Skip to content

Latest commit

 

History

History
159 lines (126 loc) · 10.7 KB

sentiments-analysis-of-financial-news-as-an-indicator-for-amazon-stock-price-26d60534a51f.md

File metadata and controls

159 lines (126 loc) · 10.7 KB

作为亚马逊股价指标的财经新闻情感分析

原文:https://pub.towardsai.net/sentiments-analysis-of-financial-news-as-an-indicator-for-amazon-stock-price-26d60534a51f?source=collection_archive---------0-----------------------

我们将使用新闻 API 来执行情绪分析,以便使用 Python 来预测亚马逊(Amazon)的股票价格

在所有主要发达市场和主要新兴市场,对新闻的情绪分析已经成为产生股票买卖信号的最有力的方法之一。这个想法很简单,即提及公司名称、品牌、股票代码等的新闻文章的累积情感分数。将成为第二天股票收盘价的重要指标。

这只适用于交易量高、主要媒体都有活跃新闻报道的股票。一般来说,纳斯达克、道琼斯或标准普尔 500 等主要市场指数的成份股都将满足这些标准。

在本文中,我们将讨论为 Amazon.com 股票建立这样一个情绪分析管道的必要步骤。

您必须选择要提取的页面部分。通常,人们希望提取新闻文章的作者姓名、日期、标题和全文。

绘制亚马逊股票价格

在我们开始实际获取情绪数据之前,让我们先获取亚马逊股票价格(AMZN)的股票市场数据。我喜欢用 Alphavantage 的 API 获取股市数据;它可以免费使用,但是你必须生成一个 API 密匙。

import requests 
import json
from dateutil import parserimport requests
import jsontest_url = '[https://www.alphavantage.co/query?function=TIME_SERIES_DAILY_ADJUSTED&symbol=AMZN&outputsize=full&apikey='](https://www.alphavantage.co/query?function=TIME_SERIES_DAILY_ADJUSTED&symbol=AMZN&outputsize=full&apikey=') + API_KEY + '&datatype=csv'r = requests.get(url = test_url)
print("Status Code: ", r.status_code)
print("*"*20)
print(r.headers)
html_response = r.text
with open("amazon_stock.csv", "w") as outfile: 
    outfile.write(html_response)from dateutil import parser
datetime_obj = lambda x: parser.parse(x)df2 = pd.read_csv("amazon_stock.csv", parse_dates=['timestamp'], date_parser=datetime_obj)#df2 = df2[(df2["timestamp"] >= start_date) & (df2["timestamp"] <= end_date)]df2.head(1)
# Outputtimestamp   open    high    low     close   adjusted_close  volume  dividend_amount     split_coefficient
0   2020-09-28  3148.85     3175.04     3117.1684   3174.05     3174.05     4224165     0.0     1.0

接下来,我们将绘制这个图,以便我们可以直观地看到价格变动。正如你可能已经知道的,由于新冠肺炎·疫情,股票有了强劲的反弹。

import matplotlib.pyplot as plt 
import seaborn as sns 
top = plt.subplot2grid((4,4), (0, 0), rowspan=3, colspan=4) top.plot(df2['timestamp'], df2['close'], label = 'Closing price') plt.title('Amazon Close Price') 
plt.legend(loc=2) bottom = plt.subplot2grid((4,4), (3,0), rowspan=1, colspan=4) 
bottom.bar(df2["timestamp"], df2["volume"]) 
plt.title('Amazon Daily Trading Volume') 
plt.gcf().set_size_inches(12,8) 
plt.subplots_adjust(hspace=0.75)

抓取新闻文章

如果你打算收集多个新闻源,以结构化格式批量获取新闻文章将需要大量的数据争论。一个很好的起点是查看我们在上的博客文章,抓取 CNN 新闻文章,并以此为模板抓取标题、内容、日期、作者等。来自其他新闻网站。

