آنچه سرمایه گذاران می گویند همان چیزی است که بازار می گوید: اندازه گیری احساسات سرمایه گذار واقعی چین

این مقاله یک رویکرد جدید برای اندازه گیری احساسات سرمایه گذاران فردی با استفاده از تجزیه و تحلیل مبتنی بر متن میلیون ها پست استخراج شده از انجمن های مالی آنلاین چینی را توصیف می کند. ما توضیح می دهیم که چگونه پایگاه داده ای از بیش از 200 میلیون پست سهام از انجمن های مالی آنلاین ایجاد کردیم، GubaLex را ایجاد کردیم، فرهنگ لغت احساسات متشکل از 48878 کلمه برای امکان تجزیه و تحلیل احساسات، و چگونه GubaSenti، یک شاخص احساسات سرمایه گذار فردی برای بازار سهام درچین. این امکان (1) اولین اندازه گیری سیستماتیک احساسات سرمایه گذاران فردی در چین را فراهم کرد.(2) رویکردی به تجزیه و تحلیل مبتنی بر متن که احساسات سرمایه گذاران را در مورد میلیون ها پست در مورد سهام فهرست شده در Guba منعکس می کند.(3) روشی برای اندازه گیری انعطاف پذیر احساسات سرمایه گذاران در مورد یک سهام، یک بخش یا یک صنعت و کل بازار؛و (4) این امکان را برای دوره های زمانی روزانه، هفتگی، ماهانه، سه ماهه و سالانه فراهم کرد. ما همچنین رابطه پراکسی احساسات و بازده سهام را بررسی کرده و آن را با دو معیار BW معمولی در چین مقایسه می کنیم. نتایج تجربی نشان می دهد که GubaSenti با عملکرد بازار نسبت به معیارهای BW در چین ارتباط بهتری دارد و می توان از آن برای پیش بینی تغییرات بازار در کوتاه مدت استفاده کرد.

روی یک دست نوشته کار می کنید؟

1. معرفی

حباب ها یا سقوط ها یا با خوش بینی شدید (احساس بالا) یا بدبینی (احساس پایین) مرتبط هستند، مانند حباب اواخر دهه 1990 در سهام فناوری در ایالات متحده و اخیراً همه گیری ویروس کرونا که باعث وحشت سرمایه گذاران جهانی شده و منجر به ایجاد وحشت شده است. نوسانات شدید در بازارهای سهام جهانی

در چنین رویدادهای "قو سیاه" مانند همه گیر ، احساسات سرمایه گذار توضیحی تر از سایر اندازه گیری شده است. این امر با کار در امور مالی رفتاری پشتیبانی می شود که ادعا می کند که احساسات سرمایه گذار عامل اصلی تأثیرگذاری بر تصمیمات سرمایه گذاری است. سیاه [1] بحث می کند که چرا "سر و صدا" می تواند باعث ناکارآمدی بازار شود ، DeLong و همکاران.[2] توضیح دهید که چگونه تجارت سر و صدای محور احساسات می تواند منجر به سوءاستفاده و نوسانات بیش از حد شود ، و بیکر و وورگلر [3] شواهدی ارائه می دهد که نشان می دهد احساسات سرمایه گذار ممکن است تأثیرات قابل توجهی در مقطع قیمت سهام داشته باشد. مطالعات دیگر نشان داده اند که احساسات سرمایه گذار می تواند به طور قابل توجهی بازده سهام را تحت تأثیر قرار دهد (به عنوان مثال ، [4،5،6،7]) را ببینید و همچنین نقش احساسات سرمایه گذاری را در قیمت گذاری دارایی نشان داده و ناهنجاری های بازار مانند حق بیمه ارزش را توضیح می دهد ،اثر حرکت و خطاهای پیش بینی تحلیلگر (به عنوان مثال ، [8،9،10،11] را ببینید).

البته برای درک تأثیر تأثیر احساسات سرمایه گذار بر بازار سهام ، باید اندازه گیری شود.

