本稿では、与えられたテキストに対して金融分野における感情（sentiment）および観点（aspect）予測を行うためのアンサンブル手法を提案する。本アンサンブル手法は、畳み込みニューラルネットワーク（CNN）と再帰型ニューラルネットワーク（RNN）を用い、感情および観点予測においてリッジ回帰（ridge regression）と投票戦略（voting strategy）を統合することで、手動で設計された特徴量（handcrafted feature）に依存せずに予測を実現している。公開された学習データセットを用いた5分割交差検証の結果から、CNNは両タスクにおいてRNNよりも全体的に優れた性能を示した。さらに、異なる深層学習アプローチを組み合わせることで、アンサンブル手法が性能をさらなる向上をもたらすことが明らかになった。