تجزیه و تحلیل احساسات و یادگیری ماشین در امور مالی: مقایسه روش ها و مدل ها در یک میلیون پیام

ما برای ارزیابی عملکرد طیف گسترده ای از روشهای پیش پردازش و الگوریتم های یادگیری ماشین برای تجزیه و تحلیل احساسات در امور مالی ، از یک داده بزرگ از یک میلیون پیام ارسال شده بر روی سیستم عامل میکروبلاگینگ استفاده می کنیم. ما می دانیم که اضافه کردن bigrams و emojis به طور قابل توجهی عملکرد طبقه بندی احساسات را بهبود می بخشد. با این حال ، روشهای پیچیده تر و وقت گیر یادگیری ماشین ، مانند جنگل های تصادفی یا شبکه های عصبی ، صحت طبقه بندی را بهبود نمی بخشد. ما همچنین شواهد تجربی ارائه می دهیم که نشان می دهد روش پیش پردازش و اندازه مجموعه داده تأثیر زیادی بر همبستگی بین احساسات سرمایه گذار و بازده سهام دارد. در حالی که احساسات سرمایه گذار و بازده سهام بسیار همبسته است ، ما نمی دانیم که احساسات سرمایه گذار حاصل از پیام های ارسال شده در رسانه های اجتماعی در پیش بینی بازده سرمایه بزرگ با فرکانس روزانه کمک می کند.

استناد پیشنهادی

بارگیری متن کامل از ناشر

از آنجا که دسترسی به این سند محدود است ، ممکن است بخواهید نسخه دیگری از آن را جستجو کنید.

منابع ذکر شده در ایده ها

1. Leung ، Henry & Ton ، Thai ، 2015. "تأثیر تابلوهای پیام سهام اینترنتی بر بازده مقطعی سهام سرمایه گذاری کوچک ،" مجله بانکی و دارایی ، Elsevier ، جلد. 55 (ج) ، صفحات 37-55.

• Leung ، H. & Ton ، T. ، 2015. "تأثیر تابلوهای پیام سهام اینترنتی بر بازده مقطعی سهام سرمایه گذاری کوچک ،" انتشارات دانشگاه فنی Darmstadt ، انستیتوی مطالعات تجاری (BWL) 85516 ، دانشگاه فنی Darmstadt، گروه مدیریت بازرگانی ، اقتصاد و حقوق ، انستیتوی مطالعات تجاری (BWL).

• Khurshid Ahmad & Jingguang Han & Elaine Hutson & Colm Keaey & Sha Liu ، 2016. "لحن منفی بیان شده در رسانه ها و بازده سهام سطح شرکت ،" انتشارات دسترسی آزاد 10197/8208 ، مخزن تحقیقاتی ، کالج دانشگاه دوبلین.

استناد

1. ؟ Ikolaos A. Kyriazis ، 2021. "تأثیرات شاخص های سهام ، نفت و احساسات توییتر بر ارزهای اصلی رمزنگاری در طول موج اول Covid-19 ،" بولتن اقتصاد کاربردی ، مجلات بازار ریسک ، جلد. 8 (2) ، صفحات 133-146.
2. نیکلاس ، Maxime L. D. ، 2022. "تخمین الگویی از رفتار گله دار در شبکه های اجتماعی ،" Physica A: مکانیک آماری و کاربردهای آن ، Elsevier ، Vol. 604 (ج).
3. Béatrice Boulu-Reshef & Catherine Bruneau & Maxime Nicolas & Thomas Renault ، 2022. "یک تحلیل تجربی از احساسات سرمایه گذار ،" مقالات کار لئو / DR LEO 2940 ، آزمایشگاه اقتصاد اورلئان / Laboratoire D'Onomense D'Orleans (LEO) ، دانشگاه دانشگاه ، دانشگاه. اورلئان
4. Mazzotta ، Stefano ، 2022. "احساسات روایت مهاجرت از اخبار تلویزیون و بازار سهام" ، مجله امور مالی رفتاری و تجربی ، الزوایر ، جلد. 34 (ج).
5. Bowden ، James & Gemayel ، Roland ، 2022. "تصمیمات احساسات و معاملات در یک محیط مبهم: مطالعه ای در مورد معامله گران رمزنگاری ،" مجله بازارهای بین المللی مالی ، موسسات و پول ، الزوایر ، جلد. 80 (ج).
6. لیو ، کیان و ژو ، جیانان و دونگ ، داونگ ، 2021. "بهبود پیش بینی قیمت سهام با استفاده از مدل حافظه کوتاه مدت طولانی مدت همراه با شبکه های اجتماعی آنلاین ،" مجله امور مالی رفتاری و تجربی ، الزوییر ، جلد. 30 (ج).

