Amélioration des prévisions des marchés financiers : sélection de caractéristiques guidée par la causalité

Ce document présente le jeu de données FinSen qui révolutionne l'analyse des marchés financiers en intégrant des articles d'actualités économiques et financières provenant de 197 pays avec des données boursières. La couverture exhaustive de ce jeu de données s'étend sur 15 ans, de 2007 à 2023, avec des informations temporelles, offrant une perspective riche et mondiale composée de 160 000 enregistrements sur les actualités des marchés financiers. Notre étude utilise des scores d'opinion validés causalement et des modèles LSTM pour améliorer la précision et la fiabilité des prévisions du marché. En utilisant le jeu de données FinSen, nous introduisons une nouvelle perte de calibration focale (Focal Calibration Loss), réduisant l'erreur de calibration attendue (ECE) à 3,34 % avec le modèle DAN 3. Cela non seulement améliore la précision des prédictions, mais aligne également les prévisions probabilistes plus étroitement avec les résultats réels, ce qui est crucial dans le secteur financier où la probabilité prédite est primordiale. Notre approche démontre l'efficacité de la combinaison d'une analyse d'opinion avec des techniques de calibration précises pour une prévision financière fiable, où le coût d'une mauvaise interprétation peut être élevé. Le jeu de données FinSen peut être consulté à l'adresse suivante : ce lien GitHub.