تجزیه و تحلیل احساسات پیش بینی کننده توییت ها: برنامه بازار سهام

برنامه مورد بررسی در این مقاله بررسی می شود که آیا فید توییتر ، ابراز افکار عمومی در مورد شرکت ها و محصولات آنها ، یک منبع داده مناسب برای پیش بینی حرکات موجود در قیمت های بسته شدن سهام است. ما از اصطلاح تجزیه و تحلیل احساسات پیش بینی شده استفاده می کنیم تا رویکردی را که در آن از تجزیه و تحلیل احساسات استفاده می شود برای پیش بینی تغییرات در پدیده مورد علاقه استفاده کنیم. در این مقاله ، احتمال مثبت احساسات به عنوان یک شاخص جدید برای استفاده در تجزیه و تحلیل احساسات پیش بینی شده در امور مالی ارائه شده است. با استفاده از آزمون علیت Granger ، ما نشان می دهیم که قطبیت احساسات (احساسات مثبت و منفی) می تواند حرکات قیمت سهام را چند روز قبل نشان دهد. سرانجام ، ما مکانیسم طبقه بندی دستگاه بردار پشتیبانی را برای طبقه بندی توییت ها به سه دسته احساسات (مثبت ، منفی و خنثی) تطبیق دادیم ، و در نتیجه قدرت پیش بینی بهبود یافته طبقه بندی کننده در برنامه بورس سهام ایجاد می شود.

کلید واژه ها

• بورس سهام
• توییتر
• تجزیه و تحلیل احساسات پیش بینی کننده
• طبقه بندی احساسات
• احتمال مثبت احساسات
• علیت گرنجر

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های خرید

29. 95 یورو قیمت شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب الکترونیکی 50. 28 یورو شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

کتاب Softcover 62. 00 یورو از مالیات بر ارزش افزوده (فدراسیون روسیه) مستثنی است

پیش نمایش

نمایش پیش نمایش امکان پذیر نیست. بارگیری PDF PREVIEW.

منابع

1. FAMA ، E: پیاده روی های تصادفی در قیمت بازار سهام. مجله تحلیلگران مالی 21 (5) ، 55-59 (1965) Crossrefgoogle Scholar
2. Kavussanos ، M. ، Dockery ، E. A: آزمون چند متغیره برای راندمان بازار سهام: مورد ASE. اقتصاد مالی کاربردی 11 (5) ، 573-579 (2001) Crossrefgoogle Scholar
3. Damasio ، A. R: خطای دکارت: احساسات ، عقل و مغز انسان. هارپر چند ساله (1995) Google Scholar
4. Nofsinger ، J. R: خلق و خوی اجتماعی و اقتصاد مالی. مجله امور مالی رفتاری 6 (3) ، 144-160 (2005) Crossrefgoogle Scholar
5. Gruhl ، D. ، Guha ، R. ، Kumar ، R. ، Novak ، J. ، Tomkins ، A: قدرت پیش بینی کننده پچ پچ آنلاین. در: مجموعه مقالات یازدهمین کنفرانس بین المللی ACM SIGKDD در مورد کشف دانش در داده کاوی ، صص 78-87 (2005) Google Scholar
6. تانگ ، R. M: یک سیستم عملیاتی برای تشخیص و ردیابی نظرات در بحث آنلاین. در: یادداشت های کار از کارگاه ACM SIGIR 2001 در مورد طبقه بندی متن عملیاتی (OTC) ، صص 1-6 (2001) Google Scholar
7. میشن ، جی. ، نگاه ، ن: پیش بینی فروش فیلم از احساسات وبلاگ نویس. در: سمپوزیوم AAAI در مورد رویکردهای محاسباتی برای تجزیه و تحلیل وبلاگ های AAAI-CAAW ، صص 155-158 (2006) Google Scholar
8. Asur ، S. ، Huberman ، B. A: پیش بینی آینده با رسانه های اجتماعی. در: مجموعه مقالات کنفرانس بین المللی ACM در زمینه اطلاعات وب ، صص 492-499 (2010) Google Scholar
9. Thelwall ، M. ، Buckley ، K. ، Paltoglou ، G: احساسات در برنامه های توییتر. مجله انجمن علوم و فناوری اطلاعات آمریکا 62 (2) ، 406-418 (2011) Crossrefgoogle Scholar
10. Ruiz ، E. J. ، Hristidis ، V. ، Castillo ، C. ، Gionis ، A. ، Jaimes ، A .: همبستگی سری زمانی مالی با فعالیت میکروبلاگینگ. در: مجموعه مقالات پنجمین کنفرانس بین المللی ACM در جستجوی وب و داده کاوی ، صص 513-522 (2012) Google Scholar
11. Bordino ، I. ، Battiston ، S. ، Caldarelli ، G. ، Cristelli ، M. ، Ukkonen ، A. ، Weber ، I: نمایش داده های جستجوی وب می تواند حجم بازار سهام را پیش بینی کند. PLOS ONE 7 (7) ، E40014 (2011) Google Scholar
12. گیلبرت ، ا. ، کاراهالیوس ، ک .: نگرانی گسترده و بازار سهام. در: مجموعه مقالات چهارمین کنفرانس بین المللی AAAI در مورد وبلاگ ها و رسانه های اجتماعی ، صص 58-65 (2010) Google Scholar
13. Bollen ، J. ، Mao ، H. ، Zeng ، X: Twitter Mood بازار سهام را پیش بینی می کند. مجله علوم محاسباتی 2 (1) ، 1-8 (2011) Crossrefgoogle Scholar
14. Smailović ، J. ، Grčar ، M. ، žnidaršič ، M. ، Lavrač ، N: تجزیه و تحلیل احساسات در توییت ها در یک حوزه مالی. در: چهارمین کنفرانس دانش آموزان دانش آموزان تحصیلات تکمیلی Jožef Stefan ، صص 169-175 (2012) Google Scholar
15. داس ، س. ، چن ، م .: یاهو! برای آمازون: استخراج احساسات بازار از تابلوهای پیام سهام. در: مجموعه مقالات هشتمین کنفرانس سالانه انجمن مالی اقیانوس آرام آسیا ، APFA (2001) Google Scholar
16. Tuey ، ص: انگشت شست یا انگشت شست؟جهت گیری معنایی برای طبقه بندی بدون نظارت از بررسی ها اعمال می شود. در: مجموعه مقالات انجمن زبانشناسی محاسباتی ، صص 417-424 (2002) Google Scholar
17. لیو ، ب: تجزیه و تحلیل احساسات و معدن نظر. ناشران مورگان و کلایپول (2012) Google Scholar
18. Go ، A. ، Bhayani ، R. ، Huang ، L: طبقه بندی احساسات توییتر با استفاده از نظارت دوردست. در: گزارش پروژه CS224N ، استنفورد (2009) Google Scholar
19. بخوانید ، ج: استفاده از شکلک ها برای کاهش وابستگی در تکنیک های یادگیری ماشین برای طبقه بندی احساسات. در: مجموعه مقالات کارگاه تحقیقاتی دانشجویی ACL ، صص 43-48 (2005) Google Scholar
20. Agarwal ، A. ، Xie ، B. ، Vovsha ، I. ، Rambow ، O. ، Passonneau ، R: تجزیه و تحلیل احساسات از داده های توییتر. در: مجموعه مقالات کارگاه زبانهای رسانه های اجتماعی ، صص 30-38 (2011) Google Scholar
21. Feldman ، R. ، Sanger ، J: کتاب راهنمای معدن متن - رویکردهای پیشرفته در تجزیه و تحلیل داده های بدون ساختار. انتشارات دانشگاه کمبریج (2007) Google Scholar
22. Pang ، B. ، Lee ، L. ، Vaithyanathan ، S: Thumbs Up؟: طبقه بندی احساسات با استفاده از تکنیک های یادگیری ماشین. در: مجموعه مقالات کنفرانس ACL-2002 در مورد روشهای تجربی در پردازش زبان طبیعی ، جلد. 10 ، صص 79-86 (2002) Google Scholar
23. Joachims ، T: طبقه بندی متن با دستگاه های بردار پشتیبانی: یادگیری با بسیاری از ویژگی های مرتبط. در: Nédellec ، C. ، Rouveirol ، C. (Eds.) ECML 1998. LNCS ، جلد. 1398 ، صص 137-142. Springer ، Heidelberg (1998) Crossrefgoogle Scholar
24. Pang ، B. ، Lee ، L: نظر معدن و تجزیه و تحلیل احساسات. مبانی و روند بازیابی اطلاعات 2 (1-2) ، 1-135 (2008) CrossRefGoogle Scholar
25. Vapnik ، v: ماهیت نظریه یادگیری آماری. Springer ، New York (1995) Crossrefmathgoogle Scholar
26. Cortes ، C. ، Vapnik ، V. N: شبکه های پشتیبانی-بردار. یادگیری ماشین 20 ، 273-2297 (1995) Mathgoogle Scholar
27. Sebastiani ، F: یادگیری ماشین در طبقه بندی خودکار متن. نظرسنجی های محاسباتی ACM (CSUR) 34 (1) ، 1-47 (2002) Crossrefgoogle Scholar
28. Chang ، C. C. ، Lin ، C. J: libsvm: کتابخانه ای برای دستگاه های بردار پشتیبانی. معاملات ACM در سیستم های هوشمند و فناوری (TIST) 2 (3) ، 27 (2011) Google Scholar
29. Granger ، C. W. J: بررسی روابط علی توسط مدلهای اقتصاد سنجی و روشهای طیف متقاطع. Econometrica 37 ، 424-438 (1969) Crossrefgoogle Scholar
30. Schervish ، M. J: ارزش های P: آنها چه هستند و چه چیزی نیستند. آمریكا آمریكایی 50 (3) ، 203-206 (1996) Scholar MathStineGoogle

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. موسسه Jožef Stefan ، Jamova Cesta 39 ، 1000 ، Ljubljana ، Slovenia Jasmina Smailović ، Miha Grčar ، Nada Lavrač & Martin žnidaršič
2. Jožef Stefan دانشکده تحصیلات تکمیلی بین المللی ، Jamova Cesta 39 ، 1000 ، Ljubljana ، Slovenia Jasmina Smailović

1. جاسمنا اسمیلوویچ