بیشتر موارد مرتبط

1. Daniele Ballinari & Simon Behrendt ، 2021. "چگونه می توان رفتار سرمایه گذار را ارزیابی کرد؟ مقایسه اقدامات احساساتی سرمایه گذار آنلاین ،" امور مالی دیجیتال ، اسپرینگر ، جلد. 3 (2) ، صفحات 169-204 ، ژوئن.
2. کریستینا بانییر و توماس پاولز و آندریاس والتر ، 2019. "تجزیه و تحلیل محتوا از ارتباطات تجاری: معرفی یک فرهنگ لغت آلمانی" ، مجله اقتصاد تجارت ، اسپرینگر ، جلد. 89 (1) ، صفحات 79-123 ، فوریه.
3. میوا ، کوتارو ، 2022. "نقش اطلاع رسانی اظهارات متنی تحلیلگران" ، تحقیقات در تجارت و امور مالی بین المللی ، الزوایر ، جلد. 59 (ج).
4. رنو ، توماس ، 2017. "احساسات سرمایه گذار آنلاین Intraday و الگوهای بازگشت در بازار سهام ایالات متحده" ، مجله بانکی و دارایی ، الزوایر ، جلد. 84 (ج) ، صفحات 25-40.
5. Eierle ، Brigitte & Klamer ، Sebastian & Muck ، Matthias ، 2022. "آیا واقعاً برای سرمایه گذاران پرداخت می کند تا اطلاعات رسانه های اجتماعی را در نظر بگیرند؟" ، بررسی بین المللی تجزیه و تحلیل مالی ، Elsevier ، جلد. 81 (ج).
6. Szymon Lis ، 2022. "احساسات سرمایه گذار در مدل های قیمت گذاری دارایی: یک بررسی" ، مقالات کار 2022-14 ، دانشکده علوم اقتصادی ، دانشگاه ورشو.
7. لی ، شیائو ، 2020. "وقتی سواد مالی با تحلیل متنی روبرو می شود: یک بررسی مفهومی" ، مجله امور مالی رفتاری و تجربی ، الزوایر ، جلد. 28 (ج).
8. چن ، کتی یی-هسوان و دسپرس ، رومی و گوو ، لی و رنو ، توماس ، 2019گروه آموزش بین المللی تحقیقاتی 1792 "سری زمانی غیر استاتوری ابعادی بالا".
9. Fang ، Hao & Chung ، Chien-Ping & Lu ، Yang-Cheng & Le ، Yen-Hsien & Wang ، Wen-Hao ، 2021. "تأثیر احساسات سرمایه گذاران بر بازده سهام با استفاده از رویکردهای FinTech ،" بررسی بین المللی تجزیه و تحلیل مالی، Elsevier ، جلد. 77 (ج).
10. Renato Camodeca & Alex Almici & Umberto Sagliaschi ، 2018. "افشای پایداری در گزارش دهی یکپارچه: آیا برای سرمایه گذاران مهم است؟ یک رویکرد صحبت ارزان ،" پایداری ، MDPI ، جلد. 10 (12) ، صفحات 1-34 ، نوامبر.
11. Ingrid E. Fisher & Margaret R. Gasey & Mark E. Hughes ، 2016. "پردازش زبان طبیعی در حسابداری ، حسابرسی و امور مالی: سنتز ادبیات با نقشه راه برای تحقیقات آینده ،" سیستم های هوشمند در حسابداری ، امور مالی و مدیریتجان ویلی و پسران ، آموزشی ویبولیتین ، جلد. 23 (3) ، صفحات 157-214 ، ژوئیه.
12. تام مارتی و بروس وانستون و توبیاس هان ، 2020. "تجزیه و تحلیل رسانه های خبری در امور مالی: یک نظرسنجی ،" حسابداری و امور مالی ، اتحادیه حسابداری و دارایی استرالیا و نیوزیلند ، جلد. 60 (2) ، صفحات 1385-1434 ، ژوئن.
13. Rui Fan & Oleksandr Talavera & Vu Tran ، 2020. "ربات های رسانه های اجتماعی و بازارهای سهام" ، مدیریت مالی اروپا ، انجمن مدیریت مالی اروپا ، جلد. 26 (3) ، صفحات 753-777 ، ژوئن.

