Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Cajueiro, Daniel Oliveira | - |
Autor(es): dc.creator | Bastos, Saulo Benchimol | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:14:39Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:14:39Z | - |
Data de envio: dc.date.issued | 2024-01-26 | - |
Data de envio: dc.date.issued | 2024-01-26 | - |
Data de envio: dc.date.issued | 2024-01-26 | - |
Data de envio: dc.date.issued | 2019-06-28 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/47536 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/903407 | - |
Descrição: dc.description | Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Departamento de Economia, Programa de Pós-Graduação em Economia, 2019. | - |
Descrição: dc.description | Uma representação de documento é a descrição matemática de um texto. Aprender a representar informação é o passo inicial para uma extração automatizada de conhecimento. Reescrevemos a metodologia para extrair sentimento do texto, presente na literatura econômica, como um problema de recuperação de informação, possibilitando assim a aplicação de técnicas consagradas em ciência da computação. Mostramos que a escolha da ponderação adequada da matriz TF-IDF (frequência do termo-inverso da frequência do documento) e representações densas levam a resultados mais consistentes. Além disso, usamos documentos completos, em vez de versões filtradas com dicionários, como variáveis de séries temporais, o que só foi possível devido a representações densas. Propomos dois modelos para extrair sentimento do texto. Primeiro, um que aprende o vocabulário de acordo com movimentos em uma variável específica. Validamos nosso modelo usando o retorno overnight no mercado de ações; encontramos evidências de que o sentimento prevê retornos, que as notícias em t − 1 têm o maior efeito sobre os retornos em t e que a positividade ou negatividade de uma palavra depende do contexto. Segundo, usamos variáveis quantitativas e texto para criar um vetor de sentimento cujas coordenadas se relacionam entre si, em vez de simples números. Encontramos com sucesso estados opostos em um sentimento bidimensional, otimismo e pessimismo, cujas regressões em variáveis do mercado financeiro produzem resultados que têm amparo em teorias financeiras. | - |
Descrição: dc.description | A document representation is the mathematical description of a text. Learning how to represent information is the initial step towards an automated extraction of knowledge. We rewrite the methodology to extract sentiment from text, present in economic literature, as an information retrieval problem, thus enabling the application of consecrated techniques in computer science. We show that the choice of an adequate weighting scheme of the TF-IDF (Term-Frequency Inverse-Document-Frequency) matrix and dense representations leads to more consistent results. Also, we use whole documents, instead of filtered versions with dictionaries, as time series variables, which was only possible due to dense representations. We propose two models to extract sentiment from text. First, one that learns the vocabulary according to movements in a specific variable. We validate our model using the overnight return in the stock market; we find evidence that the sentiment predicts returns, that news in t − 1 has the greatest effect on the overnight returns in t, and that the positivity or the negativity of a word depends on the context. Second, we use quantitative variables and text to create a sentiment vector whose coordinates relate to each other, instead of single numbers. We successfully find opposite states in a two dimensional sentiment, optimism and pessimism, whose regressions on financial market variables produce results that are supported by financial theories. | - |
Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
Descrição: dc.description | Departamento de Economia (FACE ECO) | - |
Descrição: dc.description | Programa de Pós-Graduação em Economia | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | Acesso Aberto | - |
Palavras-chave: dc.subject | Análise textual | - |
Palavras-chave: dc.subject | Representação da informação | - |
Palavras-chave: dc.subject | Análise de sentimento | - |
Palavras-chave: dc.subject | Mercado financeiro | - |
Título: dc.title | Document representations and its measurements applied to finance | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: