ترجمه مقاله چگونگی پیش بینی بازار بورس توسط توئیتر

توضیحات

عنوان فارسی:

ترجمه مقاله چگونگی پیش بینی بازار بورس توسط توئیتر

عنوان انگلیسی:

Twitter mood predicts the stock market

چکیده:

رفتارهای اقتصادی به ما می گوید که احساسات می تواند به صورت عمیق بر رفتارهای فردی و تصمیم گیری افراد تاثیر بگذارد. آیا این به صورت گسترده در جوامع نیز بکار برده می شود؟ یعنی آیا کیفیت حالات تجربه شده در جوامع، می تواند بر چگونگی تصمیم گیری کلی تاثیر بگذارد؟ با تعمیم این قضیه آیا حالت عمومی در رابطه یا پیش بینی کننده شاخص های اقتصادی است؟ در این مقاله ما بررسی کردیم آیا رابطه ای بین سنجش کیفیت حالات کلی که در مقیاس وسیع از طریق توئیتر بدست آمده اند با میانگین ارزش صنعتی Dow Jones(DJIA) در هر زمان وجود دارد؟ ما محتوای متنی پیام های توئیتر را در هر روز با دو ابزار پیگیری حالت به نام های Opinion Finder(پیدا کننده نظر) و پروفایل گوگل از حالات مختلف (GPOMS) آنالیز کردیم. Opinion Finder حالات های مثبت را در مقابل حالت های منفی اندازه  گیری می کند و GPOMS حالت را از 6 بعد (آرامش، هراس، اطمینان، حیاتی بودن، مهربانی و شادی) اندازه گیری می کند. ما نتایج سری های زمانی حالت را با مقایسه توانمندی آنها در تشخیص عکس العمل عمومی در انتخابات ریاست جمهوری و روز شکرگزاری در سال 2008 اعتبار سنجی متقابل کردیم. سپس آنالیز علیت گرنجر و شبکه عصبی فازی خود سازمان دهی شده برای بررسی فرضیه کیفیت حالات عمومی استفاده شد، که توسط مجموعه OpinionFinder  و سری های زمانی حالت GPOMS قابل اندازه گیری است، که بدین وسیله پیش بینی تغییرات در ارزش های نهایی DJIA میسر شد. نتایج ما نشان می دهد که دقت پیش بینی DJIA می تواند با گنجاندن ابعاد ویژه از حالات عمومی نه همه ابعاد، بطور قابل توجهی بهبود یابد. ما به دقتی در حدود 7/86% در پیش بینی تغییرات روزانه در ارزش های نهاییDJIA  دست یافتیم و کاهش متوسط میانگین درصد خطا (MAPE) به بیشتر از 6% رسید.

مقدمه:                                               
پیش بینی بازار بورس توجه دانشگاه و همچنین تجارت را به صورت قابل توجه جذب کرده است. اما آیا واقعا می توان بازار بورس را پیش بینی کرد؟ تحقیقات اولیه در پیش بینی بازار بورس [14،13،19] بر اساس نظریه گام تصادفی و فرضیه بازار کارآمدEMH)) بود]12[. با توجه به EMH قیمت های بازار بورس تا حد زیادی از اطلاعات جدید به جای قیمت های حال و گذشته بدست می آیند، یعنی، اخبار. از آنجایی که اخبار غیر قابل پیش بینی هستند، قیمت های بازار بورس یک الگوی گام تصادفی را دنبال خواهند کرد و نمی توانند با دقت بیش از 50% پیش بینی شوند[43].                              
با این حال  که بدنه در حال رشد تحقیقات به صورت انتقادی EMH را]31[، به ویژه از منظرتئوری مالی اجتماعی اقتصادی (STF) ]41و42[،رفتارهای اقتصادی [47] و رفتارهای مالی [36] مورد بررسی قرار داده است. مطالعات متعدد نشان می دهد که قیمت های بازار بورس از گام تصادفی پیروی نمی کنند و در واقع می توانند از برخی درجات [4،24،16،43] به موجب مفروضات پایه  EMH پیش بینی شوند. برخی از تحقیقات اخیر اشاره می کنند که اخبار ممکن است غیر قابل پیش بینی باشد اما شاخص های بسیار اولیه را می توان از رسانه های اجتماعی آنلاین (وبلاگ ها، توییتر و غیره) برای پیش بینی تغییرات در شاخص های مختلف اقتصادی و تجاری استخراج کرد. این مورد ممکن است همچنین برای بازار بورس نیز امکان پذیر باشد. به عنوان مثال، Gruhl و همکاران [18] نشان دادند چگونه فعالیت چت آنلاین میزان فروش کتاب را پیش بینی می کند. Mishne  و Rijke [34] از ارزیابی احساسات وبلاگ برای پیش بینی فروش فیلم استفاده کردند. Liu و همکاران [30] فروش محصولات آینده را با استفاده از یک مدل تحلیل معنایی احتمالی نهان (PLSA) که به استخراج شاخص احساسات از وبلاگ ها می پردازد، پیش بینی کردند. علاوه بر این، جستجوی گوگل به منظور ارائه شاخص اولیه از نرخ سرایت بیماری و هزینه های مصرف کننده نمایش داده شده است [6]. Schumaker و Chen [46] به بررسی ارتباط بین اخبار مالی ورشکستگی  و تغییرات قیمت سهام پرداختند. اخیرا، ASUR و Huberman [1] اثباتی از چگونگی ارتباط احساسات عمومی با فیلم ها ارائه دادند، همانطور که در توییتر بیان شده، که در واقع می تواند تعداد رسیدهای گیشه فروش بلیط را پیش بینی کند.

