25142

ارائه مدل پيش‌بيني قيمت سهام بر اساس داده‌هاي رسانه‌هاي اجتماعي

كارشناسي ارشد

تجارت الكترونيك

1396-1397

1400-02-22

محمد فتحيان

-

مهندسي صنايع

رشد سريع شبكه‌هاي اجتماعي ، باعث ايجاد حجم انبوهي از محتوا در زمينه‌هاي مختلف شده است، محتواهايي حاوي عقيده‌ي شخص نويسنده يا صرفاً بازنشري از عقايد ديگران به‌طوري‌كه اكنون براي بسياري از افراد مرجع بحث، تبادل‌نظر و تصميم‌گيري‌ها رسانه‌هاي اجتماعي هستند. يكي از مباحث مهمي كه علاقه‌ي پژوهشگران را به خود جذب كرده سوگيري افراد در بازارهاي مالي نسبت به نظرات ديگران مي‌باشد. كه موجب روي كار آمدن پلتفرم‌هاي معاملاتي اجتماعي شده است. لذا تشخيص روندهاي بازارها از طريق شبكه‌هاي اجتماعي همواره مسئله‌ي جذابي براي پژوهشگران حوزه‌ي مالي رفتاري و همين‌طور شركت‌ها و صندوق‌هاي بزرگ سرمايه‌گذاري بوده است در اين پايان‌نامه به بررسي تأثير رسانه‌هاي اجتماعي در تصميم گيري مالي افراد پرداخته شده است. به‌طور جزيي تلاش خواهيم كرد تأثير پربحث و جدال شدن يك شركت بورسي در رسانه‌هاي اجتماعي را بر قيمت سهم دريابيم و سعي كنيم تا بر اساس داده‌هاي شبكه‌هاي اجتماعي داده‌هاي قيمتي سهام آن شركت‌ها را پيش‌بيني كنيم. ابتدا با روشي مبتكرانه استخراج حجم چشمگير پيام‌هاي مرتبط بورسي در رسانه‌ي اجتماعي تلگرام كه پركاربردترين رسانه در كشورمان هست صورت گرفته است، سپس داده‌ها بر اساس اينكه مربوط به كدام شركت هستند دسته‌بندي شده اند و با افزودن داده‌هاي رسانه‌ي اجتماعي به‌عنوان متغير برون‌زا به مدل SARIMAX از مدل‌هاي تحليل سري‌هاي زماني سعي در بهبود پيش‌بيني روند سهام شركت‌ها شده است. با توجه به نتايج پيش‌بيني ديده مي‌شود كه با افزودن داده‌هاي مربوط به رسانه‌هاي اجتماعي 4 الي 5 درصد خطاي پيش‌بيني كاهش مي‌يابد.

1400/06/06

Predicting stock prices based on social media in Tehran exchange market

5/12/2022 12:00:00 AM

The rapid growth of social networks has led to a massive amount of content in various fields, content that contains the author's opinion or republishes the opinions of others, so that for many people now, the reference for discussion and decision-making is social media. One of the essential topics that have attracted the interest of researchers is the bias of people in financial markets towards the opinions of others, which has led to the emergence of social trading platforms. Therefore, recognizing market trends through social networks has always been an attractive issue for researchers in the field of behavioural finance, as well as companies and significant investment funds. In this thesis we investigate the impact of social media on people's financial decisions. In more detail, we will try to understand the impact of a company's news growth on social media and predict the stock price based on social media data. First, we take an innovative way to extract the significant volume of stock exchange-related messages on Telegram social media, which is the most widely used media in Iran, then we categorize the data based on which company they belong to. Then, by adding social media data as exogenous variables to the SARIMAX model, we try to predict the trend of companies' stocks price from time series analysis models. Results indicate that we get 4% to 5% lower error rates by adding social media data to predicting model.

بورس تهران , رسانه هاي اجتماعي , سري هاي زماني

tehran stock exchange , social media , time series analysis