Text mining arXiv: a look through quantitative finance papers
创建于 更新于
摘要
本报告通过文本挖掘和自然语言处理技术，分析了1997至2022年间arXiv上约16,000篇定量金融论文的全文内容及引用信息，揭示了研究主题的演变趋势、最受关注的作者和期刊。多种主题建模算法对比显示，基于Doc2Vec和K-means的方法效果最佳。研究还发现，近年来去中心化金融、区块链、深度学习股票预测和经济学相关主题增长迅速，展示了量化金融研究领域的动态变化和多样化。该方法为大规模预印本库研究提供有效范式 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::8][page::9][page::11][page::12][page::13][page::15][page::16][page::17]
