全球金融新闻与股市关联性研究数据集2007-2023
数据来源：互联网公开数据
标签：金融新闻,股市预测,情感分析,因果关系,文本分类,LSTM,金融市场研究
数据概述：
本数据集整合了来自197个国家的经济和金融新闻文章与股市数据，覆盖了2007年至2023年的15年时间跨度，包含160,000条金融市场新闻记录。数据集利用FinBert模型生成新闻的情感评分，并结合因果关系驱动的特征选择技术，旨在增强金融市场的预测准确性和可靠性。
数据用途概述：
该数据集适用于金融市场的预测分析、因果关系研究、文本分类任务等多种场景。研究人员可以利用此数据进行金融市场的趋势预测；投资机构可以借助数据识别市场情绪变化；政策制定者可以基于数据评估金融政策的有效性。此外，数据集也适合用于教育培训，帮助学习者理解金融市场动态及其影响因素。
举例：
数据集中包含2007年至2023年间来自美国的金融新闻记录及其对应的情感评分，这些记录可用于训练LSTM模型，以预测S&P500指数的走势。通过分析新闻中的情感倾向，模型能够捕捉市场情绪的变化，从而提高预测的准确性。
