کمیت رابطه بین اخبار مالی و بازار سهام

  • 2022-07-30

رفتار پیچیده بازارهای مالی از تصمیماتی که توسط بسیاری از معامله گران اتخاذ می شود ، ناشی می شود. در اینجا ، ما از تعداد زیادی از موضوعات چاپ روزانه از زمان مالی از سال ژانویه 2007 تا 31 دسامبر 2012 بهره برداری می کنیم تا رابطه بین تصمیمات گرفته شده در بازارهای مالی و تحولات اخبار مالی را تعیین کنیم. ما در روز قبل از انتشار اخبار و در همان روز انتشار خبر ، بین تعداد روزانه ذکر یک شرکت در Financial Times و حجم معاملات روزانه سهام یک شرکت همبستگی مثبت پیدا می کنیم. نتایج ما پشتیبانی کمی را برای این پیشنهاد ارائه می دهد که حرکات در بازارهای مالی و حرکات اخبار مالی به طور ذاتی در هم تنیده است.

معرفی

حرکات بورس سهام بر زندگی بسیاری از افراد ، در بخش مالی و بسیار فراتر از آن تأثیر می گذارد. بنابراین مزایای آشکار در درک بهتر رفتار این سیستم پیچیده است. تحقیقات در مورد این هدف توسط تعداد زیادی از داده های مربوط به معاملات مالی ثبت شده در صرافی ها ، با افزایش تعداد مطالعات در علوم سیستم های پیچیده با هدف تجزیه و تحلیل 1،2،3،4،5،6،7 و مدل رفتار بازار سهام ، دامن زده شده است. 8،9،10،11،12.

مجموعه داده های معاملات مالی منعکس کننده نتیجه نهایی روند تصمیم گیری یک معامله گر 13 ، تصمیم به خرید یا فروش سهام خاص است. چنین تصمیماتی ممکن است تحت تأثیر انواع مختلف اطلاعات در محیط یک معامله گر باشد. در جامعه مدرن ، تعامل ما با اینترنت در حال تولید منابع داده جدید بزرگی در مورد مصرف اطلاعات ما 14،15،16،17،18 است. کار قبلی نشان داده است که الگوهای جستجو در گوگل می تواند با شاخص های مختلف رفتار در دنیای واقعی مرتبط باشد ، مانند گزارش های مربوط به عفونت های بیماری های آنفلوانزا مانند 20 ، موفقیت اقتصادی ملل 21 و شاخص های مختلف اقتصادی دیگر مانند محبوبیتمقصد بین المللی سفر و ادعاهای بیکاری 22.

تحقیقات اخیر به دنبال بررسی اینكه آیا اطلاعات مربوط به اطلاعاتی كه كاربران به دنبال آنلاین هستند می توانند بینش حرکات بازار را ارائه دهند. Preis ، Reith و Stanley شواهد اولیه در مورد پیوند بین جستجوهای آنلاین و رفتار بازار مالی ارائه دادند ، و توصیف همبستگی بین تعداد هفتگی جستجوهای Google بر روی نام شرکت و حجم معاملات هفتگی جمع آوری سهام شرکت مربوطه 23. Preis ، Moat و Stanley بر اساس این نتیجه ساخته شده اند و نشان می دهند که تغییرات در حجم پرس و جو در Google برای اصطلاحات جستجو مربوط به امور مالی می تواند به عنوان علائم هشدار دهنده اولیه حرکت بازار سهام 24 تفسیر شود. MOAT و همکاران. نشان داد که داده های مربوط به صفحات ویکی پدیا نیز می تواند مربوط به حرکات بازار باشد ، و شواهدی از افزایش دیدگاه صفحات ویکی پدیا مرتبط با مالی قبل از سقوط بازار سهام ارائه می دهد. همچنین شواهدی ارائه شده است که می توان از داده های Google Trends برای اندازه گیری خطر سرمایه گذاری در سهام 26 استفاده کرد.

