این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Money and Economy، جلد ۱۵، شماره ۳، صفحات ۲۳۵-۲۵۱
عنوان فارسی پیش بینی قیمت سهام با استفاده از عقیده کاوی و تحلیل احساسات در شبکه اجتماعی توییتر با بکارگیری ماشینهای بردار پشتیبان
چکیده فارسی مقاله  امروزه شبکه­های اجتماعی یک میانجی سریع و پویای ارتباطی محسوب می­شوند که یک ابزار حیاتی کسب و کار را تشکیل می­دهد. تنوع داده تولید شده در شبکه­­های اجتماعی می­تواند باعث شود در زمینه­های گوناگونی این داده­ها استفاده داشته باشند حتی می­توانند منجر به ایجاد یک سیستم تصمیم یار شوند. احساسات جمعی و گروهی ایجاد شده در شبکه­های اجتماعی می­تواند در پیش­بینی مسائل مختلفی به ما کمک کند و قبل از اینکه اتفاقی بیافتد ما را مطلع سازد تا بتوانیم بهترین استفاده از شرایط موجود را داشته باشیم. در این پژوهش از داده­های یک شبکه اجتماعی مانند توییتر استفاده می­کنیم تا بتوانیم با عقیده کاوی آینده قیمت یک سهام خاص را پیش­بینی کنیم. بدین صورت که با استفاده از زبان برنامه نویسی پایتون و الگوریتم تبدیل کلمه به بردار از یک مجموعه داده تگ گذاری شده استفاده کرده­ایم تا برنامه­ خود را به گونه­ای آموزش دهیم تا احساسات موجود در هر جمله جدیدی را که به آن می­دهیم را درک کند و آن را مانند الگوی خود تگ گذاری کند. پروژه ما با توجه به توییت­های مورد استقبال قرار گرفته هرروز، خروجی برنامه و با استفاده از تعداد لغات دارای احساسات قوی مثبت یا منفی روز می­تواند قیمت یک سهام خاص را با دقتی بالا پیش­بینی کند. همچنین با بهره­گیری از این متغییرها می­توانیم با دقت نزدیک هشتاد درصد جهت حرکت قیمت روز بعد یک سهم را نیز پیش­بینی کنیم.  
کلیدواژه‌های فارسی مقاله شبکه اجتماعی، پیش‌بینی سهام، احساسات گروهی، احساسات جمعی، تحلیل احساسات، عقیده‌کاوی
عنوان انگلیسی Forecasting Stock Price Movements Based on Opinion Mining and Sentiment Analysis: An Application of Support Vector Machine and Twitter Data
چکیده انگلیسی مقاله Today, social networks are fast and dynamic communication intermediaries that are a vital business tool. This study aims at examining the views of those involved with Facebook stocks so that we can summarize their views to predict the general behavior of this stock and collectively consider possible Facebook stock price movements, and create a more accurate pattern compared to previous patterns. In this study, we have analyzed two statistical samples, the first being a large dataset containing a variety of tweets with an emotional tag. That is, it needed a set that had already been extracted from each individual tweet by a trusted human or machine. Consequently, we have collected posts on Facebook in an eighty-day period. In this study, we used a tagged dataset using Python's programming language and vector-to-word algorithm. The research results show that, we need stock change information, machine learning and sentiment analysis, and on paper we conclude that positive news about a company excites people to have positive opinions about it which in turn results in people encouraging each other to buy and hold stocks. Meanwhile, the opposite trend is also true, but everything will not always be easy and clear, and it is in areas of high complexity and mental uncertainty that the art of using the three elements mentioned above is evident.
کلیدواژه‌های انگلیسی مقاله Social Networking, Stock Prediction, Group Emotion, Collective Emotion, Sentiment Analysis, Opinion Mining, Neural Network
نویسندگان مقاله بابک سهرابی | Babak Sohrabi
Faculty of Management, University of Tehran
دانشگاه تهران

احمد خلیلی جعفرآباد | Ahmad Khalili Jafarabad
Faculty of Management, University of Tehran
دانشگاه تهران

اردلان هادی زاده | Ardalan Hadizadeh
Faculty of Management, University of Tehran
دانشگاه تهران

نشانی اینترنتی http://jme.mbri.ac.ir/browse.php?a_code=A-10-429-1&slc_lang=en&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده اقتصاد
نوع مقاله منتشر شده پژوهشی اصیل - نظری
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات