| Popis: |
Predviđanje cijena na burzi oduvijek je bila zanimljiva tema budući da je usko povezana sa zarađivanjem novca. Korištenje obrade prirodnog jezika otvorilo je nove perspektive za rješavanje ovog zadatka. U ovom su radu kao mjerilo implementirani konvencionalni statistički modeli za predviđanje vremenskih serija. Zatim, radi metodološke usporedbe, implementirani su i testirani različiti najsuvremeniji modeli obrade prirodnog jezika u rasponu od osnovnih CNN-a i RNN-a do najnaprednijih BERT modela. Eksperimentalni rezultati pokazuju da postoji korelacija između tekstualnih informacija u naslovima vijesti i predviđanja cijene dionica. Model temeljen na GRU ćeliji s jednim linearnim slojem koji uzima parove povijesnih cijena i ocjene sentimenta izračunate pomoću BERT-a postigao je najbolje rezultate. Predicting the stock market’s prices has always been an interesting topic since its closely related to making money. The use of natural language processing has opened new perspectives for solving this task. In this paper, the conventional statistical models for time-series prediction are implemented as a benchmark. Then, for methodological comparison, various state-of-the-art natural language models ranging from the baseline CNN and RNN to the most advanced BERT models are implemented and tested. Experimental results show that there is a correlation between the textual information in the news headlines and stock price prediction. The model based on the GRU cell with one linear layer which takes pairs of the historical prices and the sentiment score calculated using BERT achieved the best results. |