اما معامله گران ممکن است نه تنها از طریق تلاش های صریح برای جستجوی اطلاعات به صورت آنلاین ، بلکه با دریافت منفعلانه یا فعال اخبار توسط رسانه های بزرگ مالی دریافت کنند. به همان اندازه ، اقدامات معامله گران ممکن است منجر به وقایعی شود که توسط اخبار مالی توصیف می شود. در این مطالعه ، ما به دنبال کمیت رابطه بین حرکات اخبار مالی و جنبش در بازارهای مالی با بهره برداری از یک گروه شش سال اخبار مالی هستیم.

نتایج

برای بررسی رابطه بین اخبار مالی و رفتار بازار ، ما گروهی از موضوعات روزانه Times Financial Times را از تاریخ 2 ژانویه 2007 تا 31 دسامبر 2012 تجزیه و تحلیل می کنیم. جزئیات مربوط به نحوه بازیابی و پیش پردازش این کشور در اطلاعات تکمیلی ارائه می شود.

Financial Times هر روز از دوشنبه تا شنبه ، ساعت 5 صبح لندن منتشر می شود. ارزیابی اولیه از ویژگی های اساسی داده ها ، که در شکل 1 به تصویر کشیده شده است ، نشان می دهد که در طول زمان مالی در روزهای مختلف هفته تفاوت های قابل توجهی وجود دارد (میانگین تعداد کل کلمات برای روزهای هفته داده شده: دوشنبه ،134768. 5 ؛ سه شنبه ، 112279 ؛ چهارشنبه ، 112536 ؛ پنجشنبه ، 116690 ؛ جمعه ، 111663 ؛ شنبه ، 195492 ؛ χ 2 = 702. 5324 ، df = 5 ، p< 0.001, Kruskal-Wallis rank sum test). We find longer issues on Saturdays in comparison to the rest of the week (all W s >128،000 ، همه P S< 0.001, pairwise Wilcoxon rank sum tests with Bonferroni corrected α = 0.0033), reflecting the publication of a special weekend edition of the Financial Times . Similarly, issues on Mondays, following the break on a Sunday, are significantly longer than issues on Tuesday to Friday (all W s >111،000 ، همه P S< 0.001, pairwise Wilcoxon rank sum tests with Bonferroni corrected α = 0.0033). We find no evidence that the length of issues varies between Tuesday to Friday (all W s < 100,000, all p s >0. 01 ، تست های رتبه بندی Wilcoxon زوجی با Bonferroni اصلاح شده α = 0. 0033).

figure 1

تنوع روزانه در تعداد کل کلماتی که در هر شماره از زمان های مالی اتفاق می افتد.

تغییر روزانه در تعداد کل کلمات در هر شماره از زمان های مالی بین 2 ژانویه 2007 و 31 دسامبر 2012کلمات برای روزهای هفته داده شده: دوشنبه ، 134768. 5 ؛ سه شنبه ، 112279 ؛ چهارشنبه ، 112536 ؛ پنجشنبه ، 116690 ؛ جمعه ، 111663 ؛ شنبه ، 195492 ؛ χ 2 = 702. 5324 ، df = 5 ، p< 0.001, Kruskal-Wallis rank sum test). Significantly longer issues are produced on Saturdays in comparison to the rest of the week (all W s >128،000 ، همه P S< 0.001, pairwise Wilcoxon rank sum tests with Bonferroni corrected α = 0.0033) and issues on Mondays are significantly longer than issues on Tuesday to Friday (all W s >111،000 ، همه P S< 0.001, pairwise Wilcoxon rank sum tests with Bonferroni corrected α = 0.0033). We find no evidence that the length of issues varies between Tuesday to Friday (all W s < 100,000, all p s >0. 01 ، تست های رتبه بندی Wilcoxon زوجی با Bonferroni اصلاح شده α = 0. 0033).

در مجموع 891،171 کلمه مختلف در کل Corpus Financial Times رخ می دهد. ما تحقیقات خود را در مورد رابطه بین اخبار مالی و حرکات بازار مالی با تمرکز بر وقایع نام 31 شرکت که در میانگین صنعتی داو جونز (DJIA) بین 2 ژانویه 2008 و 31 دسامبر 2012 ذکر شده اند ، شروع می کنیم. که برای آنها حجم معامله و داده های قیمت برای اجزای DJIA داریم. در هر زمان ، DJIA از 30 شرکت تشکیل شده است. با این حال ، مسافران در دوره تحلیل ما جایگزین Citigroup در DJIA شدند. در محاسبات گزارش شده ، داده های سهام و داده های خبری را برای هر دو شرکت در نظر می گیریم. جزئیات کامل نام شرکت های مورد استفاده در تجزیه و تحلیل Corpus در اطلاعات تکمیلی (جدول S1) ارائه شده است.

