Detecting Short-selling Using Ensemble Learning

介绍

软件架构

• model code
  • CART-AdaBoost
  • LSTM-AdaBoost
• feature construction
  • textual feature
    • Scraping-SEC-filings
    • FReader
    • features
• data

使用说明

• model code
  存放模型代码
  • CART-AdaBoost
  • LSTM-AdaBoost
• feature construction
  存放特征构建代码
  • textual feature
    文本特征：可读性，信息含量，文本情绪
    • Scraping-SEC-filings
      爬取SEC EDGAR FTP site上的年报
    • FReader
      解析html格式的年报，提取所有文字内容，计算可读性
    • features
      文本情绪：
      Generic_Parser.py: 基于LM(2011)词典构建文本情绪和可读性
      LoughranMcDonald_MasterDictionary_2018.csv : LM词典
      信息含量：
      tf-idf_LSA_cos.py: TF-IDF+余弦相似度+LSA计算信息含量
      主题分布：
      LDA.py
• data
  2009-2019 Chinese concept stocks list.csv:2009-2019年美股在市中概股
  yearly dataset.csv：年度频率的数据集，包含文本特征和财务特征
  monthly dataset.csv：月度频率的数据集，包含股价特征

参与贡献