مدلسازی تاثیر روانشناسی سرمایه گذاران بر رفتار قیمتی سهام با استفاده از روش های یادگیری ماشین (مطالعه موردی در بورس اوراق بهادار تهران)
آرشیو
چکیده
در دنیای امروز که داده های مالی و روانشناختی به وفور در دسترس هستند (مانند داده های شبکه های اجتماعی، اخبار اقتصادی و تحلیلی، و روندهای جستجو)، بهره گیری از روش های یادگیری ماشین به عنوان ابزاری قدرتمند برای تحلیل داده های پیچیده و بزرگ، ضروری به نظر می رسد. یادگیری ماشین نه تنها توانایی شناسایی الگوهای پنهان در داده ها را دارد، بلکه می تواند روابط غیرخطی و چندبعدی را با دقت بالا مدل سازی کند. در بازارهای مالی، رفتار سرمایه گذاران نقش قابل توجهی در نوسانات قیمتی و بازده سهام ایفا می کند. پژوهش حاضر به بررسی تأثیر عوامل روانشناسی سرمایه گذاران بر رفتار قیمتی سهام در بورس اوراق بهادار تهران با استفاده از روش های یادگیری ماشین می پردازد. به منظور مدل سازی، شاخص احساسات بازار بر اساس داده های تاریخی از شبکه های اجتماعی، حجم معاملات و تغییرات شاخص کل استخراج شده است. سپس با استفاده از الگوریتم های یادگیری ماشین از جمله جنگل تصادفی، ماشین بردار پشتیبان و شبکه های عصبی مصنوعی، تأثیر احساسات بر نوسانات و بازده سهام تحلیل شده است. نتایج نشان می دهد که احساسات سرمایه گذاران تأثیر معناداری بر رفتار قیمتی سهام دارند و الگوریتم شبکه های عصبی مصنوعی با دقت بالاتری نسبت به سایر روش ها قادر به پیش بینی تغییرات بازده است. یافته های این پژوهش می تواند به تصمیم گیری بهتر سرمایه گذاران و بهبود سیاست گذاری مالی کمک کند.Modeling the Impact of Investor Psychology on Stock Price Behavior Using Machine Learning Methods (Case Study in Tehran Stock Exchange)
In today's world, where financial and psychological data are abundantly available (such as social media data, economic and analytical news, and search trends), the use of machine learning methods as a powerful tool for analyzing complex and large data sets seems essential. Machine learning not only has the ability to identify hidden patterns in data, but also can model nonlinear and multidimensional relationships with high accuracy. In financial markets, investor behavior plays a significant role in stock price fluctuations and returns. This study investigates the impact of investor psychology on stock price behavior in the Tehran Stock Exchange using machine learning methods. For modeling purposes, the market sentiment index was extracted based on historical data from social networks, trading volume, and changes in the total index. Then, using machine learning algorithms such as random forest, support vector machine, and artificial neural networks, the impact of sentiment on stock volatility and returns was analyzed. The results show that investor sentiment has a significant impact on stock price behavior and the artificial neural network algorithm is able to predict return changes with higher accuracy than other methods. The findings of this study can help investors make better decisions and improve financial policies.
تبلیغات