همانطور که در زیر شرح می دهیم ، چهار رویکرد اصلی وجود دارد: مبتنی بر نظرسنجی ، مبتنی بر موضوع اجتماعی ، مبتنی بر بازار و مبتنی بر متن.

اقدامات مبتنی بر نظرسنجی جمع آوری انتظارات خوش بینانه یا بدبینانه سرمایه گذاران برای بازار سهام از طریق نظرسنجی ها ، مانند شاخص احساسات مصرف کننده دانشگاه میشیگان [12] و شاخص UBS/GALLUP برای خوش بینی سرمایه گذار است [13].

اقدامات مبتنی بر مسئله اجتماعی از رویدادهای اجتماعی به عنوان پروکسی احساسات سرمایه گذار ، مانند بلایای حمل و نقل هوایی [14] و رویدادهای سیاسی استفاده می کند [15].

معیارهای احساسات مبتنی بر بازار احساسات سرمایه گذار را بر اساس شاخص های بازار مانند حجم معاملات ، حق بیمه سود سهام و بازده اولیه عمومی بازده روز اول اندازه گیری می کند. اینها بازتاب غیرمستقیم احساسات سرمایه گذار و محدود به بروزرسانی شاخص های بازار است [16]. از اقدامات مبتنی بر بازار ، تأثیرگذارترین شاخص احساسات سرمایه گذار BW است که به طور گسترده ذکر شده است [3 ، 5] که توسط تجزیه و تحلیل مؤلفه اصلی شش پروکسی مبتنی بر بازار ساخته شده است.

اقدامات مبتنی بر متن احساسات سرمایه گذار از طریق ظهور انجمن های آنلاین برای تعامل و ابزارهای پیشرفته برای تجزیه و تحلیل متنی امکان پذیر است. آنها از سه نوع اصلی از داده های متنی برای اندازه گیری احساسات سرمایه گذار استفاده می کنند: سوابق جستجو از موتورهای جستجو مانند Google و Baidu [16 ، 17] ، روزنامه های مالی [18] ، و داده های رسانه های اجتماعی و انجمن های مالی آنلاین مانند Facebook در ایالات متحده و GUBAدر چین [19،20،21]. در مقایسه با معیارهای مبتنی بر بازار ، اقدامات مبتنی بر متن در زمان واقعی موجود است ، حجم داده های بزرگتر را ارائه می دهد ، و به گفته ما ، مستقیماً احساسات سرمایه گذار را منعکس می کند.

پیشنهادهای مختلفی برای معیارهای احساسات مبتنی بر متن ارائه شده است. اما هنوز ، هیچ شاخص احساسات سرمایه گذار مبتنی بر متن سیستمیک و گسترده وجود ندارد. این امر به این دلیل است که هیچ فرهنگ لغت یا داده های متنی به خوبی توسعه یافته برای تجزیه و تحلیل احساسات مبتنی بر متن ، به ویژه در چین وجود ندارد (اما به سان و همکاران مراجعه کنید. [22] برای ایجاد یک واژگان برای GUBA چینی کار می کند).

مطالعاتی که در مورد تأثیر احساسات سرمایه گذار بر بازار سهام وجود دارد ، بی نتیجه است. برخی از مطالعات نشان می دهد که احساسات سرمایه گذار پیش بینی کننده است ، در قیمت گذاری دارایی نقش دارد و ناهنجاری ها را توضیح می دهد ، در حالی که برخی دیگر مخالف هستند: به عنوان مثال ، Devault و همکاران.[23] نشان می دهد که معیارهای مبتنی بر بازار مانند شاخص BW منعکس کننده احساسات سرمایه گذار نهادی در کل است. این احتمال وجود دارد که داده های متنی از انجمن های آنلاین منعکس کننده احساسات سرمایه گذار فردی و احساسات نهادی و فردی تأثیرات متفاوتی بر بازار داشته باشند. و البته ، در کشورهای مختلف ، نسبت سرمایه گذاران نهادی و فردی نیز متفاوت است: سرمایه گذاران انفرادی در ایالات متحده حدود 6 ٪ از ارزش بازار را تشکیل می دهند در حالی که سرمایه گذاران نهادی بیش از 93 ٪ را تشکیل می دهند ، به این معنی که احساسات سرمایه گذار فردی دارای یک استتأثیر محدود بر بازار. با این حال ، در چین ، سرمایه گذاران انفرادی بیش از 90 ٪ از حجم و فرکانس یا معاملات را به خود اختصاص می دهند.

در برابر این پیش زمینه ، ما یک پایگاه داده با بیش از 200 میلیون پست از انجمن های مالی آنلاین مانند Guba در چین و یک فرهنگ لغت احساسات از جمله 48. 878 کلمه به نام Gubalex برای تجزیه و تحلیل احساسات مبتنی بر متن ایجاد کردیم. ما سپس اقدامی را برای ارزیابی احساسات سرمایه گذار فردی چینی به نام Gubasenti ، شاخص احساسات سرمایه گذار فردی چین تهیه کردیم.

گوباسنتی از چهار جهت قابل توجه است: (1) این اولین شاخص احساسات است که احساسات سرمایه گذاران را در چین منعکس می کند.(2) احساسات سرمایه گذاران را مستقیماً بر اساس تجزیه و تحلیل متنی داده های میلیون ها پست سهام در گوبا دریافت می کند.(3) انعطاف پذیر است و می تواند یک سهام واحد، سهام بخش ها یا صنایع مختلف، کل بازار و هر ترکیب سهام دیگر را پوشش دهد. و (4) در زمان واقعی عمل می کند و می تواند بر دوره های زمانی مختلف از جمله، اما نه محدود به ساعتی، روزانه و هفتگی تمرکز کند. بعداً، در این مقاله، ما اثربخشی Gubasenti را در مقایسه با دو معیار BW معمولی مورد استفاده در چین ارزیابی خواهیم کرد. نتایج ما نشان می دهد که Gubasenti نسبت به معیارهای BW با عملکرد بازار ارتباط بهتری دارد و می تواند برای پیش بینی بهتر عملکرد بازار در کوتاه مدت مورد استفاده قرار گیرد.

با ظهور فناوری داده های بزرگ و انجمن های مالی آنلاین، احساسات سرمایه گذاران را می توان در زمان واقعی و مستقیم تر به دست آورد. روش و شاخص احساسات سرمایه گذار که ما در اینجا پیشنهاد می کنیم یک رویکرد جدید است که ارتباط نظری و عملی دارد.

در مرحله اول، می توان از آن برای آزمون فرضیه های ناشی از امور مالی رفتاری استفاده کرد. اکثر کارهای قبلی که به پراکسی های مبتنی بر بازار مانند معیارهای BW نگاه می کردند، فرض می کردند که سرمایه گذاران فردی مسئول قیمت گذاری نادرست ناشی از احساسات هستند، در حالی که Devault و همکاران.[23] مستند می کند که بیشتر معیارهای مبتنی بر بازار از جمله شاخص BW شوک های تقاضای سرمایه گذاران نهادی را به تصویر می کشد تا سرمایه گذاران فردی. GubaSenti نماینده ای برای احساسات فردی برای بازارهای سهام چین است و بنابراین می توان از آن برای ارزیابی مجدد این یافته های قبلی استفاده کرد. ثانیاً، ساخت یک شاخص احساس سرمایه گذار فردی، کمیت و طبقه بندی تأثیر خاص احساسات سرمایه گذار نهادی و فردی را بر بازار سهام، به ویژه در چین، ممکن می سازد. این می تواند تحقیقات بیشتر در مورد قیمت گذاری دارایی مبتنی بر احساسات و سرمایه گذاری کمی را تحریک کند. ثالثاً، این کار می تواند در پیش بینی عملکرد کوتاه مدت بازار و ایجاد استراتژی های معاملاتی مفید باشد و به سیاست گذاران کمک کند تا نقش سرمایه گذاران فردی در سهام را بهتر درک کنند.

2 پس زمینه

2. 1 مبنای نظری احساسات سرمایه گذار

فرضیه بازار کارا بر این باور است که قیمت سهام برابر با ارزش تنزیل شده منطقی جریان های نقدی مورد انتظار است و حتی اگر سرمایه گذاران غیرمنطقی وجود داشته باشند، خواسته های آنها توسط آربیتراژگران جبران می شود و در نهایت تأثیر قابل توجهی بر قیمت ها نخواهد داشت.

با این حال ، تعدادی از ناهنجاری های مالی در بازار وجود دارد که با فرضیه کارآمد بازار مانند کمبود واکنش و واکنش بیش از حد ، حرکت و اثر معکوس قابل توضیح نیست. از این رو محققان در امور مالی رفتاری در تلاشند تا مدلهای جایگزین ساخته شده بر روی احساسات سرمایه گذار و رفتار سرمایه گذار را توسعه دهند.

دلونگ و همکاران.[2] خاطرنشان كرد كه سرمایه گذاران مشمول احساسات هستند و در مورد ریسك معامله گر نویز در بازار مالی و تأثیر آن بر قیمت گذاری دارایی بحث می كنند. انحراف سیستماتیک از انتظار معامله گران نویز از ارزش دارایی می تواند به عنوان احساسات سرمایه گذار در نظر گرفته شود. لی و همکاران.[24] احساسات سرمایه گذار را به عنوان بخشی از بازده آینده سرمایه گذاران در دارایی هایی که نمی توانند توسط اصول توضیح دهند ، تعریف می کند ، یعنی انحراف غیر منطقی در قیمت آینده دارایی ها توسط احساسات سرمایه گذار ایجاد می شود. باربریس و همکاران.[25] احساسات سرمایه گذار را به عنوان اولویت غیر منطقی شرکت کنندگان در بازار تعریف کنید. بیکر و وورگلر [3] دو تعریف از احساسات سرمایه گذار را مطرح کردند: تمایل به حدس و گمان و خوش بینی یا بدبینی در مورد سهام. در واقع ، بیشتر مطالعات موجود در رابطه با احساسات سرمایه گذار عمدتاً از Delong و همکاران پیروی می کنند.[2] و بیکر و وورگلر [3].

2. 2 اندازه گیری احساسات سرمایه گذار

نحوه اندازه گیری احساسات سرمایه گذار یک چالش اساسی قبل از اینکه بتواند تأثیرات آن را بر قیمت سهام کمیت کند. چهار رویکرد اصلی برای اندازه گیری احساسات سرمایه گذار در اینجا خلاصه شده است.

اولین مورد جمع آوری انتظارات خوش بینانه یا بدبینانه سرمایه گذاران برای بورس از طریق نظرسنجی ها ، مانند شاخص احساسات مصرف کننده دانشگاه میشیگان [12] و شاخص UBS/GALLUP برای خوش بینی سرمایه گذار است [13].

مورد دوم استفاده از رویدادهای اجتماعی به عنوان نماینده احساسات سرمایه گذار ، مانند بلایای حمل و نقل هوایی [14] و رویدادهای سیاسی [15] است.

سوم اندازه گیری احساسات بر اساس شاخص های بازار ، به عنوان مثال حجم معاملات [26] ، حق بیمه سود سهام [27] و بازده اولیه عمومی بازده روز اول است [28]. تا کنون ، تأثیرگذارترین اندازه گیری شاخص احساسات سرمایه گذار BW است که توسط بیکر و وورگر ساخته شده است [3 ، 5]. شاخص BW با تجزیه و تحلیل مؤلفه اصلی شش پروکسی مبتنی بر بازار ، از جمله حجم معاملات ، حق بیمه سود سهام ، تخفیف صندوق بسته ، تعداد و بازده روز اول در IPO و سهم سهام در موضوعات جدید ساخته شده است.

معیارهای احساسات مبتنی بر بازار مانند شاخص BW عملکرد بازار را ضبط می کند ، که ممکن است احساسات سرمایه گذار نباشد بلکه نتایج رفتاری احساسات سرمایه گذار است. محدودیت این است که آنها فقط برای کل بازار ، ماهانه و تاخیر در دسترس هستند زیرا با فرکانس به روزرسانی شاخص های بازار محدود می شوند. این پروکسی های مبتنی بر بازار برای احساسات سرمایه گذار برای گرفتن رفتار سرمایه گذاران فردی به دنبال این فرض که سرمایه گذاران فردی مسئول سوءاستفاده های ناشی از احساسات هستند ، انتخاب می شوند. با این حال ، Devault و همکاران.[23] نشان می دهد که این معیارهای احساسات به جای سرمایه گذاران فردی ، شوک های تقاضا نهادی را ضبط می کنند.

با ظهور فناوری داده های بزرگ و انجمن های مالی آنلاین ، ساخت پراکسی های احساساتی بر اساس تجزیه و تحلیل داده های مبتنی بر متن از سیستم عامل های شبکه های اجتماعی به روشی محبوب برای اندازه گیری احساسات سرمایه گذار در زمان واقعی و مستقیم تر از معیارهای مبتنی بر بازار تبدیل شده است.

سه نوع داده مبتنی بر متن در دسترس است.(1) سوابق جستجو از موتور جستجو. دا و همکاران.[16] با استفاده از سوابق جستجوی Google ، شاخص جدید احساسات سرمایه گذار جدید را ساخته است. نتایج آنها نشان می دهد که این شاخص مربوط به جهت بازده و نوسانات سهام کوتاه مدت است. Fang و همکاران.[17] سوابق جستجوی بایدو را به عنوان پروکسی احساسات سرمایه گذار برای پیش بینی نوسانات بازار سهام چین انتخاب کرد.(2) روزنامه های مالی. به عنوان مثال ، Garćıa [18] از نسبت کلمات مثبت و منفی در اخبار مالی دو ستونی نیویورک تایمز برای اندازه گیری احساسات سرمایه گذار استفاده کرد. (3) داده های مبتنی بر متن از رسانه های اجتماعی و انجمن های مالی آنلاین ، مانند توییتر[19 ، 29 ، 30] ، فیس بوک [31] ، StockTwits [32] ، پاورقی سینا گوبا 1 [20 ، 21] و پاورقی Eastmoney Guba 2 [20 ، 21]. در مقایسه با پروکسی های احساساتی مبتنی بر نظرسنجی و مبتنی بر بازار ، اقدامات مبتنی بر متن با فرکانس بسیار بالاتر و با حجم داده بیشتر در دسترس است. ما استدلال می کنیم که اقدامات مبتنی بر متن بازتاب مستقیم تری از احساسات سرمایه گذار است ، بدون اینکه به مقادیر بازار تعادل که ممکن است توسط انواع عوامل بازار اشتباه گرفته شود ، باشد [16 ، 21].

ما احساس می کنیم که هنوز یک شاخص احساسات جدید ، مؤثر و سیستمیک مبتنی بر متن وجود ندارد. یکی از محدودیت های اصلی استفاده از اقدامات مبتنی بر متن به عنوان ارزیابی احساسات سرمایه گذار چینی این است که داده های انجمن های آنلاین مانند GUBA در چین برخلاف اعلامیه های رسمی ، محاوره هستند ، بنابراین هیچ فرهنگ لغت احساسات مؤثر یا مجموعه داده های مبتنی بر متن برای احساسات چینی در دسترس نیستتجزیه و تحلیل (اما به [22] مراجعه کنید).

