My thesis proposes to improve rating models in the IRB approach for companies using sentiment analysis. To do so, I present ARSA. ARSA was proposed by the authors Liu, Huang and Yu. ARSA is an autoregressive model based on the extraction of sentiment from text documents via the Sentiment Probabilistic Latent Semantic Analysis. The ARSA inventors applied the ARSA for forecasting movies revenues, with better results than those obtained employing only the autoregressive modelwithout sentiment anlysis.
La tesi propone di migliorare i modelli di rating nell'approccio IRB delle società impiegando la sentiment analysis. Per farlo, si presenta il modello autoregressivo ARSA, proposto dagli autori Liu, Huang e Yu. ARSA si basa sull'estrazione dei sentiment dai documenti di testo tramite la Sentiment Probabilistic Latent Semantic Analysis. Gli inventori dell'ARSA hanno applicato l'ARSA per la previsione dei fatturati dei film al botteghino, con risultati migliori di quelli ottenuti impiegando solo il modello autoregressivo senza sentiment anlysis.
Modelli di Rating e Sentiment Analysis: possibili evoluzioni future
CELEGHINI, NICOLÒ
2017/2018
Abstract
La tesi propone di migliorare i modelli di rating nell'approccio IRB delle società impiegando la sentiment analysis. Per farlo, si presenta il modello autoregressivo ARSA, proposto dagli autori Liu, Huang e Yu. ARSA si basa sull'estrazione dei sentiment dai documenti di testo tramite la Sentiment Probabilistic Latent Semantic Analysis. Gli inventori dell'ARSA hanno applicato l'ARSA per la previsione dei fatturati dei film al botteghino, con risultati migliori di quelli ottenuti impiegando solo il modello autoregressivo senza sentiment anlysis.File | Dimensione | Formato | |
---|---|---|---|
779542_modellidiratingesentimentanalysispossibilievoluzionifuture.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
1.14 MB
Formato
Adobe PDF
|
1.14 MB | Adobe PDF |
Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/94411