کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943628 1437629 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The hasty wisdom of the mob: How market sentiment predicts stock market behavior
ترجمه فارسی عنوان
حکمت شتابزده ماهر: چگونه احساسات بازار رفتار بازار سهام را پیش بینی می کند
کلمات کلیدی
احساسات، بازار سهام، رسانه های اجتماعی، پیش بینی، میکرو وبلاگ نویسی، تجزیه و تحلیل،
ترجمه چکیده
ما توانایی معیارهای احساساتی را که از سایت های میکرو وبلاگ نویسی استخراج شده اند، برای پیش بینی بازار سهام بررسی می کنیم. ما همچنین از لحاظ زمانی و افق پیش بینی شده احساسات را مطرح می کنیم. این اطلاعات مربوط به احساسات وبلاگ نویسان در مورد پنج سهام عمده است. با استفاده از معیارهای صعودی و نزولی مستقل، به صورت دوازدهم بشکه ای، ما توانایی خود را برای پیش بینی قیمت سهام، نوسانات و حجم معامله را مدل می کنیم. ما شواهدی از یک رابطه علی از احساسات به بازگشت قیمت سهام، نوسان و حجم پیدا می کنیم. افق زمان پیش بینی شده، به جای ساعت یا روز، دقیقه است. ما استدلال می کنیم که احساسات متنوع و بلند نسبت به نوسان قیمت و حجم معامله پیش بینی بیشتری نسبت به نزدیک بودن اجماع پیش بینی می کند. علیت طولانی است به این معنا، جمعیت بیشتر از یک منبع خرد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
We explore the ability of sentiment metrics, extracted from micro-blogging sites, to predict stock markets. We also address sentiments' predictive time-horizons. The data concern bloggers' feelings about five major stocks. Taking independent bullish and bearish sentiment metrics, granular to two minute intervals, we model their ability to forecast stock price direction, volatility, and traded volume. We find evidence of a causal link from sentiments to stock price returns, volatility and volume. The predictive time-horizon is minutes, rather than hours or days. We argue that diverse and high volume sentiment is more predictive of price volatility and traded volume than near-consensus is predictive of price direction. Causality is ephemeral. In this sense, the crowd is more a hasty mob than a source of wisdom.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 77, 1 July 2017, Pages 256-263
نویسندگان
, , ,