FinTexTS: Finanztexte und Zeitreihen semantisch verknüpft

In einer wegweisenden Veröffentlichung präsentiert das Forschungsteam das neue Datenset FinTexTS, das Finanztexte und Börsenzeitreihen auf einer semantischen und mehrstufigen Basis miteinander verbindet. Das Ziel ist klar: die komplexen Wechselwirkungen zwischen Unternehmensnachrichten, Branchenentwicklungen und makroökonomischen Faktoren besser abzubilden, um die Vorhersagegenauigkeit von Aktienkursen zu erhöhen.

Traditionelle Ansätze zur Zusammenführung von Text und Zeitreihen stützen sich häufig auf einfache Schlüsselwortabgleiche. Diese Methode vernachlässigt jedoch die vielschichtigen Beziehungen, die in den Finanzmärkten bestehen – etwa wie Ereignisse eines Unternehmens die Kurse seiner Konkurrenten oder die gesamte Branche beeinflussen. FinTexTS löst dieses Problem, indem es zunächst den spezifischen Kontext eines Zielunternehmens aus SEC‑Filings extrahiert und anschließend mithilfe von Embedding‑Modellen semantisch relevante Nachrichtenartikel findet.

Ein weiteres innovatives Element ist die mehrstufige Klassifizierung der Nachrichten. Durch den Einsatz großer Sprachmodelle werden Artikel in vier Ebenen eingeteilt: makroökonomisch, sektorbezogen, für verwandte Unternehmen relevant und direkt für das Zielunternehmen. Diese Granularität ermöglicht eine präzisere Zuordnung von Textdaten zu den jeweiligen Zeitreihen.

Die Anwendung dieses Frameworks auf öffentlich verfügbare Nachrichtenportale hat zur Erstellung von FinTexTS geführt – einem umfangreichen Datensatz, der Text- und Preisdaten für zahlreiche Aktien abdeckt. Experimentelle Tests zeigen, dass Modelle, die auf FinTexTS trainiert wurden, die Kursentwicklung deutlich besser vorhersagen können als solche, die auf herkömmlichen, keywordbasierten Datensätzen beruhen.

FinTexTS eröffnet damit neue Forschungswege in der Finanzdatenanalyse und bietet Praktikern ein leistungsfähiges Werkzeug, um die Wirkung von Nachrichten auf Marktbewegungen genauer zu verstehen und vorherzusagen.