The effect of financial news on stock prices: insights from NLP techniques

Abstract

En este proyecto se realizan distintos análisis sobre el efecto de las noticias financieras en la dinámica de precios de las empresas cotizadas en bolsa. Se centra en noticias de los periódicos Financial Times y Wall Street Journal sobre el sector de gas y petróleo.

Estos análisis incluyen la clasificación de las noticias en función de su contenido y sentimiento para analizar el sesgo de los periódicos y posteriormente realizar estudios de eventos de la evolución de su rentabilidad anormal por encima de la determinada por el modelo de 3 factores de Fama-French (Fama & French, 1992)

Para llevar a cabo todos estos análisis se han empleado diferentes técnicas de Procesamiento del Lenguaje Natural (NLP), destacando el fine-tuning de Grandes Modelos de Lenguaje (LLMs), como BERT. Estos modelos suelen emplear una arquitectura de transformers basada en el concepto de autoatención. Este proyecto hace hincapié en la utilidad de afinar modelos preentrenados.

This dissertation conducts different analyses of financial news's effect on the price dynamics of traded companies. The project focuses on oil & gas companies related news from two different newspapers (the Financial Times and the Wall Street Journal). These analyses include the classification of news based on their content and sentiment to analyze newspaper bias and perform event studies of the evolution of their abnormal return over and above the one determined by the Fama-French 3 factor model (Fama & French, 1992) Different Natural Language Processing (NLP) techniques have been employed to carry out all these analyses, highlighting the use of fine-tuned Large Language Models (LLM), like BERT. These models usually employ a transformer architecture based on the self-attention concept. This project emphasizes the utility of fine-tuning pre-trained models.