• Rui Fan & Oleksandr Talavera & Vu Tran ، 2018. "ربات های رسانه های اجتماعی و بازارهای سهام" ، مقالات کار 2018-30 ، دانشگاه سوانسی ، دانشکده مدیریت.

اطلاعات بیشتر در مورد این مورد

کلید واژه ها

طبقه بندی JEL:

• G10 - اقتصاد مالی - - بازارهای عمومی مالی - - - عمومی (شامل اندازه گیری و داده ها)
• G12 - اقتصاد مالی - - بازارهای عمومی مالی - - - قیمت گذاری دارایی ؛حجم معاملات؛نرخ بهره اوراق قرضه
• G14 - اقتصاد مالی - - بازارهای عمومی مالی - - - اطلاعات و کارآیی بازار ؛مطالعات رویداد ؛تجارت خودی

آمار

اصلاحات

کلیه مطالب موجود در این سایت توسط ناشران و نویسندگان مربوطه تهیه شده است. شما می توانید به اصلاح خطاها و حذفیات کمک کنید. هنگام درخواست تصحیح ، لطفاً دسته این مورد را ذکر کنید: repec: sper: digfin: v: 2: y: 2020: i: 1: d: 10. 1007_s42521-019-00014-x. به اطلاعات کلی در مورد نحوه اصلاح مطالب در repec مراجعه کنید.

برای سؤالات فنی در مورد این مورد ، یا برای اصلاح نویسندگان آن ، عنوان ، چکیده ، کتابشناختی یا بارگیری اطلاعات ، تماس با :. اطلاعات تماس عمومی ارائه دهنده: http://www. springer.com.

اگر این مورد را تألیف کرده اید و هنوز در Repec ثبت نشده اید ، ما شما را تشویق می کنیم که این کار را در اینجا انجام دهید. این اجازه می دهد تا نمایه خود را به این مورد پیوند دهید. همچنین به شما امکان می دهد استناد های احتمالی را به این مورد بپذیرید که ما در مورد آن نامشخص هستیم.

اگر Citec مرجع کتابشناختی را به رسمیت شناخت اما یک مورد را در repec به آن پیوند نداد ، می توانید به این فرم کمک کنید.

اگر از موارد گمشده ای که به این یکی گفته می شود اطلاع دارید ، می توانید با اضافه کردن منابع مربوطه به همان روش فوق ، برای هر مورد ارجاع ، به ما در ایجاد آن پیوندها کمک کنید. اگر شما یک نویسنده ثبت نام شده از این مورد هستید ، ممکن است بخواهید برگه "استناد" را در مشخصات سرویس Repec نویسنده خود بررسی کنید ، زیرا ممکن است برخی از استناد به انتظار تأیید وجود داشته باشد.

برای سؤالات فنی در مورد این مورد ، یا برای اصلاح نویسندگان آن ، عنوان ، انتزاعی ، کتابشناختی یا دانلود ، تماس با ما: Sonal Shukla یا Springer Nature انتزاعی و نمایه سازی (ایمیل موجود در زیر). اطلاعات تماس عمومی ارائه دهنده: http://www. springer.com.

لطفاً توجه داشته باشید که اصلاحات ممکن است چند هفته طول بکشد تا از طریق خدمات مختلف repec فیلتر شود.