LLMによるニュース報道の広がり分析を活用した株価変動予測手法

本記事では、株式市場におけるニュースの影響力を分析し、株価変動を予測する新しい手法を紹介します。

株価予測において市場参加者の感情（センチメント）を理解することは重要な要素とされており、LLMの登場によってその分析能力は飛躍的に向上しています。

研究者らは従来の手法では見落とされていた”ニュースの普及度合い”に着目し、株価予測の精度向上に取り組みました。

背景

株式市場は世論やニュースに敏感に反応し、取引行動を通じて株価が変動することが知られています。市場参加者の感情（センチメント）の変化を理解することは価格変動パターンの重要な手がかりとなるため、現代の金融予測においてセンチメント分析は不可欠な要素となっています。

自然言語処理技術の発展により、大量のテキストデータからセンチメントを分析・解釈する能力は飛躍的に向上しました。しかし従来の研究では個々のニュース記事のセンチメント分析の精度向上に重点が置かれ、市場全体のセンチメントの評価や株価予測への応用は限定的でした。

そんな中、LLMの登場は金融センチメント分析に転機をもたらしました。従来のセンチメントの分類に加えて、株価変動の予測根拠も提供できるようになりました。実際にFinRobotなどの研究では、マーケット予測ツールを通じて単一のニュース分析を超えた包括的なセンチメント分析が実証されています。

しかし既存手法の多くはニュースの内容のみに依存しており、市場の反応や株価変動に大きな影響を与えるニュースの普及（どれだけ広く報道されているか）という重要な要素が考慮されていませんでした。また、十分なコンテキストデータ（企業の財務状況や市場環境などの背景情報）が不足しているため、LLMのニュース解釈能力が制限されるという課題もありました。

そこで今回研究者らは、毎週の株価変動を予測するため、ニュースの普及範囲やコンテキストデータ、正確な指示を組み込んだ新しいアプローチの開発に取り組みました。株価の変動は上昇・下降それぞれ6段階（1%未満から5%以上まで）に分類され、予測には「前週の株価動向」、「最新のニュース」、「企業の基礎的な財務指標」が活用されます。

以下で詳しく紹介します。