ما رابطه بین علاقه به یک شرکت در اخبار و علاقه به یک شرکت در بورس سهام را بررسی می کنیم. سهام شرکت های ذکر شده در DJIA در بورس اوراق بهادار نیویورک (NYSE) معامله می شود ، بین ساعت 9:30 صبح و 4 بعد از ظهر نیویورک (برای بیشتر سال ، 2:30 تا 9 بعد از ظهر لندن). ما این تجزیه و تحلیل و همه تجزیه و تحلیل های زیر را فقط برای روزهای معاملاتی انجام می دهیم ، به استثنای تمام تعطیلات آخر هفته و تعطیلات بانکی.

در شکل 2 ، ما Bank of America را به عنوان نمونه ای برای این تحلیل می دانیم و تعداد ذکرهای روزانه "بانک آمریکا" را در برابر حجم معاملات روزانه برای بانک آمریکا ترسیم می کنیم. ما می دانیم که تعداد بیشتری از ذکرهای روزانه "بانک آمریکا" با حجم معاملات روزانه بیشتر برای سهام بانک آمریکا مطابقت دارد (ρ = 0. 43 ، P< 0.001, Spearman's rank correlation).

figure 2

تعداد روزانه ذکر "بانک آمریکا" در Financial Times و حجم معاملات روزانه برای سهام Bank of America (BAC).

ما همبستگی بین تعداد روزانه ذکرهای "بانک آمریکا" و حجم معاملات روزانه برای سهام Bank of America (BAC) را به تصویر می کشیم. ما می دانیم که تعداد روزانه ذکرهای "بانک آمریکا" با حجم معاملات روزانه برای سهام Bank of America (BAC) ارتباط مثبت دارد (ρ = 0. 43 ، P< 0.001, Spearman's rank correlation).

ما این تجزیه و تحلیل را از این دوره به همه 31 شرکت داو جونز گسترش می دهیم. برای هر شرکت ، ما همبستگی رتبه Spearman را بین تعداد روزانه ذکر نام یک شرکت در Financial Times و حجم معامله سهام شرکت مربوطه محاسبه می کنیم (شکل 3). ما توزیع ضرایب همبستگی رتبه Spearman را برای همه 31 شرکت تجزیه و تحلیل می کنیم. در حالی که قویترین همبستگی برای بانک آمریکا یافت می شود ، می فهمیم که به طور کلی ، ضرایب همبستگی به طور قابل توجهی بالاتر از صفر است (ضریب همبستگی متوسط = 0. 074 ؛ میانگین ضریب همبستگی = 0. 100 ، W = 450 ، P< 0.001, Wilcoxon signed rank test). A greater number of mentions of a company in the news therefore corresponds to a greater transaction volume of a company's stocks. This suggests greater interest in a company in the news is related to greater interest in a company in the stock markets.

figure 3

همبستگی بین ذکرهای روزانه از نام یک شرکت و حجم معاملات برای سهام شرکت.

برای هر یک از 31 شرکتی که بین 2 ژانویه 2008 و 31 دسامبر 2012 در داو جونز ذکر شده است ، ما همبستگی رتبه Spearman را بین تعداد روزانه ذکر نام یک شرکت و حجم معامله شرکت مربوطه ترسیم می کنیم. سهامشرکت ها با استفاده از نماد Ticker خود نشان داده شده اند که برای آن می توان لیست کاملی را در اطلاعات تکمیلی (جدول S1) یافت. ما توزیع ضرایب همبستگی را تجزیه و تحلیل می کنیم و می دانیم که ، به طور کلی ، ضرایب همبستگی به طور قابل توجهی بالاتر از صفر است (ضریب همبستگی متوسط = 0. 074 ؛ میانگین ضریب همبستگی = 0. 100 ؛ W = 450 ، P< 0.001, Wilcoxon signed rank test). In other words, the daily number of mentions of a company's name is positively correlated with the daily transaction volume of a company's stocks.

ما بررسی می کنیم که آیا بین تعداد روزانه ذکر نام یک شرکت و بازگشت مطلق روزانه سهام شرکت مربوطه ، پیوند مشابهی وجود دارد. بازده مطلق نشان می دهد که بدون توجه به جهت آن ، قیمت سهام چقدر تغییر کرده است. از آنجا که حجم بیشتری از معاملات با حرکات بیشتر در قیمت سهام یک شرکت ارتباط دارد ، منطقی است که انتظار داشته باشیم رابطه بین اخبار و بازگشت مطلق شبیه به رابطه ای باشد که بین اخبار و حجم معاملات پیدا می کنیم.

بازده روزانه به عنوان لگاریتم طبیعی نسبت قیمت بسته شدن یک روز معین به قیمت بسته شدن از روز گذشته تعریف می شود. ما بازده روزانه مطلق را برای هر یک از 31 شرکت با گرفتن مقادیر مطلق بازده روزانه محاسبه می کنیم و همبستگی رتبه Spearman را بین تعداد روزانه ذکر یک شرکت و بازده مطلق روزانه شرکت محاسبه می کنیم (شکل 4). باز هم ، می فهمیم که در بین 31 شرکت ، ضرایب همبستگی به طور قابل توجهی بالاتر از صفر است (ضریب همبستگی متوسط = 0. 040 ؛ میانگین ضریب همبستگی = 0. 047 ؛ W = 408 ، P = 0. 0017 ، Wilcoxon آزمون رتبه رتبه بندی شده). بنابراین نتایج ما نشان می دهد که علاقه بیشتر به یک شرکت در اخبار نیز مربوط به حرکات بیشتر در قیمت سهام شرکت در بازارها است.

figure 4

همبستگی بین ذکر روزانه از نام یک شرکت و بازده مطلق برای سهام شرکت.

ما بررسی می کنیم که آیا بین تعداد روزانه ذکر نام یک شرکت و بازگشت مطلق روزانه سهام شرکت مربوطه ، پیوندی وجود دارد. ما همبستگی رتبه Spearman را بین تعداد روزانه ذکرها و بازگشت مطلق روزانه محاسبه می کنیم و دوباره می دانیم که به طور کلی ، ضرایب همبستگی به طور قابل توجهی بالاتر از صفر است (ضریب همبستگی متوسط = 0. 040 ؛ میانگین ضریب همبستگی = 0. 047 ؛ W = 408 ، P = 0. 0017، آزمون رتبه بندی Wilcoxon). به عبارت دیگر ، تعداد روزانه ذکر نام یک شرکت با بازگشت مطلق روزانه سهام شرکت ارتباط مثبت دارد.

ما بررسی می کنیم که آیا رابطه ای بین علاقه به یک شرکت در اخبار و حرکت در قیمت سهام یک شرکت وجود دارد. ما همبستگی رتبه Spearman را بین تعداد روزانه ذکر یک شرکت و بازگشت روزانه سهام یک شرکت محاسبه می کنیم (شکل 5) و می یابیم که در اینجا ، ضرایب همبستگی تفاوت معنی داری با صفر ندارند (ضریب همبستگی متوسط = 0. 000 ، میانگین همبستگیضریب = 0. 002 ، W = 262 ، P = 0. 784 ، آزمون رتبه بندی Wilcoxon). به عبارت دیگر ، تجزیه و تحلیل ما تاکنون هیچ مدرکی مبنی بر اینکه علاقه به یک شرکت در اخبار با حرکات قیمت سهام شرکت در هنگام در نظر گرفتن جهت حرکت در ارتباط است ، ارائه نمی دهد.

figure 5

همبستگی بین ذکر روزانه نام یک شرکت و بازگشت سهام شرکت.

ما بررسی می کنیم که آیا بین تعداد روزانه ذکر نام یک شرکت و بازگشت روزانه سهام شرکت مربوطه رابطه وجود دارد یا خیر. باز هم ، ما همبستگی رتبه Spearman را بین تعداد روزانه ذکرها و بازگشت روزانه محاسبه می کنیم. در اینجا ، ما می یابیم که ضرایب همبستگی با صفر تفاوت معنی داری ندارند (ضریب همبستگی متوسط = 0. 000 ؛ میانگین ضریب همبستگی = 0. 002 ؛ W = 262 ، P = 0. 784 ، آزمون رتبه بندی Wilcoxon). به عبارت دیگر ، تعداد روزانه ذکر نام یک شرکت با بازگشت روزانه سهام شرکت ارتباط معنی داری ندارد.

به طور خلاصه ، ما شواهدی برای رابطه بین علاقه به یک شرکت در اخبار در یک روز معین و هم حجم تجارت و هم اندازه تغییر قیمت برای سهام یک شرکت در همان روز پیدا می کنیم. ما هیچ مدرکی برای رابطه بین علاقه به یک شرکت در اخبار در یک روز معین و تغییر قیمت برای سهام یک شرکت در همان روز که جهت این تغییر در نظر گرفته می شود ، نمی یابیم.

با این حال ، در حالی که ما اخبار منتشر شده در ساعت 5 صبح لندن را در یک روز معین با تجارت در بازار خیلی دیرتر در روز ، بین ساعت 9:30 صبح و 4 بعد از ظهر نیویورک ، تجزیه و تحلیل های فعلی ما به ما اجازه نمی دهد که قدرتمند شویم. نتیجه گیری در مورد اینکه آیا اخبار بر بازارها تأثیر می گذارد یا بازارها بر این خبر تأثیر می گذارند. برای درک برخی از جهت گیری این رابطه ، ما این تحلیل را با در نظر گرفتن رابطه بین ذکر یک شرکت در اخبار در یک روز معین و حجم معامله برای یک شرکت در سه روز قبل و سه روز پس از آن گسترش می دهیم (شکل 6).

figure 6

تجزیه و تحلیل تاخیر از همبستگی بین ذکرهای روزانه نام شرکت و حجم معاملات برای سهام شرکت.

ما در مورد همبستگی بین ذکرهای روزانه نام شرکت و حجم معامله برای سهام شرکت مربوطه در تاخیر در زمان های مختلف بررسی می کنیم. ما همبستگی بین تعداد روزانه ذکر نام یک شرکت و حجم معاملات روزانه برای یک شرکت از سه روز قبل (که به عنوان 3-در محور x نشان داده شده است) تا سه روز پس از آن محاسبه می کنیم (به عنوان 3 در محور x نشان داده شده است)وادما می دانیم که ضرایب همبستگی برای حجم معاملات روزانه یک روز قبل از اخبار (1 -) و در همان روز اخبار (0) به طور قابل توجهی بیشتر از صفر هستند (تاخیر 1: W = 373 ، P = 0. 014 ؛ تاخیر 0:W = 362 ، P = 0. 026 ، Wilcoxon تست های رتبه بندی امضا شده). به عبارت دیگر ، تعداد بیشتری از ذکرهای یک شرکت در Financial Times مربوط به حجم معامله بیشتر برای سهام یک شرکت در همان روز و روز قبل است. ما هیچ رابطه معنی داری بین تعداد روزانه ذکر نام یک شرکت در زمان مالی و حجم معامله در هر تاخیر دیگر مشاهده نمی کنیم (تاخیر - 3: W = 270 ، P = 0. 666 ؛ LA G-2: W = 301 ، P = 0. 299؛ LAG 1: W = 317 ، P = 0. 176 ؛ LAG 2: W = 307 ، P = 0. 248 ؛ LAG 3: W = 298 ، P = 0. 327 ؛ Wilcoxon تست های رتبه بندی امضا شده).

