Mahdi Movahedian Moghaddam - Kourosh Parand

Sustainability analysis and improvement of model driven engineering and model transformation languages

Kevin Lano - Shekoufeh Kolahdouz Rahimi

A Hybrid Method to Reduce the Voltage Consumption in the Spiking Neural Networks

Shaghayegh Mehdizadeh saraj - Seyyed Amir Asghari - Mohammadreza Binesh Marvasti

نقش داده‌های آنلاین یونیفرمیتی و تحلیل آماری پیشرفته با ترکیب پایتون و پاوربی‌آی در بهبود کیفیت و فرآیند تولید تایر

دانیال قادری

ارائه یک الگوریتم سلسله مراتبی جهت تشخیص نفوذ در شبکه های کامپیوتری

دکتر باقر رحیم پور کامی - سیدمحمد سیدی برشی باقر رحیم پور کامی - سیدمحمد سیدی برشی -

Generalized Self-Attentive Spatiotemporal GCN with OPTICS Clustering for Recommendation Systems

Saba Zolfaghari - Seyed Mohammad Hossein Hasheminejad

An LLM-Based Approach for Clarifying the Decisions of Vision Models in Autonomous Vehicles

Omid Mosalmani - Mohammad Javad Rashti - Seyed Enayat Alavi

پیش بینی ارتباط میزان مرگ و میر با هم زمانی وجود دو بیماری در مبتلایان به کرونا به کمک بگارگیری شبکه عصبی Word2Vec

سمن مثقالی - دکتر جواد عسکری سمن مثقالی - جواد عسکری -

جایگذاری مقادیر ازدست رفته در داده های سری زمانی چندمتغیره برای پیش بینی مرگ ومیر بیماران با رویکرد یادگیری عمیق مبتنی بر مکانیسم توجه

سید علی هاشمی - سعید جلیلی

Face Recognition Based on Local Statistical Features and Artificial Neural Network

Mehdi Moghimi - Dr Hadi Grailu

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.2.0