一旦你有了原始文章,你就必须将它们加载到一个全文搜索数据库中,比如 Elasticsearch、Amazon Cloudsearch、Apache Solr 等。然后搜索您选择的股票名称或股票代码来查找相关文章。

相反,我们将使用免费的公共 API,让我们查询过去 7 天内所有主要新闻来源的新闻文章。我们的最新和历史新闻 API 每个 API 调用最多返回 100 篇新闻文章,如果需要,您可以对结果进行分页。你需要注册 rapidapi 来获得一个密钥,但它是免费的(不需要信用卡),你可以在基础层免费使用 api。

import requests
import json
url = "[https://latest-news1.p.rapidapi.com/](https://latest-news1.p.rapidapi.com/)"payload = json.dumps({"domains": "","topic":"business","q":        "amazon","qInTitle": "", "content":"", "page":"1", "author_only":""})
headers = {
    'content-type': "application/json",
    'x-rapidapi-key': "YOUR_RAPID_API_KEY",
    'x-rapidapi-host': "latest-news1.p.rapidapi.com"
    }response = requests.request("POST", url, data=payload, headers=headers)
    # after paginating through results print("Total results found: ", response_dict["totalResults"])
    clean_response_list = clean_response_list + response_dict["Article"]
len(clean_response_list)
#Output
fetching page  1
Total results found:  1263

让我们把它加载到 pandas dataframe 中,稍后用于情感分析。

import numpy as np
import pandas as pddf = pd.DataFrame(clean_response_list)
df.head()
#Output
author  content     description     publishedAt     source_name     source_url  title   url     urlToImage
0   []  Market Overview Tickers Articles Keywords Che...    GameStop Corp (NYSE: GME) could be extending i...   2020-09-22  Benzinga    benzinga.com    Gamestop Corporation (NYSE:GME), Amazon.com, I...   [https://www.benzinga.com/news/20/09/17595730/c](https://www.benzinga.com/news/20/09/17595730/c)...   [https://cdn.benzinga.com/files/imagecache/og_i](https://cdn.benzinga.com/files/imagecache/og_i)...
1   ["[www.ETAuto.com](http://www.ETAuto.com)"]  Uber investors are pressuring CEO to revamp t...    When Khosrowshahi assumed Uber’s helm from ous...   2020-09-22  ETAuto.com  indiatimes.com  Uber business strategy: Uber investors are pre...   [https://auto.economictimes.indiatimes.com/news](https://auto.economictimes.indiatimes.com/news)...   [https://etimg.etb2bimg.com/thumb/msid-78248237](https://etimg.etb2bimg.com/thumb/msid-78248237)...
2   []  Xiaomi recently launched the entry-level Redm...    Xiaomi's new entry-level smartphone offers sol...   2020-09-22  News18  news18.com  Redmi 9A Goes on Sale Today on Amazon and Mi.c...   [https://www.news18.com/news/tech/redmi-9a-goes](https://www.news18.com/news/tech/redmi-9a-goes)...   [https://images.news18.com/ibnlive/uploads/2020](https://images.news18.com/ibnlive/uploads/2020)...
3   []  Bolsonaro faces growing pressure to green Bra...    Bolsonaro faces growing pressure to green Braz...   2020-09-22  France 24   france24.com    Bolsonaro faces growing pressure to green Braz...   [https://www.france24.com/en/20200922-bolsonaro](https://www.france24.com/en/20200922-bolsonaro)...   [https://s.france24.com/media/display/aac6e8c6-](https://s.france24.com/media/display/aac6e8c6-)...
4   []  Market Overview Tickers Articles Keywords Che...    GameStop Corp (NYSE: GME) could be extending i...   2020-09-22  Benzinga    benzinga.com    Gamestop Corporation (NYSE:GME), Amazon.com, I...   [https://www.benzinga.com/news/20/09/17595730/c](https://www.benzinga.com/news/20/09/17595730/c)...   [https://cdn.benzinga.com/files/imagecache/og_i](https://cdn.benzinga.com/files/imagecache/og_i)...

