تجارت با روحیه اجتماعی آنلاین: یک استراتژی یادگیری ماشین بر اساس احساسات توییتر

در این مقاله پتانسیل استفاده از داده های احساسات اجتماعی آنلاین در استراتژی های تجارت الگوریتمی بررسی شده است. چندین مدل یادگیری ماشین برای تولید سیگنال تجاری از داده های احساسات برای پیش بینی روند قیمت سهام آزمایش شده است. این الگوریتم ها بر روی ویژگی های استخراج شده از داده های روانی (حاوی احساسات صعودی و نزولی از توییتر) آموزش داده می شوند. یکی از محبوب ترین مدل ها ، طبقه بندی کننده Random Forest (RF) ، برای تولید سیگنال برای استراتژی تجارت انتخاب شده است. پس از پشتی در 1386 سهام ذکر شده در NYSE و NASDAQ ، نتایج نشان می دهد که مدل پیشنهادی از مدل پایه ، یک استراتژی متوسط حرکت ساده (SMA) بهتر است. ما از GridSearchCV برای تنظیم دقیق پارامترهای طبقه بندی کننده استفاده می کنیم و عملکرد را با پایه SMA و معیار جاسوسی مقایسه می کنیم ، نشان می دهد که مدل ما 114. 5 ٪ بازده سرمایه گذاری را از ژانویه 2013 تا اکتبر 2015 ایجاد می کند. علاوه بر این ، پرتفوی های ساخته شده توسط ساختاربه نظر می رسد طبقه بندی کننده RF بازده بالاتری نسبت به پرتفوی های ساخته شده توسط یک استراتژی SMA ایجاد می کند. نتایج نشان می دهد که داده های احساسات توییتر یک نشانگر تجارت فنی ارزشمند برای بخش های خاص است.

منابع

• Bari ، A ، P Peidaee ، A Khera ، J Zhu and H Chen [2019] پیش بینی بازارهای مالی با استفاده از خرد جمعیت ، در سال 2019 4 کنفرانس بین المللی IEEE در مورد تجزیه و تحلیل داده های بزرگ ، ICBDA 2019. https://doi. org/10. 1109/icbda. 2019. 8713246crossref ، Google Scholar
• بلومبرگ (2017). بازار سهام ایالات متحده متعلق به ربات ها ، https://www. bloomberg. com/news/articles/2017-06-15/it-s-a-quant-s-stock-market-as-computer-programs-keep-on-خریداری کردن. گوگل دانشکده
• Bollen ، J ، H Mao و A Pepe [2010] تعیین وضعیت خلق و خوی عمومی با تجزیه و تحلیل پست های میکروبلاگینگ ، سیستم های چند سلامت کتابشناسی ، صص 56-65. گوگل دانشکده
• Bollen ، J ، H Mao and X-J Zeng [2011a] Moot Twitter بازار سهام ، مجله علوم محاسباتی 2 (1) ، 1-8 را پیش بینی می کند. https://doi. org/10. 1016/j. jocs. 2010. 12. 007Crossref ، Google Scholar
• Bollen ، J ، H Mao and X-J Zeng [2011b] Twitter Mood بازار سهام ، بررسی فناوری MIT ، https://www. technologyreview. com/2010/18/199848/twitter-mood-predicts-stock را پیش بینی می کند.-بازار/. گوگل دانشکده
• بولن ، جی ، ح مائو و X-J Zeng (2013). پیش بینی بازار سهام با توییتر ، گزارش فنی. عنوان انتشار: اقتصاد. گوگل دانشکده
• Bollen ، J و H Mao [2011] خلق و خوی توییتر به عنوان پیش بینی کننده بازار سهام ، رایانه 44 (10) ، 91-94. https://doi. org/10. 1109/mc. 2011. 323crossref ، Google Scholar
• Duz Tan ، S و O Tas [2021] احساسات رسانه های اجتماعی در بازده سهام بین المللی و فعالیت تجارت ، مجله امور مالی رفتاری 22 ، 221-234. https://doi. org/10. 1080/15427560. 2020. 1772261crossref ، Google Scholar
• Gabrovšek ، P ، D Aleksovski ، I Mozetiě و M Grěar [2017] احساسات توییتر در مورد رویدادهای اعلامیه درآمد ، PLOS ONE 12 (2) ، E0173151. https://doi. org/10. 1371/joual. pone. 0173151crossref ، Google Scholar
• Gholampour ، V [2019] انتظارات روزانه از شاخص بازده ، مجله مالی تجربی 54 ، 236-252. https://doi. org/10. 1016/j. jempfin. 2019. 10. 004crossref ، Google Scholar
• Guo ، X و J Li [2019] ، یک مدل جدید تجزیه و تحلیل احساسات توییتر با همبستگی پایه برای پیش بینی بازار مالی با بهره وری بهبود یافته ، در سال 2019 ششمین کنفرانس بین المللی تجزیه و تحلیل شبکه های اجتماعی ، مدیریت و امنیت ، SNAMS 2019 ، IEEE. https://doi. org/10. 1109/snams. 2019. 8931720crossref ، Google Scholar
• Hochreiter ، R [2015] محاسبه استراتژی های معاملاتی بر اساس داده های احساسات مالی با استفاده از بهینه سازی تکاملی ، در مندل 2015 ، ویرایش. R. Matoušek ، صص 181-191 ، انتشارات بین المللی اسپرینگر ، چم. Crossref ، Google Scholar
• Kinnal ، K ، KV Sanjeev و K Chandrasekaran [2018] تجزیه و تحلیل قیمت سهام و حجم مرتبط با آن از فعالیت شبکه های اجتماعی ، در ارتباطات شبکه و مهندسی دانش داده ها ، یادداشت های سخنرانی در مورد فن آوری های مهندسی داده ها و ارتباطات ، صص 245-255 ، Springer ،سنگاپورhttps://doi. org/10. 1007/978-981-10-4585-1_20crossref ، Google Scholar
• Li ، Q ، B Zhou و Q Liu [2016] آیا پست های توییتر می توانند رفتار سهام را پیش بینی کنند؟: مطالعه بازار سهام با احساسات اجتماعی توییتر ، در مجموعه مقالات کنفرانس بین المللی IEEE 2016 در مورد محاسبات ابری و تجزیه و تحلیل داده های بزرگ ، ICCCBDA 2016 ، IEEE. https://doi. org/10. 1109/icccbda. 2016. 7529584Google Scholar
• میتال ، A (2011). پیش بینی سهام با استفاده از تجزیه و تحلیل احساسات توییتر ، http://cs229. stanford. edu/proj2011/goelmittal-stockmarketpredpredingtwittersentimanalysis. pdf. گوگل دانشکده
• NISAR ، TM و M Yeung [2018] توییتر به عنوان ابزاری برای پیش بینی حرکات بازار سهام: یک مطالعه رویدادهای پنجره کوتاه ، مجله مالی و علوم داده 4 (2) ، 101-119. https://doi. org/10. 1016/j. jfds. 2017. 11. 002crossref ، Google Scholar
• Oliveira ، N ، P Cortez and N Areal [2013] برخی از آزمایشات مربوط به مدل سازی رفتار بازار سهام با استفاده از تجزیه و تحلیل احساسات سرمایه گذار و ارسال حجم از توییتر ، در مجموعه مقالات سومین کنفرانس بین المللی اطلاعات وب ، معدن و معناشناسی (WIMS '13) ، انجمنبرای ماشین آلات محاسباتی ، نیویورک ، نیویورک ، ایالات متحده ، ماده 31 ، صص 1-8. https://doi. org/10. 1145/2479787. 2479811. Crossref ، Google Scholar
• Oliveira ، N ، P Cortez و N Areal [2017] تأثیر داده های میکروبلاگینگ برای پیش بینی بازار سهام: استفاده از توییتر برای پیش بینی بازده ، نوسانات ، حجم معاملات و شاخص های احساسات نظرسنجی ، سیستم های متخصص با برنامه های 73 ، 125-144. https://doi. org/10. 1016/j. eswa. 2016. 12. 036crossref ، Google Scholar
• Psychsignal (2019). شاخص خلق و خوی معامله گر (مخلوط $) ، http://psysicsignal. com. گوگل دانشکده
• Psychsignal (2020). تجزیه و تحلیل احساسات برای وب اجتماعی ، http://psysicsignal. com. گوگل دانشکده
• Saurabh ، S و K Dey [2020] در مورد رابطه بین خلق و خوی اجتماعی و بازار سهام: شواهدی از انگلستان ، مجله امور مالی رفتاری و تجربی 26 ، 100300. https://doi. org/10. 1016/j. jbef. 2020. 100300Crossref ، Google Scholar
• Shutes ، K ، K McGrath ، P Lis and R Riegler [2016] توییتر و بازار سهام ایالات متحده: تأثیر میکرو بلاگگر بر قیمت سهام ، اقتصاد و بررسی تجارت 16 ، 57-77. https://doi. org/10. 18559/ebr. 2016. 3. 5Crossref ، Google Scholar
• Statista (2020). شبکه های اجتماعی جهانی با تعداد کاربران ، https://www. statista. com/statistics/272014/global-social-networks-ranked-by-number-of-users/. گوگل دانشکده
• StockTwits (2019). رده بندی StockTwits ، https://stocktwits. com. گوگل دانشکده
• تجارت Sul ، HK ، Ar Dennis و Li Yuan [2017] در توییتر: استفاده از احساسات رسانه های اجتماعی برای پیش بینی بازده سهام ، علوم تصمیم گیری ، صص 454-488. Crossref ، Google Scholar
• وی ، P و N Wang [2016] ویکی پدیا و بازده سهام: الگوی استفاده از ویکی پدیا به پیش بینی حرکت سهام فردی ، در بیست و پنجمین کنفرانس بین المللی در شبکه جهانی کمک می کند. Crossref ، Google Scholar
• Yang ، SY ، Syk MO ، A LIU و AA Kirilenko [2017] بهینه سازی برنامه نویسی ژنتیکی برای یک استراتژی تجارت مبتنی بر قدرت بازخورد احساسات ، عصبی 264 ، 29-41. https://doi. org/10. 1016/j. neucom. 2016. 10. 103Crossref ، Google Scholar

این عناوین را در مهندسی مالی بررسی کنید