پیش‌ بینی‌ روند‌ روزانه‌ قیمت‌ سهام‌ با‌ استفاده‌ از‌ متن‌ کاوی‌ احساسات‌ کاربران‌ شبکه‌ اجتماعی‌ و‌ داده‌ کاوی‌ نماگرهای‌ تکنیکال

الموضوعات : دانش سرمایه‌گذاری

کامل ابراهیمیان ¹ (دانشجوی دکترای مدیریت مالی،گروه مدیریت مالی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران)
ابراهیم عباسی ² (دانشیار و عضو هیئت علمی دانشگاه الزهرا، دانشکده علوم اجتماعی و اقتصادی، ده ونک ،تهران، ایران.)
اکبر عالم تبریز ³ (استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.)
امیر محمدزاده ⁴ (دانشیار، گروه مدیریت مالی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.)

تاريخ الإرسال : 05 السبت , رمضان, 1442 تاريخ التأكيد : 12 السبت , رمضان, 1442 تاريخ الإصدار : 18 الأربعاء , جمادى الأولى, 1443

الکلمات المفتاحية: تحلیل‌ احساسات, پیش‌بینی‌ قیمت‌ سهام, علیت‌ گرنجر, الگوریتم‌‌های‌ طبقه‌ بندی,

ملخص المقالة :

ا ین‌ پژوهش‌ به‌ پیش‌ بینی‌ روند‌ آتی‌ قیمت‌ سهام‌ در‌ بازه‌ کوتاه‌ مدت‌ روزانه‌ با‌ استفاده‌ از‌ تحلیل‌ نظرات‌ سرمایه‌ گذاران‌ در‌ شبکه‌ ی‌ اجتماعی‌ سهامیاب‌ می‌ پردازد. قابلیت‌ پیش‌ بینی‌ پذیری‌ بازارهای‌ سهام،‌ به‌ خاطر‌ دارا‌ بودن‌ یک‌ سیستم‌ پیچیده،‌ پویا‌ و‌ غیر‌ خطی‌ همواره‌ از‌ چالش‌ های‌ پژوهشگران‌ بوده‌ است‌ در‌ این‌ تحقیق،‌ برای‌ اولین‌ بار،‌ با‌ تحلیل‌ احساسات‌ نظرات‌ کاربران‌ و‌ ترکیب‌ آن‌ با‌ 22 نماگر‌ تکنیکال‌ به‌ کمک‌ سه‌ الگوریتم‌ درخت‌ تصمیم،‌ بیز‌ ساده‌ و‌ ماشین‌ بردار‌ پشتیبان‌ ،مدلی‌ با‌ دقت‌ 08/72 درصد‌ برای‌ پیش‌ بینی‌ جهت‌ حرکت‌ سهام‌ توسعه‌ یافت‌ و‌ به‌ پیش‌ بینی‌ روند‌ کوتاه‌ مدت‌ سهام‌ پرداخته‌ شد‌ بر‌ اساس‌ نتایج،‌ ماشین‌ بردار‌ پشتیبان،‌ عملکردی‌ بهتر‌ از‌ دو‌ الگوریتم‌ دیگر‌ از‌ خود‌ نشان‌ داد. همچنین‌ مشخص‌ شد‌ حجم‌ معاملات‌ روز‌ آتی‌ و‌ تعداد‌ نظر‌ ها‌ دارای‌ همبستگی‌ معناداری‌ است‌ و‌ نتایج‌ آزمون‌ علیت‌ گرنجر‌ نشان‌ داد‌ می‌ توان‌ برای‌ پیش‌ بینی‌ قیمت‌ سهام،‌ از‌ تجمیع‌ احساسات‌ روزانه‌ کاربران‌ نیز‌ بهره‌ جست.

المصادر:

• Fama, E. F. (1965). The behavior of stock-market prices. The journal of Business, Vol.38, no. 1, pp. 34-105.


• Geweke, J. (1984). Inference and causality in economic time series models. Handbook of econometrics, Vol.2, pp.1101-1144.


• Granger, C. W. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica: journal of the Econometric Society, pp.424-438.


• Bollen، H. Mao، and X. Zeng. (2011). Twitter mood predicts the stock market. Journal of Computational Science.


• Lee, H., Surdeanu, M., MacCartney, B., & Jurafsky, D. (2014, May). On the Importance of Text Analysis for Stock Price Prediction. In LREC (Vol. 2014, pp. 1170-1175).


• Mittal، Anshul، and Arpit Goel. (2012). Stock Prediction Using Twitter Sentiment Analysis. Stanford University، Available online: http://cs229.stanford.edu/proj2011/GoelMittalStockMarketPredictionUsingTwitterSenti


• M، Didehkhani.H،Dameghani.KK، Abbasi.E. (2020).” Investigating the Predictability of Starting Point and Ending Short-Term Trend of Stock Price Using the Bayesian Likelihood Network”، Journal of Financial Management Strategy، Vol. 8، No. 28 Spring


• Schumaker، P.، & Chen، H. (2009). Textual analysis of stock market prediction using breaking financial news: The AZF in text system. ACM Transactions on Information Systems،27(2)


• V. (1995). "The Nature of Statistical Learning Theory"، New York، NY: Springer.


• Vatanparast Mohammadreza،Asadi masoud، Mohammadi Shaban، Babaei abbas .2019.Stock price prediction based on LM-BP neural network and over-point estimation by counting time intervals: Evidence from the Stock Exchange. FINANCIAL   summer، Volume 10 ، Number 39; Page(s) 193 to 218.