
301
301
10.7 例:株価変動予測のためにニュース記事をマイニングする
が、株価に変化を与えるイベントの多くは取引時間外に発生するため、取引開始直後の株価
変動は不安定になります。よって、開始ベル(午前
9
時
30
分
EST
)時点での価格を始値と
するのではなく、午前
10
時時点での価格を始値とし、その価格とその日の午後
4
時時点で
の価格との違いを追跡します。そこで求めた価格の差分を終値で割った値が、日々の変化率
となります。
記事の取り扱いには、より深い注意が必要です。記事は、関連する株式でタグが付けられ
ていますが、タグ付けは完全に正確というわけではありません(囲み記事「ニュースは乱
雑」に、なぜ正確なタグ付けを行うことが難しいのかについて、詳細に述べています)。ほ
ぼすべての記事はタイムスタンプを持っているため(タイムスタンプがない記事は廃棄され
ます)、正確な日と取引期間によって整列することができます。株式と、それに影響を与え
そうな記事との関連は、より密接である方が望ましいため、
1
つの記事で
2
つ以上の株式に
ついて言及しているものは廃棄します。これによって、単なる要約記事やニュースアグリ
ゲーション
†
の多くを取り除きます。
それぞれの記事を
TFIDF
表現にするために、「
10.3.1
Bag-of-Words
」で説明した基本的
な手順が適用されています。具体的には、それぞれの単語は大文字小文字を揃える正規化が
行われ、ステミングが行われ、そしてストップワードが除去されています。最後に、すべ
ての個々の用語と ...