Applications of artificial intelligence in behavioral finance getting benefit from extended data sources

Liu, Yang (2020). Applications of artificial intelligence in behavioral finance getting benefit from extended data sources. Thesis (Doctoral), E.T.S.I. Industriales (UPM). https://doi.org/10.20868/UPM.thesis.62779.

Description

Title: Applications of artificial intelligence in behavioral finance getting benefit from extended data sources
Author/s:
  • Liu, Yang
Contributor/s:
  • Ordieres Meré, Joaquín
Item Type: Thesis (Doctoral)
Date: April 2020
Subjects:
Faculty: E.T.S.I. Industriales (UPM)
Department: Ingeniería de Organización, Administración de Empresas y Estadística
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only until 25 December 2020 - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB)

Abstract

Las finanzas conductuales son el núcleo de las finanzas modernas, que dependen en gran medida del valor de la datos información, que está en línea con las características del desarrollo tecnológico. En esta era de big data, la inteligencia artificial (IA) ha penetrado en todos los aspectos de nuestras vidas. Ha traído cambios revolucionarios a varios campos como las finanzas. Además, a medida que el desarrollo del machine learning en tecnología de IA y varias tecnologías de machine learning han utilizado ampliamente para realizar diferentes campos de las finanzas conductuales. Especialmente, deep learning ha demostrado un excelente desempeño en las tareas de finanzas conductuales. En general, esta investigación tiene como objetivo abordar los problemas en diferentes escenarios de aplicación de las finanzas conductuales con el apoyo de la tecnología de IA. La principal novedad de esta investigación construye un marco de aplicación probado, diferentes escenarios de las finanzas conductuales se benefician de la tecnología de IA. Para examinar la viabilidad de los marcos propuestos, este estudio recoge datos del comportamiento humano de las redes sociales y las noticias financieras, que emplean tecnología de machine learning para analizar tres escenarios de aplicación en las finanzas conductuales. Este estudio extrajo con éxito la información del comportamiento humano a través del procesamiento del lenguaje natural (PLN), lo que ayuda a predecir el mercado de valores de la empresa. Mientras tanto, también exploró con éxito el impacto del contenido generado por el usuario (CGU) en el rendimiento de la empresa, lo que puede enriquecer la extracción de características para la evaluación del rendimiento de la empresa a través de las revisiones de los clientes. Los resultados experimentales de este estudio pueden ayudar a demostrar que la tecnología de IA es útil en escenarios de aplicación de finanzas conductuales y también promover en otros escenarios de aplicación similares. En resumen, este estudio proporciona una estrategia de marketing para los comercializadores de la empresa y decisiones comerciales para los gerentes de la empresa. ----------ABSTRACT---------- Behavioral finance is the core of modern finance, which relies heavily on the value of data information that is highly in line with the characteristics of technological development. In this era of big data, artificial intelligence (AI) has penetrated into every aspect of our lives. It has brought revolutionary changes to various élds such as finance. Furthermore, as the development of machine learning in AI technology and various machine learning technologies have been widely used to perform different the field of behavioral finance. Especially, deep learning has shown excellent performance in the tasks of behavioral finance. Overall, this research aims to address the problems in different application scenarios of behavioral finance with the support of AI technology. The main novelty of this research is to build a proven application framework,different behavioral financial scenarios benefit from AI technology. To examine the feasibility of the proposed frameworks, this study collects human behavior data from social media and financial news, that employ machine learning technology to analyze three application scenarios in behavioral finance. This study successfully extracted human behavior information through natural language processing (NLP), which thereby helps to predict the stock market of the company. Meanwhile, it also successfully explored the impact of user-generated content (UGC) on company performance, which can enrich the feature extraction for company performance evaluation through customer reviews. The experimental results of this study can help to prove that AI technology is useful in application scenarios of behavioral finance and also promote in other similar application scenarios. In summary, This study provides a marketing strategy for the marketer of the company and business decisions for the managers of the company.

More information

Item ID: 62779
DC Identifier: http://oa.upm.es/62779/
OAI Identifier: oai:oa.upm.es:62779
DOI: 10.20868/UPM.thesis.62779
Deposited by: Archivo Digital UPM 2
Deposited on: 25 Jun 2020 11:53
Last Modified: 25 Jun 2020 11:53
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM