بررسی توانایی نظرات کاربران شبکه های اجتماعی بر پیش بینی جهت و قیمت سهام در بورس اوراق بهادار تهران

Authors

Abstract:

با توجه به نقش روزافزون شبکه های اجتماعی در بازار سرمایه، بررسی توانایی و اثربخشی آن در جهت و قیمت سهام می تواند برای سرمایه گذاران مفید باشد. جایگاه اصلی این تحقیق در بررسی حرکت توده وار بر اساس پیشنهادهای خرید و فروش در شبکه اجتماعی با استفاده از شبکه عصبی می باشد. این تحقیق دردوره زمانی ابتدای تیرماه 1392 تاانتهای خردادماه 1393 (یکسال) می باشد و با توجه به شرایط بازار سرمایه دو دوره رکود و رونق بررسی شده است. به منظور دسترسی به داده های کافی و همچنین تواتر معاملات ، نمونه انتخابی ده شرکت از 50 شرکت فعال بورس و همچنین ده نمادی که بیشترین تعداد پست و نظر را در شبکه اجتماعی داشته اند انتخاب گردیده اند. این تحقیق دردوبخش پیش بینی جهت و قیمت سهام با داده های قیمت در مقایسه با ترکیب داده های قیمت و پیشنهادهای خرید و فروش شبکه های اجتماعی است. برای پیش بینی از شبکه عصبی مصنوعی پیش­خور و بهینه­سازی شبکه با 3 تا 10 وقفه و یک لایه پنهان تا 20 نرون استفاده شده است. نتایج نشان داده است که در پیش بینی قیمت سهام در دو روش تفاوت معنی داری وجود ندارد اما در پیش بینی جهت قیمت سهام با استفاده از قیمت سهام و پیشنهادهای خرید و فروش (ترکیب داده های قیمت و شبکه اجتماعی) نسبت به پیش بینی فقط با قیمت سهام در دوره رونق برای شرکت های پربیننده و در دوره رکود برای 10سهم فعال تفاوت معنی داری وجوددارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی ساختاری قبلیت پیش بینی قیمت سهام در بورس اوراق بهادار تهران

تغییرات قیمت سهام یکی از مهمترین موضوعات مورد توجه هر سرمایه گذار است. سرمایه گذارانی که با اهداف بلند مدت نیز سرمایه گذاری می کنند به نوعی به قیمت سهم و تغییرات آن حساس و از خود واکنش نشان می دهند. تغییرات قیمت یک منبع مهم اطلاعاتی و موثر در ارزیابی وضعیت بنگاه ها. ارزیابی تطبیقی با سایر واحدها. ارزیابی کارآیی میران و از همه مهمتر موثر بر تصمیمات سرمایه گذاران است. هدف این تحقیق بررسی امکان پ...

full text

بررسی سودمندی مدلهای ارزشگذاری در پیش بینی قیمت سهام در بورس اوراق بهادار تهران

این تحقیق بر آن است تا توانایی مدلهای ارزشگذاری سهام شامل مدل نسبت قیمت به سود (ضرایب تکاثری )و مدل ارزش افزوده بازاردر پیش بینی قیمت بازار سهام را طی یک دوره 4 ساله (1383-1386) در سه صنعت فلزات اساسی، خودروو ساخت قطعات و صنعت سیمان مورد بررسی قرار دهد . ارزش های برآورد شده سهام با قیمتهای واقعی آنها به منظور صحت مدل های استفاده شده در این فرایند ارزشیابی مورد مقایسه قرار می گیرند. این تحقیق ا...

full text

پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

پیش­بینی تغییر قیمت سهام به عنوان یک فعالیت چالش­انگیز در پیش­بینی     سری­های زمانی مالی در نظر گرفته می­شود. یک پیش­بینی صحیح از تغییر قیمت سهام می­تواند سود زیادی را برای سرمایه­گذاران به بار آورد. با توجه به پیچیدگی داده­های بازار بورس، توسعه مدل­های کارآمد برای پیش­بینی بسیار دشوار است. در این پژوهش، مدلی برای پیش­بینی قیمت سهام شرکت­های بورس اوراق بهادار تهران با بکارگیری داده­های درون­زا...

full text

تاثیر شوک نقد شوندگی وحباب های سهام بر پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران

هدف اصلی در این پژوهش بررسی تأثیر شوک نقد شوندگی و حباب‌های سهام بر پیش‌‌‌بینی شاخص قیمت سهام در بورس اوراق بهادار تهران ‌‌می‌باشد‌‌. دوره مورد بررسی در این پژوهش از ابتدای سال 1390 تا انتهای سال 1396 به‌صورت داده‌‌های سالانه ‌‌می‌باشد‌‌. برای بررسی از روش اقتصادسنجی پانل دیتا استفاده شده است‌‌. پس از تجزیه‌وتحلیل آماری نتیجه‌گیری شده است که نقدشوندگی و حباب قیمتی تأثیر مثبتی بر پیش‌‌‌بینی شاخص...

full text

ارائه مدل پیش بینی شاخص کل قیمت سهام با رویکرد شبکه های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)

هدف تحقیق حاضر ارائه مدل پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکه­های عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به ­صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان می­دهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیش­بینی شاخص ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 19

pages  107- 128

publication date 2016-09-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023