ما می دانیم که ضرایب همبستگی برای حجم معاملات روزانه یک روز قبل از اخبار (1 -) و در همان روز اخبار (0) به طور قابل توجهی بیشتر از صفر هستند (تاخیر 1: W = 373 ، P = 0. 014 ؛ تاخیر 0:W = 362 ، P = 0. 026 ، Wilcoxon تست های رتبه بندی امضا شده). ما هیچ رابطه معنی داری بین تعداد روزانه ذکر نام یک شرکت در Financial Times و حجم معامله در هر تاخیر دیگر مورد تجزیه و تحلیل مشاهده نمی کنیم (تاخیر - 3: W = 270 ، P = 0. 666 ؛ LA G-2: W = 301 ، P =0. 299 ؛ LAG 1: W = 317 ، P = 0. 176 ؛ LAG 2: W = 307 ، P = 0. 248 ؛ LAG 3: W = 298 ، P = 0. 327 ؛ Wilcoxon تست های رتبه بندی امضا شده). بنابراین حجم معامله بیشتر برای سهام یک شرکت در یک روز معین مربوط به تعداد بیشتری از ذکر آن شرکت در Financial Times در روز بعد است. به همان اندازه ، تعداد بیشتری از ذکرهای یک شرکت در Financial Times در یک روز معین مربوط به حجم معامله بیشتر برای سهام یک شرکت در طول معاملات در اواخر روز است. در حالی که تجزیه و تحلیل دقیق تر برای نتیجه گیری قوی در مورد جهت این رابطه لازم است ، این نتایج با این فرضیه سازگار است که حرکات در اخبار و حرکات موجود در بازارها ممکن است تأثیر متقابل بر یکدیگر داشته باشد.

بحث

ما از شش سال شماره چاپ روزانه از Financial Times برای تعیین کمیت رابطه بین تصمیمات گرفته شده در بازارهای مالی و تحولات اخبار مالی استفاده می کنیم. ما ذکرهای شرکتهایی را که میانگین صنعتی داو جونز را تشکیل می دهند ، تجزیه و تحلیل می کنیم و می دانیم که تعداد بیشتری از ذکرهای یک شرکت در اخبار در یک صبح معین با حجم بیشتری از تجارت برای آن شرکت در یک روز معین مطابقت دارد و همچنینتغییر بیشتر قیمت سهام یک شرکت. تجزیه و تحلیلهای ما همچنین پیوند بین حجم تجارت برای یک شرکت و تعداد ذکر شرکت در اخبار روز بعد را کشف می کند. تجزیه و تحلیل فعلی ما هیچ مدرکی مبنی بر رابطه بین تعداد ذکرهای یک شرکت در اخبار صبح و تغییر قیمت سهام یک شرکت هنگام در نظر گرفتن جهت حرکت قیمت ارائه نمی دهد.

نتایج ارائه شده در اینجا با این فرضیه سازگار است که حرکات در اخبار و حرکات در بازارها ممکن است تأثیر متقابل بر یکدیگر داشته باشد. تجزیه و تحلیل های آینده در مورد این کار به دنبال ارائه بینش بیشتر در مورد جهت و علیت رابطه بین اخبار مالی و جنبش های بازار خواهد بود.

مواد و روش ها

بازیابی داده ها و پیش پردازش

ما یک مورد از موضوعات روزانه The Financial Times را از 2 ژانویه 2007 تا 31 دسامبر 2012 تجزیه و تحلیل می کنیم. ما این داده ها را به صورت PDF از وب سایت http://www. ft. com/ بازیابی کردیم. شماره های Financial Times هر روز از دوشنبه تا شنبه در 5 صبح لندن به صورت آنلاین به صورت آنلاین منتشر می شود. تمام موضوعات مربوط به زمان مالی برای این دوره بازیابی شد ، به استثنای پنج تاریخ که مشکلات فنی از بارگیری جلوگیری می کند. این تاریخ ها 22 فوریه 2007 ، 8 مارس 2007 ، 12 مه 2007 ، 28 ژانویه 2009 و 8 نوامبر 2012 بود. در کل ، 1821 شماره از زمان های مالی در این تحلیل گنجانده شده است.

ما داده های خبری را با تبدیل PDF ها به قالب متن ، از بین بردن شخصیت های خاص مانند "؟" ، ‘ -" ، "/" و تبدیل همه کلمات باقی مانده به پرونده کمتری پردازش می کنیم. تمام وقایع ارقام بدون هیچ گونه حروف یا نمادهای دیگر مانند "$" در همان کلمه نیز حذف می شوند. کلمات برای این تحلیل ناشی نمی شوند و کلمات مانند "The" و "و" را متوقف می کنند و در جسد باقی مانده اند. ما 891،171 کلمه منحصر به فرد را در Corpus می یابیم.