2. 3 تأثیر احساسات سرمایه گذار بر سهام

با توجه به تأثیر احساسات سرمایه گذار بر بازده سهام ، بیشتر مطالعات تجربی نشان داده اند که احساسات سرمایه گذار تأثیر قابل توجهی دارد (به عنوان مثال ، [4،5،6،7 ، 24]).

مطالعات بررسی کرده اند که آیا احساسات سرمایه گذار می تواند بازده آینده را پیش بینی کند ، اما هیچ توافق گسترده ای وجود ندارد. ویتلی و همکاران.[33] این مستند را نشان می دهد که تغییر احساسات سرمایه گذار باعث تغییر عملکرد نمی شود بلکه بر نوسانات قیمت ها تأثیر می گذارد. کلینگ و گائو [34] نشان می دهند که احساسات سرمایه گذار نهادی چینی توانایی پیش بینی بازده بورس را در کوتاه مدت یا در دراز مدت ندارد. Xu و Zhou [35] یک سرمایه گذار جامع برای اوراق بهادار مختلف ایجاد کردند و دریافتند که احساسات می تواند بازده سهام را در کوتاه مدت پیش بینی کند. Nisar and Yeung [36] نشان می دهد که ممکن است امیدوار کننده استفاده از تجزیه و تحلیل احساسات از داده های توییتر برای پیش بینی روند بازار باشد. سان و همکاران.[37] شواهد تجربی ارائه می دهد مبنی بر اینکه احساسات سرمایه گذار توضیحی تر از سایر اندازه گیری شده برای تأثیر COVID-19 در بازار سهام چین است. تحقیقات دیگر به نقش احساسات سرمایه گذار در قیمت گذاری دارایی و توضیح ناهنجاری های بازار مانند حق بیمه ارزش [8] و اثر حرکت [9] پرداخته است. این مطالعات معمولاً به عنوان منعکس کننده چگونگی تأثیر رفتارهای تجاری مستقیم سرمایه گذاران در بازارها ، در حالی که Devault و همکاران تأثیر می گذارد ، تعبیر می شود.[23] نشان می دهد که متریک احساسات BW شوکهای تقاضای سرمایه گذاران نهادی را ضبط می کند و این یافته های قبلی باید مورد بررسی قرار گیرد.

دو دلیل برای نتایج متفاوت در تحقیق وجود دارد. یکی این است که اندازه گیری احساسات سرمایه گذار متفاوت است. همانطور که در Devault و همکاران نشان داده شده است.[23] ، اقدامات مبتنی بر بازار مانند متریک BW منعکس کننده احساسات سرمایه گذاران نهادی در کل است. نسبتاً ، اقدامات مبتنی بر متن مبتنی بر داده های انجمن های آنلاین مستقیماً احساسات سرمایه گذار فردی را منعکس می کند. دلیل دیگر این است که تمام بازارهای سهام یکسان نیستند. به عنوان مثال ، گرفتن ایالات متحده و چین ، نسبت سرمایه گذاران نهادی و فردی کاملاً متفاوت است. در ایالات متحده ، سرمایه گذاران انفرادی حدود 6 ٪ از ارزش بازار را تنها در حالی که سرمایه گذاران نهادی بیش از 93 ٪ را تشکیل می دهند ، تشکیل می دهند. از این رو ، احساسات سرمایه گذار فردی ممکن است تأثیر بسیار محدودی در بازار داشته باشد. با این حال ، در چین ، سرمایه گذاران انفرادی بیش از 90 ٪ در تعداد و فرکانس معاملات را به خود اختصاص می دهند. بنابراین ، آنها را نمی توان نادیده گرفت و باید بیشتر به احساسات سرمایه گذار فردی چین توجه کند.

از این رو ، ما بر ساخت شاخص احساسات سرمایه گذار فردی چین (Gubasenti) در این کار تمرکز می کنیم. این یک بازتاب مستقیم از احساسات سرمایه گذار فردی است که براساس تجزیه و تحلیل متنی داده های متنی از میلیون ها پست سهام در GUBA ، انعطاف پذیر برای سهام واحد ، سهام بخش ها یا صنایع مختلف ، کل بازار و هر ترکیب سهام دیگر و در دسترس است. در فرکانس های مختلف ، از جمله اما محدود به ساعتی ، روزانه و هفتگی نیست.