使用 NLTK 的 Vader 进行情感分析

有许多算法可以计算文本的情感;最好的通常是在神经网络上训练的,例如在大数据集上的 BERT。您可以使用它进行精确的分析,然而,对于像这样的经验法则研究,我们可以简单地使用 NLTK 库打包的 vader 情绪算法。情绪得分从-1 到 1 不等,一个复合列给出了情绪得分。

import nltk
nltk.download('vader_lexicon')
from nltk.sentiment.vader import SentimentIntensityAnalyzer
vader = SentimentIntensityAnalyzer()scores = df['title'].apply(vader.polarity_scores).tolist()
scores[:5]
#Output
[{'compound': 0.1779, 'neg': 0.0, 'neu': 0.892, 'pos': 0.108},
 {'compound': -0.3947, 'neg': 0.143, 'neu': 0.857, 'pos': 0.0},
 {'compound': 0.1779, 'neg': 0.0, 'neu': 0.884, 'pos': 0.116},
 {'compound': -0.128, 'neg': 0.185, 'neu': 0.672, 'pos': 0.143},
 {'compound': 0.1779, 'neg': 0.0, 'neu': 0.892, 'pos': 0.108}]

让我们把这个加入到我们最初创建的数据框架中。

scores_df = pd.DataFrame(scores)
# join it with main dataframe
df = df.join(scores_df, rsuffix='_right')# Convert the date column from string to datetime
df['date'] = pd.to_datetime(df.publishedAt).dt.date# Group by date and ticker columns from scored_news and calculate the mean
mean_scores = df.groupby(['date']).mean()
mean_scores
# Outputcompound    neg     neu     pos
date                
2020-09-22  0.099078    0.079065    0.787065    0.133871
2020-09-23  0.084607    0.064409    0.812341    0.123260
2020-09-24  0.150295    0.045265    0.822676    0.132071
2020-09-25  0.061525    0.063262    0.838885    0.097852
2020-09-26  0.210888    0.044955    0.790333    0.164773
2020-09-27  0.257901    0.043290    0.751855    0.204855
2020-09-28  0.292509    0.020722    0.783089    0.196189

我们现在需要做的就是将这一情绪得分绘制成条形图,并与股价进行比较。

import matplotlib.pyplot as pltplt.rcParams['figure.figsize'] = [10, 6]mean_scores = mean_scores.unstack()# Get the cross-section of compound in the 'columns' axis
mean_scores = mean_scores.xs('compound').transpose()# Plot a bar chart with pandas
mean_scores.plot(kind = 'bar')
plt.grid()# Plotting a subset of amazon stock price for 7 days
# code block 1.2 (Cont.)# Plotting stock and volumetop = plt.subplot2grid((4,4), (0, 0), rowspan=3, colspan=4)
top.plot(df2['timestamp'], df2['close'], label = 'Closing price')
plt.title('Amazon Close Price')
plt.legend(loc=2)
bottom = plt.subplot2grid((4,4), (3,0), rowspan=1, colspan=4)
bottom.bar(df2["timestamp"], df2["volume"])
plt.title('Amazon Daily Trading Volume')
plt.gcf().set_size_inches(12,8)
plt.subplots_adjust(hspace=0.75)

我们可以立即看到,9 月 23 日之后积极的消息情绪导致整体价格上涨。这种简单化的分析仍然有很多局限性,但它确实表明新闻的情感分析非常有效。

主要限制包括:

  • 当组合不同的新闻来源时,我们必须通过考虑总体领域权威和每个来源的受众总数来对情感得分进行加权平均。例如,《华尔街日报》上的负面文章应该比 seeking alpha 博客上的负面文章获得更高的情感价值。
  • 我们应始终考虑特定行业中一篮子证券的股价变动,以解释任何行业或宏观经济变化,尤其是在疫情引发的市场波动的不确定时期。

最初发表于T5【http://www.specrom.com】