نام شرکت مورد استفاده برای تجزیه و تحلیل Corpus News

ما لیستی از نامهای رایج استفاده شده برای 31 شرکت ذکر شده در میانگین صنعتی داو جونز (DJIA) را بین 2 ژانویه 2008 و 31 دسامبر 2012 تهیه می کنیم. قیمت سهام 30 شرکت. در 8 ژوئن 2009 ، در دوره مطالعه ما ، مسافران جایگزین Citigroup در DJIA شدند. در تحلیل های ما ، داده های سهام و داده های خبری را برای هر دو شرکت در کل دوره در نظر می گیریم.

برای به حداکثر رساندن میزان داده های خبری موجود برای تجزیه و تحلیل ما ، ما اشکال متداول از نام شرکت ها در DJIA را تعیین می کنیم. ما نامهای مورد استفاده برای توصیف شرکت ها در صفحه ویکی پدیا http://en. wikipedia. org/wiki/dow_jones_industrial_avery را در 21 مه 2013 بازیابی کردیم. اگر دریابیم که این تعداد بازدیدها برای نام در Corpus Financial Times را افزایش می دهد. لیست نهایی نامهای کوتاه مورد استفاده در جدول S1 در اطلاعات تکمیلی آورده شده است.

تجزیه و تحلیل آماری از ویژگی های اساسی داده ها

تجزیه و تحلیل ما بر چهار نوع سری زمانی برای هر یک از 31 شرکت ذکر شده در DJIA در دوره مطالعه ما متمرکز است: تعداد روزانه ذکر نام یک شرکت در Financial Times ، حجم معاملات روزانه سهام یک شرکت ،بازگشت مطلق روزانه سهام یک شرکت و بازگشت روزانه سهام یک شرکت. قبل از انجام تحلیل های همبستگی ، ما ثابت بودن و عادی بودن هر یک از این 124 سری زمانی را بررسی می کنیم.

منابع

FEHR ، E. علوم رفتاری: اقتصاد بی حوصلگی. Nature 415 ، 269–272 (2002).

Gabaix ، X. ، Gopikrishnan ، P. ، Plerou ، V. & Stanley ، H. E. نظریه توزیع قانون قدرت در نوسانات بازار مالی. طبیعت 423 ، 267-270 (2003).

Preis ، T. ، Schneider ، J. J. & Stanley ، H. E. فرآیندهای تعویض در بازارهای مالی. پروکناتلACADعلمیایالات متحده آمریکا 108 ، 7674-7678 (2011).

Podobnik، B.، Horvatic، D.، Petersen، A. M. & Stanley، H. E. همبستگی متقابل بین تغییر حجم و تغییر قیمت. Proc. Natl. آکادمیعلمیU. S. A. 106, 22079–22084 (2009).

Feng, L., Li, B., Podobnik, B., Preis, T. & Stanley, H. E. پیوند مدلهای مبتنی بر عامل و مدلهای تصادفی بازارهای مالی. Proc. Natl. آکادمیعلمیUSA 109, 8388–8393 (2012).

Mantegna، R. N. & Stanley، H. E. رفتار مقیاس‌پذیری در پویایی یک شاخص اقتصادی. Nature 376, 46-49 (2002).

پریس، تی، کنت، دی. ی. استنلی، اچ. ای. هلبینگ، دی و بن جیکوب، ای. کمی سازی رفتار همبستگی سهام تحت استرس بازار. علمیRep. 2, 752 (2012).

Cont, R. & Bouchaud, J.-P. رفتار گله و نوسانات کل در بازارهای مالیاقتصاد کلان. دین4، 170-196 (2000).

Gabaix ، X. ، Gopikrishnan ، P. ، Plerou ، V. & Stanley ، H. E. نظریه توزیع قانون قدرت در نوسانات بازار مالی. طبیعت 423 ، 267-270 (2003).

Krawiecki، A.، Holyst، J. A. & Helbing، D. خوشه بندی و مقیاس بندی نوسانات برای سری های زمانی مالی به دلیل حباب جذب کننده. فیزیککشیش لِت89, 158701 (2002).

Vandewalle, N. & Ausloos, M. توالی منسجم و تصادفی در نوسانات مالی. Physica A 246, 454-459 (1997).