اگر چه اخبار قطعا قیمت های بازار بورس را تحت تاثیرقرار می دهد، کیفیت حالت عمومی و یا احساسات ممکن است به همان اندازه نقش مهمی بازی کنند. ما از تحقیقات روانشناسی به این احساسات پی بردیم، علاوه بر این اطلاعات نقش قابل توجهی در تصمیم گیری انسان بازی می کنند[9،7،23]. رفتار مالی دلیل دیگری ارائه می کند که نشان می دهد تصمیم گیری های مالی به میزان قابل توجهی از احساسات و حالات تحت تاثیر قرار می گیرند[36]. بنابراین منطقی است که فرض کنیم که حالت عمومی و احساسات می توانند ارزش های بازار بورس را به اندازه اخبار تحت تاثیر قرار دهند.

با این حال، اگر هدف ما مطالعه چگونگی تأثیر حالت عمومی بر بازارهای بورس باشد، ما نیاز به ارزیابی قابل اعتماد، مقیاس پذیر و اولیه از حالت عمومی در پیش بینی بازار سهام در شاخص زمان و دقت مناسب برای پیش بینی عملی بازار بورس داریم. بررسی گسترده از حالت عمومی نمونه هایی از جامعه، به طور کلی در مقایسه با نظریه Gallup و مصرف کنندگان مختلف و شاخص های رفاه هزینه بر و وقت گیر خواهد بود. بنابراین بعضی از آنها ارزیابی غیر مستقیمی از حالت عمومی یا احساسات ناشی از نتایج بازی های فوتبال [10] و شرایط آب و هوایی [20] پیشنهاد می کنند. دقت این روش ها با وجود اینکه به درجه پایین محدود است از شاخص های انتخاب شده انتظار می رود که با حالت عمومی ارتباط داشته باشند.

در طول 5 سال گذشته تکنیک های ردیابی احساسات پیشرفت های چشمگیری کرده اند. که شاخص های حالت عمومی به طور مستقیم از محتوای رسانه های اجتماعی مانند محتوای وبلاگ ها [17،34،30،8] و به ویژه در مقیاس بزرگ از توییتر استخراج می شوند[39]. اگر چه هر اصطلاح توییت، یعنی یک پست از یک کاربر، تنها محدود به 140 کاراکتر است، تجمع میلیون ها توییت ارسالی در توییتردر هر زمان ممکن است یک بازنمایی صحیح از حالت عمومی و احساسات ارائه کند. این امر منجر به توسعه شاخص ردیابی احساسات واقعی مانند [8] و “Pulse of Nation” است . در واقع، فعالیت اخیر به منظور استخراج شاخص کیفیت حالت عمومی از منابع آنلاین و ارتباط دادن آنها با شاخص های اقتصادی آغاز شده است[17،50].

در این مقاله ما بررسی کردیم که آیا احساسات عمومی ، همانطور که در مجموعه بزرگی از پست های روزانه توییتر بیان شده است ، در واقع می تواند برای پیش بینی بازار بورس استفاده شود. ما از دو ابزار برای اندازه گیری تغییرات حالت عمومی از توییت های ارسال شده در سرویس توییتر از 28 فوریه 2008 تا 19 دسامبر 2008 استفاده کردیم. اولین ابزار ، OpinionFinder، است که محتوای متن توییت های ارسالی دریک روز معین را آنالیز می کند تا سری های زمانی از حالت عمومی مثبت در مقابل سری های زمانی را از حالت عمومی منفی فراهم کند. ابزار دوم، GPOMS، است که به طور مشابه محتوای متن توییت را برای ایجاد سری های زمانی روزانه شش بعدی از حالت عمومی آنالیز می کند که به ارائه یک دید دقیق تر از تغییرات عمومی به همراه تفاوت در ابعاد حالت می پردازد. نتایج سری های زمانی حالت عمومی با میانگین صنعتی Dow Jones(DJIA) برای ارزیابی توانایی آنها برای پیش بینی تغییرات DJIA در طول زمان ، ارتباط داده می شوند. نتایج ما نشان می دهد که دقت پیش بینی مدل های استاندارد پیش بینی بازار بورس هنگامی که ابعاد خاصی از حالت را شامل می شوند، اما نه همه ابعاد، به طور قابل توجهی بهبود یافته اند. تغییرات خاص در ابعاد عمومی حالت آرامش و شادی که با GPOMS اندازه گیری شده اند اما نه شادی کلی که توسط ابزارOpinionFinder اندازه گیری شده است، به نظر می رسد اثر پیش بینی کننده داشته باشند.

توجه:

• برای دانلود فایل word کامل ترجمه لطفا اقدام به خرید فرمایید.
• پس از خرید بلافاصله لینک دانلود فایل برای شما ایمیل خواهد شد.