Published December 1, 2020 | Version v1
Publication Open

Predicting long-term returns of individual stocks with online reviews

Creators

  • 1. Beihang University
  • 2. Beijing Advanced Sciences and Innovation Center

Description

Predicting long-term returns is essential for getting a full view of market efficiency. It is, additionally, more challenging for both human and algorithms, especially at the level of individual stocks, and competent solutions are still missing in previous effort. Considering the profound connections between stock prices and consumer opinions, asking experienced buyers can be a promising direction. In this paper, which is based exclusively on online reviews, a framework for predicting long-term returns of individual stocks is established. Specifically, 6,246 features of 13 categories inferred from more than 18 million product reviews are elaborated to build the prediction model. A satisfactory increase in accuracy, 13.94%, was achieved compared to the cutting-edge solution with 10 technical indicators being features. Additionally, we conduct a trading simulation on real-world stocks and our model obtains the highest return 13.12% among all baselines in half year. The robustness of the model is further evaluated and testified. Our approaches, in both feature inference and prediction model, will offer insightful advices to investors in long-term investments on individual stocks.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد التنبؤ بالعوائد طويلة الأجل أمرًا ضروريًا للحصول على رؤية كاملة لكفاءة السوق. بالإضافة إلى ذلك، يعد الأمر أكثر تحديًا لكل من البشر والخوارزميات، خاصة على مستوى الأسهم الفردية، ولا تزال الحلول المختصة مفقودة في الجهود السابقة. بالنظر إلى الروابط العميقة بين أسعار الأسهم وآراء المستهلكين، يمكن أن يكون سؤال المشترين ذوي الخبرة اتجاهًا واعدًا. في هذه الورقة، التي تستند حصريًا إلى المراجعات عبر الإنترنت، يتم إنشاء إطار للتنبؤ بالعوائد طويلة الأجل للأسهم الفردية. على وجه التحديد، تم تطوير 6246 ميزة من 13 فئة مستنبطة من أكثر من 18 مليون مراجعة للمنتجات لبناء نموذج التنبؤ. تم تحقيق زيادة مرضية في الدقة، 13.94 ٪، مقارنة بالحل المتطور مع 10 مؤشرات فنية كونها ميزات. بالإضافة إلى ذلك، نقوم بإجراء محاكاة تداول على الأسهم في العالم الحقيقي ويحصل نموذجنا على أعلى عائد بنسبة 13.12 ٪ بين جميع خطوط الأساس في نصف عام. يتم تقييم متانة النموذج بشكل أكبر والشهادة عليه. ستقدم مناهجنا، في كل من الاستدلال ونموذج التنبؤ، نصائح ثاقبة للمستثمرين في الاستثمارات طويلة الأجل على الأسهم الفردية.

Translated Description (French)

La prévision des rendements à long terme est essentielle pour obtenir une vue complète de l'efficacité du marché. Il est, en outre, plus difficile pour les humains et les algorithmes, en particulier au niveau des stocks individuels, et des solutions compétentes font toujours défaut dans les efforts antérieurs. Compte tenu des liens profonds entre les cours des actions et les opinions des consommateurs, demander aux acheteurs expérimentés peut être une direction prometteuse. Dans ce document, qui est basé exclusivement sur des critiques en ligne, un cadre pour prédire les rendements à long terme des actions individuelles est établi. Plus précisément, 6 246 caractéristiques de 13 catégories déduites de plus de 18 millions d'avis de produits sont élaborées pour construire le modèle de prédiction. Une augmentation satisfaisante de la précision, 13,94%, a été réalisée par rapport à la solution de pointe avec 10 indicateurs techniques comme caractéristiques. De plus, nous effectuons une simulation de négociation sur des actions du monde réel et notre modèle obtient le rendement le plus élevé de 13,12 % parmi toutes les données de référence au cours du semestre. La robustesse du modèle est ensuite évaluée et attestée. Nos approches, à la fois en inférence de caractéristiques et en modèle de prédiction, offriront des conseils perspicaces aux investisseurs dans les investissements à long terme sur des actions individuelles.