3 داده و رویکرد

3. 1 مقدمه ای بر گوبا

GUBA یک مجمع مالی آنلاین برای بورس اطلاعات سهام و تعامل بین سرمایه گذاران در چین است.

در GUBA ، میلیون ها سرمایه گذار انفرادی اخبار ، عقیده و تجربیات را از طریق پست های بسیاری و کوتاه و کوتاه به اشتراک می گذارند. ارسال ، خواندن و پاسخ دادن در GUBA بینشی از احساسات سرمایه گذار در زمان واقعی ارائه می دهد. بر خلاف اخبار رسمی و اعلامیه های رسمی ، این متون کوتاه محاوره ای و غنی از احساسات هستند.

GUBA همچنین برای هر سهام زیر گوبا ایجاد کرده است که به سرمایه گذاران امکان می دهد در مورد یک سهام خاص با یکدیگر ارتباط برقرار کنند ، بنابراین داده های مبتنی بر متن در پست های سهام در GUBA هم بازار محور و هم سهام محور هستند. ویژگی های متون GUBA در جدول 1 نشان داده شده است.

اطلاعات مربوط به هر پست شامل کد سهام ، زمان ارسال (دقیق به دقیقه) ، نوع و عنوان پست ، محتوای پست ، تعداد بازدید از پست ، هرگونه اظهار نظر در پست و ارسال کننده پست و سایر کاربر گرا است. اطلاعات ، همانطور که در جدول 2 نشان داده شده است.

از شکل 2 می توان مشاهده کرد که Gubasenti با CSI300 به طور کلی ارتباط مثبت دارد. به عنوان مثال ، در هفته از 20 آوریل 2015 تا 24 آوریل 2015 ، Gubasenti به اوج 73،652 امتیاز رسید و CSI300 در همان هفته با افزایش متوالی به مدت 7 هفته 2. 3 درصد افزایش یافت ، در حالی که در هفته از ماه ژوئیه27 ، Gubasenti به ارزش اوج منفی 18،234 امتیاز رسید و CSI300 در طول هفته 8. 6 ٪ کاهش یافت.

Gubasenti و CSI300 در اکثر موارد در مرحله ای قرار دارند که نشان دهنده اولیه ای است که Gubasenti منعکس کننده عملکرد بازار سهام است.

ما همچنین در مورد همبستگی بین Gubasenti و CSI300 تجزیه و تحلیل بیشتری انجام دادیم. جدول 4 نشان می دهد که بین Gubasenti و CSI300 همبستگی مثبت معنی داری وجود دارد. به طور خاص ، ضرایب همبستگی پیرسون بین Gubasenti از یک هفته خاص و CSI300 همان هفته ، هفته گذشته و هفته آینده به ترتیب 0. 56 ، 0. 34 و 0. 15 است که به ترتیب در سطح 1 ٪ قابل توجه است.

مشاهده می شود که Gubasenti در مقایسه با CICSI و ISI با CSI300 هم در گرایش و هم در نوسانات سازگار است. علاوه بر این ، ما می توانیم ضرایب همبستگی پیرسون را به ترتیب بین CICSI ، ISI ، Gubasenti و CSI300 بررسی کنیم ، همانطور که در صفحه A از جدول 9 نشان داده شده است.

