Multimodale Finanzprognosen: Sentiment & Marktindikatoren via Cross‑Modal Attention

Forscher haben das neue Modell STONK (Stock Optimization using News Knowledge) vorgestellt, das numerische Marktindikatoren mit sentiment‑angereicherten Nachrichten‑Embeddings kombiniert, um die tägliche Kursbewegung von Aktien genauer vorherzusagen.

Durch die Fusion von numerischen und textbasierten Merkmalen mittels Feature‑Konkatenation und Cross‑Modal Attention schafft STONK einen einheitlichen Analyse‑Pipeline, der die Schwächen isolierter Ansätze überwindet. Backtesting‑Ergebnisse zeigen, dass STONK die Leistung von ausschließlich numerischen Basismodellen deutlich übertrifft.

Die Autoren untersuchen verschiedene Fusion‑Strategien und Modellkonfigurationen und liefern damit praxisnahe, evidenzbasierte Empfehlungen für die Skalierung multimodaler Finanzprognosen. Der komplette Quellcode ist öffentlich auf GitHub verfügbar.