Translated Description (Spanish)

Predecir los rendimientos a largo plazo es esencial para obtener una visión completa de la eficiencia del mercado. Además, es más desafiante tanto para humanos como para algoritmos, especialmente a nivel de existencias individuales, y todavía faltan soluciones competentes en esfuerzos anteriores. Teniendo en cuenta las profundas conexiones entre los precios de las acciones y las opiniones de los consumidores, preguntar a los compradores experimentados puede ser una dirección prometedora. En este documento, que se basa exclusivamente en revisiones en línea, se establece un marco para predecir los rendimientos a largo plazo de las acciones individuales. Específicamente, se elaboran 6.246 características de 13 categorías inferidas de más de 18 millones de reseñas de productos para construir el modelo de predicción. Se logró un aumento satisfactorio en la precisión, 13.94%, en comparación con la solución de vanguardia con 10 indicadores técnicos como características. Además, realizamos una simulación de trading en acciones del mundo real y nuestro modelo obtiene el mayor rendimiento del 13,12% entre todas las líneas de base en medio año. La solidez del modelo se evalúa y atestigua más a fondo. Nuestros enfoques, tanto en el modelo de inferencia de características como en el de predicción, ofrecerán consejos perspicaces a los inversores en inversiones a largo plazo en acciones individuales.

Files

22622336.pdf.pdf

Files (165.5 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:729c58f0466bdabccfeb2b6a62c3beb0
165.5 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
توقع العوائد طويلة الأجل للأسهم الفردية من خلال المراجعات عبر الإنترنت
Translated title (French)
Prédire les rendements à long terme des actions individuelles avec des avis en ligne
Translated title (Spanish)
Predecir los retornos a largo plazo de acciones individuales con reseñas en línea

Identifiers

Other
https://openalex.org/W3082540584
DOI
10.1016/j.neucom.2020.07.100

Is supplement to
https://openalex.org/W3124909576 (Other)
https://openalex.org/W3124600531 (Other)
https://openalex.org/W3124208096 (Other)
https://openalex.org/W3123014659 (Other)
https://openalex.org/W2372022541 (Other)
https://openalex.org/W2247050672 (Other)
https://openalex.org/W2214954559 (Other)
https://openalex.org/W2130916223 (Other)
https://openalex.org/W2115549111 (Other)
https://openalex.org/W2052877398 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1934506504
  • https://openalex.org/W1963652416
  • https://openalex.org/W1968030958
  • https://openalex.org/W1972312461
  • https://openalex.org/W1984430235
  • https://openalex.org/W1989827614
  • https://openalex.org/W1992523283
  • https://openalex.org/W2000653979
  • https://openalex.org/W2012079387
  • https://openalex.org/W2015800048
  • https://openalex.org/W2016945820
  • https://openalex.org/W2018408827
  • https://openalex.org/W2021568043
  • https://openalex.org/W2023006574
  • https://openalex.org/W2028072219
  • https://openalex.org/W2029727871
  • https://openalex.org/W2036856292
  • https://openalex.org/W2038900249
  • https://openalex.org/W2039530600
  • https://openalex.org/W2040884411
  • https://openalex.org/W2054347393
  • https://openalex.org/W2064675550
  • https://openalex.org/W2067994737
  • https://openalex.org/W2068798558
  • https://openalex.org/W2070493638
  • https://openalex.org/W2094366085
  • https://openalex.org/W2094665138
  • https://openalex.org/W2111255674
  • https://openalex.org/W2116964960
  • https://openalex.org/W2118898598
  • https://openalex.org/W2125520394
  • https://openalex.org/W2128812659
  • https://openalex.org/W2131773668
  • https://openalex.org/W2144487825
  • https://openalex.org/W2167063440
  • https://openalex.org/W2251709641
  • https://openalex.org/W2314333710
  • https://openalex.org/W2394680095
  • https://openalex.org/W2402288250
  • https://openalex.org/W2489487449
  • https://openalex.org/W2492691122
  • https://openalex.org/W2526849907
  • https://openalex.org/W2554367394
  • https://openalex.org/W2580110346
  • https://openalex.org/W2611119646
  • https://openalex.org/W2613328025
  • https://openalex.org/W2626389465
  • https://openalex.org/W2744043447
  • https://openalex.org/W2804968338
  • https://openalex.org/W2894041752
  • https://openalex.org/W2900880305
  • https://openalex.org/W2901941709
  • https://openalex.org/W2905735320
  • https://openalex.org/W2911681169
  • https://openalex.org/W2911964244
  • https://openalex.org/W2921218568
  • https://openalex.org/W2962715746
  • https://openalex.org/W2963808864
  • https://openalex.org/W3102476541
  • https://openalex.org/W3121745428
  • https://openalex.org/W3121806563
  • https://openalex.org/W3121845706
  • https://openalex.org/W3122136669
  • https://openalex.org/W3123091093
  • https://openalex.org/W3123432896
  • https://openalex.org/W3124061827
  • https://openalex.org/W3124355776
  • https://openalex.org/W3125263129
  • https://openalex.org/W3125342681
  • https://openalex.org/W4212883601
  • https://openalex.org/W4229742094
  • https://openalex.org/W4244952642
  • https://openalex.org/W4248437541
  • https://openalex.org/W4250543126
  • https://openalex.org/W4256206121