Інформаційна система аналізу впливу новин на ринок акцій з використанням нейронних мереж

Abstract

Сучасні фінансові ринки демонструють високу чутливість до інформаційних потоків, зокрема до новин, що зумовлює актуальність розробки спеціалізованих інструментів для аналізу цього складного впливу. Інформаційні системи, здатні автоматизувати процес аналізу новинного сентименту та інтегрувати його результати в прогностичні моделі, відкривають перспективи для підвищення точності передбачення ринкової динаміки та надання інвесторам більш глибокого розуміння ринкових рухів. Однак, практична реалізація таких систем пов'язана з низкою викликів, серед яких ефективна обробка великих обсягів неструктурованих текстових даних, коректне вилучення тональності повідомлень та розробка методів гармонійної інтеграції якісних сентимент-показників з традиційними кількісними ринковими даними. Об’єкт дослідження. Об’єктом дослідження є комплексний процес впливу новинного сентименту на динаміку цін акцій на фондовому ринку. Це включає вивчення механізмів формування ринкових настроїв під дією інформаційних стимулів, дослідження сучасних методів вилучення та кількісної оцінки сентименту з фінансових текстів, а також аналіз способів інтеграції отриманих сентимент-показників в алгоритми прогнозування часових рядів. Предмет дослідження. Предметом дослідження є інформаційна система, розроблена для аналізу впливу новин на ринок акцій з використанням нейронних мереж. Детально розглядається її архітектура (що включає фронтенд-частину на HTML/CSS та бекенд-логіку на Python з використанням Flask), структура програмних модулів, відповідальних за збір ринкових даних (OHLCV) та новин, проведення сентимент-аналізу за допомогою моделі FinBERT, агрегацію сентименту за авторською методикою (середня_оцінка * кількість_новин), а також тренування та генерацію прогнозів двома LSTM-моделями. Мета дослідження. Головною метою даної кваліфікаційної роботи є розробка та всебічне дослідження інформаційної системи, здатної не лише прогнозувати ціни акцій, але й кількісно оцінювати вплив новинного сентименту на ці прогнози. Ключовим завданням є надання користувачеві наочного інструменту для порівняльного візуального аналізу результатів прогнозування від двох моделей: базової, що використовує лише історичні ринкові дані, та розширеної, що додатково враховує агрегований новинний сентимент. Результати дослідження. У результаті проведеної роботи було створено повністю працездатну інформаційну систему, що успішно реалізує весь заявлений функціонал. Тестування системи на контрольному прикладі (аналіз акцій Apple Inc. за тривалий період) переконливо продемонструвало, що модель, яка враховувала новинний сентимент за розробленою методикою, показала вищу адаптивність до змінної ринкової волатильності, особливо в періоди після 2020 року, генеруючи прогнози, що були ближчими до реальної динаміки цін. Це підтверджує не лише працездатність системи, але й потенційну практичну цінність запропонованого підходу до інтеграції новинного фактора для покращення якості ринкового прогнозування.

Modern financial markets exhibit high sensitivity to information flows, particularly news, which underscores the relevance of developing specialized tools to analyze this complex influence. Information systems capable of automating the analysis of news sentiment and integrating its results into predictive models open prospects for improving the accuracy of market dynamics prediction and providing investors with a deeper understanding of market movements. However, the practical implementation of such systems faces several challenges, including the effective processing of large volumes of unstructured textual data, correct extraction of message tonality, and the development of methods for harmoniously integrating qualitative sentiment indicators with traditional quantitative market data. Object of research. The object of research is the comprehensive process of news sentiment's impact on stock price dynamics in the stock market. This includes studying the mechanisms of market mood formation under the influence of information stimuli, researching modern methods for extracting and quantifying sentiment from financial texts, and analyzing ways to integrate the obtained sentiment indicators into time series forecasting algorithms. The subject of research. The subject of research is an information system designed to analyze the impact of news on the stock market using neural networks. Its architecture (including an HTML/CSS frontend and a Python backend with Flask), the structure of software modules responsible for collecting market data (OHLCV) and news, conducting sentiment analysis using the FinBERT model, aggregating sentiment according to a proprietary methodology (average_score * news_count), as well as training and generating forecasts with two LSTM models, are examined in detail. The purpose of the study. The main aim of this qualification thesis is the development and comprehensive study of an information system capable not only of forecasting stock prices but also of quantitatively assessing the impact of news sentiment on these forecasts. A key task is to provide the user with a clear tool for comparative visual analysis of forecasting results from two models: a baseline model using only historical market data and an enhanced model that additionally incorporates aggregated news sentiment. Research results. As a result of the work, a fully functional information system was created that successfully implements all stated functionalities. Testing the system on a control case (analysis of Apple Inc. stock over an extended period) convincingly demonstrated that the model incorporating news sentiment, using the developed methodology, showed higher adaptability to changing market volatility, especially in periods after 2020, generating forecasts closer to actual price dynamics. This confirms not only the system's operability but also the potential practical value of the proposed approach to integrating the news factor for improving the quality of market forecasting.