Analysis of market fluctuations from the relationship between news-sentiment and financial-index

Stock market prediction is one of the most sought after areas of research in the finance sector. It is a crucial step which helps investors and other associated personnels to understand the trends in the stock market so as to allocate their resources in a better way for the best outcome. A lot of factors influence the stock prices. Some of them are interest rates, inflation, deflation, economic policies, investor sentiments and so on. There are many computational tools based on NLP in the market for financial analysis. Out of them, a very few focus on sentiments obtained from the news articles on the companies. In this paper, we focus on the sentiment analysis of news headlines and understanding their relationship with the financial index to deduce the market trends, understand market fluctuations and decide on the future investments. The news sentiment data is combined with financial data for the analysis of the relationship between them. As expected, our analysis highlights a causal relationship between news sentiments and stock returns for a set of companies. The data is then fed into three machine learning models (SVR, Random Forest, LSTM) for predicting future stock movement. Finally, we calculate the Root Mean Square Error of the prediction for each of these models and compare the results. We obtain slightly better results from the model in terms of Root Mean Square Error (RMSE). Even though we expected a strong dependence between both news sentiment and stock returns value, the obtained a result which essentially shows us that news sentiment can be a significant attribute to be considered while predicting stock returns.

La previsione del mercato azionario è una delle aree di ricerca più ricercate nel settore finanziario. È un passaggio cruciale che aiuta gli investitori e gli altri dipendenti associati a comprendere le tendenze del mercato azionario in modo da allocare le proprie risorse in modo migliore per il miglior risultato. Molti fattori influenzano i prezzi delle azioni. Alcuni di essi sono i tassi di interesse, l'inflazione, la deflazione, le politiche economiche, i sentimenti degli investitori e così via. Esistono molti strumenti computazionali basati sulla PNL nel mercato dell'analisi finanziaria. Di questi, pochissimi si concentrano sui sentimenti ottenuti dagli articoli di notizie sulle società. In questo documento, ci concentriamo sull'analisi del sentiment dei titoli delle notizie e sulla comprensione della loro relazione con l'indice finanziario per dedurre le tendenze del mercato, comprendere le fluttuazioni del mercato e decidere sugli investimenti futuri. I dati sul sentimento delle notizie vengono combinati con i dati finanziari per l'analisi della relazione tra di loro. Come previsto, la nostra analisi evidenzia una relazione causale tra notizie e rendimenti azionari per un insieme di società. I dati vengono quindi inseriti in tre modelli di apprendimento automatico (SVR, Random Forest, LSTM) per prevedere il movimento futuro delle scorte. Infine, calcoliamo l'errore quadratico medio della previsione per ciascuno di questi modelli e confrontiamo i risultati. Otteniamo risultati leggermente migliori dal modello in termini di Root Mean Square Error (RMSE). Anche se ci aspettavamo una forte dipendenza tra il sentiment delle notizie e il valore dei rendimenti azionari, abbiamo ottenuto un risultato che essenzialmente ci mostra che il sentiment delle notizie può essere un attributo significativo da considerare durante la previsione dei rendimenti azionari.