Quantitative Financial Modeling for Sri Lankan Markets: Approach Combining NLP, Clustering and Time-Series Forecasting
创建于 更新于
摘要
本研究提出一个面向斯里兰卡股市（S&P SL20、ASPI）的量化框架：以FinBERT抽取ESG情感并用UMAP/HDBSCAN识别5类潜在ESG政权，再用GBM+MLP映射为经济状态；同时比较SRNN/MLP/LSTM/GRU时间序列模型用于价格和方向预测，结果显示DNN分类训练/验证准确率约84.04%/82.0%，GRU（10min intraday）R²=0.801，LSTM方向准确率达52.78%；此外发现S&P SL20与S&P 500具有显著正相关（Pearson r≈0.72），并以规则化融合逻辑合成最终买卖/持有信号，为新兴市场的风险评估与交易决策提供可扩展工具 [page::0][page::6]
