تحلیل احساسات توییتر و تأثیر آن بر عملکرد سهام با استفاده از روش‌های آنتروپی انتقال و EGARCH

تحلیل احساسات توییتر و تأثیر آن بر عملکرد سهام با استفاده از روش‌های آنتروپی انتقال و EGARCH

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 31

تعداد کلمات : 8600

مجله : entropy(MDPI)

انتشار : 2022

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : Bنازنین 12

تاریخ انتشار
2 فوریه 2024
دسته بندی
،
تعداد بازدیدها
4214 بازدید
89,000 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:تحلیل احساسات توییتر و تأثیر آن بر عملکرد سهام با استفاده از روش‌های آنتروپی انتقال و EGARCH

 چکیده

 تحقیقات اقتصادی مالی به طور گسترده این واقعیت را مستند کرده است که تأثیر ورود اخبار منفی بر قیمت سهام شدیدتر از ورود اخبار مثبت است. نویسندگان مطالعه حاضر یک رویکرد نوآورانه مبتنی بر استفاده از دو الگوریتم هوش مصنوعی را برای آزمایش آن اثر پاسخ نامتقارن دنبال کردند. روش‌ها: اولین الگوریتم برای حذف وب‌سایت شبکه اجتماعی توییتر برای دانلود توییت‌های برتر ۲۴ شرکت سهامی عام با سرمایه بازار در جهان در طول دهه گذشته مورد استفاده قرار گرفت. سپس از الگوریتم دوم برای تجزیه و تحلیل محتوای توییت‌ها استفاده شد، این اطلاعات به شاخص‌های احساسات اجتماعی تبدیل شد و یک سری زمانی برای هر شرکت در نظر گرفته شد. پس از مقایسه حرکات شاخص‌های احساسات اجتماعی با قیمت سهام پایانی روزانه تک شرکت‌ها با استفاده از آنتروپی انتقالی، برآوردهای ما تأیید کرد که شدت تأثیر اخبار منفی و مثبت بر قیمت روزانه سهام از نظر آماری متفاوت است و همچنین شدت آن متفاوت است. تأثیر اخبار منفی بر قیمت سهام بیشتر از اخبار مثبت است. نتایج از ایده اثر نامتقارن حمایت می‌کند که احساسات منفی تأثیر بیشتری نسبت به احساسات مثبت دارد و این نتایج با مدل EGARCH تأیید شد.

 

 

 

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: Twitter Sentiment Analysis and Influence on Stock Performance Using Transfer Entropy and EGARCH Methods

Abstract

 Financial economic research has extensively documented the fact that the impact of the arrival of negative news on stock prices is more intense than that of the arrival of positive news. The authors of the present study followed an innovative approach based on the utilization of two artificial intelligence algorithms to test that asymmetric response effect. Methods: The first algorithm was used to web-scrape the social network Twitter to download the top tweets of the 24 largest marketcapitalized publicly traded companies in the world during the last decade. A second algorithm was then used to analyze the contents of the tweets, converting that information into social sentiment indexes and building a time series for each considered company. After comparing the social sentiment indexes’ movements with the daily closing stock price of individual companies using transfer entropy, our estimations confirmed that the intensity of the impact of negative and positive news on the daily stock prices is statistically different, as well as that the intensity with which negative news affects stock prices is greater than that of positive news. The results support the idea of the asymmetric effect that negative sentiment has a greater effect than positive sentiment, and these results were confirmed with the EGARCH model.