اخبار رسانه‌ها و اطلاعات رسانه‌های اجتماعی در بازار وام‌دهی همتا به همتای چین

عنوان فارسی مقاله:اخبار رسانه‌ها و اطلاعات رسانه‌های اجتماعی در بازار وام‌دهی همتا به همتای چین

چکیده

این مقاله از یادگیری ماشینی نظارت شده (تحلیل احساسات) برای تجزیه و تحلیل احساسات اطلاعات رسانه‌های اجتماعی در بازار وام P2P استفاده می‌کند. پس از تقسیم بندی، فیلتر کردن، استخراج کلمه ویژگی و آموزش مدل اطلاعات متنی گرفته شده توسط پایتون، احساسات رسانه‌ها و اطلاعات رسانه‌های اجتماعی برای بررسی تأثیر رسانه‌ها و احساسات رسانه‌های اجتماعی بر احتمال نکول و پلتفرم‌های وام دهی به همتا هزینه سرمایه همتا (P2P) در چین (۲۰۱۵-۲۰۱۹) محاسبه شد. ما متوجه شدیم که تنها تغییرات مثبت در احساسات رسانه‌ها و رسانه‌های اجتماعی اثرات منفی معنی داری بر احتمال نکول پلتفرم و هزینه سرمایه دارد، در حالی که تغییرات منفی در احساسات هیچ تأثیری ندارد. ما وجود یک اثر نامتقارن احساسات رسانه‌ها و رسانه‌های اجتماعی را در بازار وام‌دهی همتا به همتای چینی اثبات می‌کنیم.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Media News and Social Media Information in the Chinese Peer-to-Peer Lending Market

Abstract

This paper uses supervised machine learning (sentiment analysis) to analyze the sentiments of social media information in the P2P lending market. After segmentation, filtering, feature word extraction, and model training of the text information captured by Python, the sentiments of media and social media information were calculated to examine the effect of media and social media sentiments on default probability and cost of capital of peer-to-peer (P2P) lending platforms in China (2015–2019). We find that only positive changes in media and social media sentiment have significantly negative effects on the platform’s default probability and cost of capital, while negative changes in sentiment do not have any effects. We conclude the existence of an asymmetric effect of media and social media sentiments in the Chinese peer-to-peer lending market.