سروش خواجه حق وردی

احساسات موجود در شبکه های اجتماعی در پیش بینی بازده سهام موثر بوده و این عامل می تواند به عنوان یکی از عناصر قابل استفاده در پیش بینی ها مورد استفاده قرار گیرد. پژوهش های پیشین صرفاً از تعداد پیام های منتشره در جهت خرید، فروش یا نگهداری به عنوان عامل تحلیل احساسات استفاده می کرد. در دنیای امروز، گوینده پیام و همچنین اهمیت خود پیام نیز قابل تفکیک و دسته بندی است، لذا تفکیک نمودن پیام های منتشره از سوی اشخاص مهم و پیام هایی که مورد توجه کاربران قرار می گیرند، میتواند در پیش بینی بازدهی سهام کمک کننده تر باشد. محتوای احساسی تعداد 15.736.204 پیام کانال ها و گروه های تلگرامی که دارای محتوای قابل بررسی بودند استخراج شده و پس از برچسب گذاری بر اساس لغتنامه احساسی، موارد در تعداد 19.312 داده مربوط به نماد-روز حاوی بازدهی و محتوای احساسی خلاصه شد. بدین منظور 6 رویکرد داده ای مختلف برای 36 نماد (نمادهای موجود در شاخص 30 شرکت) در بازه زمانی ابتدای سال 1398 لغایت انتهای مرداد سال 1400 به صورت جهتی و پیش بینی مقداری با 1 الی 5 وقفه و 6 الی 10 نرون در لایه پنهان و 10 مرتبه اجرا برای هر حالت مورد بررسی قرار گرفت. نتایج پیش بینی جهتی و بازدهی قیمت با استفاده از شبکه عصبی مصنوعی نشان داد مدلی که داده های مربوط به شخص ارسال کننده پیام و نیز نوع پیام را تفکیک نموده در پیش بینی جهت به صورت معنی دار عملکرد بهتری نسبت به مدل های دیگر داشته و نیز پیش بینی مقداری بازدهی در روش مورد نظر این پژوهش، به صورت معنی داری دارای خطای RMSE کمتری می باشد.