Watanabe, K., Takayasu, H. & Takayasu, M. تعریف ریاضی حباب ها و سقوط های مالی. Physica A 383, 120-124 (2007).

Simon, H. A. مدل رفتاری انتخاب عقلانی. Q. J. Econ. 69، 99-118 (1955).

Vespignani، A. پیش بینی رفتار سیستم های تکنو اجتماعی. Science 325, 425 (2009).

کینگ، جی. اطمینان از آینده غنی از اطلاعات علوم اجتماعی. Science 331, 719 (2011).

Lazer, D. et al. علوم اجتماعی محاسباتی. Science 323, 721 (2009).

کونته، آر و همکارانمانیفست علوم اجتماعی محاسباتی. یوروفیزیکJ. Spec. بالا. 214، 325-346.

پریس، تی.، موات، اچ. اس.، بیشاپ، اس. آر.، ترلیون، پی و استنلی، اچ. ای. کمی سازی ردپای دیجیتالی طوفان سندی در فلیکر. علمیRep. 3, 3141 (2013).

Moat, H. S., Preis, T., Olivola, C. Y., Liu, C. & Chater, N. استفاده از داده های بزرگ برای پیش بینی رفتار جمعی در دنیای واقعی. رفتارعلم مغز(در مطبوعات).

گینزبرگ، جی و همکاران. شناسایی اپیدمی های آنفولانزا با استفاده از داده های جستجوی موتور جستجو. Nature 457, 1012-1014 (2009).

پریس، تی.، موات، اچ. اس.، استنلی، اچ. ای و بیشاپ، اس. آر. کمی کردن مزیت نگاه به آینده. علمیRep. 2, 350 (2012).

Choi, H. & Varian, H. Predicting the Present with Google Trends. اقتصادضبط88، 2-9 (2012).

پریس، تی، ریث، دی و استنلی، H. E. پویایی پیچیده زندگی اقتصادی ما در مقیاس‌های مختلف: بینش‌هایی از داده‌های جستجوی موتور جستجو. فیل. ترانس. R. Soc. A 368, 5707–5719 (2010).

Preis, T., Moat, H. S. & Stanley, H. E. کمیت کردن رفتار معاملاتی در بازارهای مالی با استفاده از Google Trends. علمیRep. 3, 1684 (2013).

Moat, H. S., Curme, C., Avakian, A., Kenett, D. Y., Stanley, H. E. & Preis, T. کمی سازی الگوهای استفاده ویکی پدیا قبل از حرکت بازار سهام. علمیRep. 3, 1801 (2013).

Kristoufek, L. آیا جستجوی Google Trends می تواند به تنوع ریسک کمک کند؟علمیRep. 3, 2713 (2013).

سپاسگزاریها

M. A توسط بورسیه تحصیلی Erasmus Mundus رده A پشتیبانی شد. H. S. M. و T. P. تأیید حمایت از شوراهای تحقیقاتی انگلستان EP/K039830/1 و فعالیت پروژه های تحقیقاتی پیشرفته اطلاعات (IARPA) از طریق وزارت مرکز تجارت داخلی (DOI/NBC) شماره قرارداد D12PC00285. دولت ایالات متحده مجاز به تولید مثل و توزیع چاپ مجدد برای اهداف دولتی با وجود هرگونه حاشیه نویسی حق چاپ در آن است. سلب مسئولیت: نظرات و نتیجه گیری های موجود در اینجا از نویسندگان است و نباید به عنوان لزوماً نمایانگر سیاست های رسمی یا تأییدیه ها ، یا بیان یا ضمنی از IARPA ، DOI/NBC یا دولت ایالات متحده باشد.

اطلاعات نویسنده

نویسندگان و وابستگی ها

مرکز علوم پیچیدگی ، دانشگاه وارویک ، کاونتری ، CV4 7AL ، انگلیس

دانشکده تجارت وارویک ، دانشگاه وارویک ، کاونتری ، CV4 7AL ، انگلیس

هلن سوزانا مات و توبیاس پریز

  1. Merve Alanyali

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

مشارکت

M. A. ، H. S. M. و T. P. تجزیه و تحلیل های انجام شده ، در مورد نتایج مورد بحث قرار گرفت و به متن نسخه خطی کمک کرد.

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.