جدول 9 ضرایب همبستگی پیرسون بین سه شاخص احساساتی و CSI300 (T = ماه)

ضرایب همبستگی پیرسون بین CICSI یک ماه خاص و CSI300 همان ماه ، ماه گذشته و ماه بعد 12/0 (معنی دار) ، 0. 26 (معنی دار در سطح 5 ٪) و 0. 016 (معنی دار نیست). ضرایب همبستگی پیرسون بین ISI یک ماه خاص و CSI300 همان ماه ، ماه گذشته و ماه بعد 0. 28 (در سطح 5 ٪ معنی دار) ، 0. 36 (معنی دار در سطح 1 ٪) و 0. 08 (معنی دار نیست) ،به ترتیب؛و ضرایب همبستگی پیرسون بین Gubasenti از یک ماه خاص و CSI300 از همان ماه ، ماه گذشته و ماه بعد 61 (معنی دار در سطح 1 ٪) ، 0. 50 (در سطح 1 ٪) و 0. 07 (معنی دار نیست)، به ترتیب.

تفاوت در ضرایب همبستگی با CSI300 بین Gubasenti و CICSI و بین Gubasenti و ISI قابل توجه است ، همانطور که در صفحه B جدول 9 نشان داده شده است.

بنابراین می توانیم پیشنهاد کنیم که Gubasenti از CICSI و ISI مؤثرتر است. یافته مهم دیگر این است که Gubasenti در یک هفته خاص با CSI300 در هفته آینده ارتباط مثبت دارد ، در حالی که این همبستگی در فرکانس ماهانه قابل توجه نیست ، که اثربخشی Gubasenti را در پیش بینی عملکرد بازار در کوتاه مدت برجسته می کند.

4. 3 مقایسه بین Gubasenti و سایر معیارهای مبتنی بر متن

با ظهور و توسعه سریع اینترنت و فناوری داده های بزرگ ، ساخت پراکسی های احساساتی بر اساس تجزیه و تحلیل داده های مبتنی بر متن از سیستم عامل های شبکه های اجتماعی بیشتر و بیشتر شده است. همانطور که قبلاً ذکر شد ، عمدتاً سه نوع داده مبتنی بر متن در تحقیقات موجود استفاده می شود ، از جمله سوابق جستجو از موتور جستجو ، روزنامه های مالی و داده های مبتنی بر متن از رسانه های اجتماعی یا انجمن های مالی آنلاین. در اینجا ، ما چهار معیار مبتنی بر متن را از ادبیات موجود انتخاب می کنیم تا با Gubasenti ساخته شده در کار خود مقایسه کنیم ، همانطور که در جدول 10 نشان داده شده است.

جدول 10 مقایسه بین Gubasenti و چهار معیار معمولی مبتنی بر متن

دا و همکاران.[16] با استفاده از سوابق جستجوی Google ، شاخص جدید سرمایه گذار سرمایه گذار جدید را ساخته و نشان داد که این شاخص مربوط به جهت بازده سهام کوتاه مدت و نوسانات است. گاری [18] از نسبت کلمات مثبت و منفی در اخبار مالی دو ستونی نیویورک تایمز برای اندازه گیری احساسات سرمایه گذار استفاده کرد و نشان داد که پیش بینی بازده سهام با استفاده از محتوای اخبار در رکود اقتصادی متمرکز است. سیگانوس و همکاران.[31] با استفاده از داده های به روزرسانی وضعیت در فیس بوک ، فاصله بین افراد با احساسات مثبت و منفی را به طور روزانه برای 20 کشور اندازه گیری کرد و دریافت که واگرایی احساسات با حجم معاملات و نوسانات قیمت سهام ارتباط مثبت دارد. رنو [32] یک رویکرد جدید را برای استخراج احساسات سرمایه گذار از پیام های ارسال شده در StockTwits اجرا کرد ، و شواهد تجربی ارائه داد که احساسات سرمایه گذار آنلاین به پیش بینی بازده شاخص سهام داخل داخلی کمک می کند.

بدیهی است که چهار معیار مبتنی بر متن حداقل روزانه با فرکانس بالا در دسترس هستند. همه آنها برای اندازه گیری احساسات سرمایه گذار از بازار طراحی شده اند ، بدون اینکه سرمایه گذاران فردی یا سرمایه گذاران نهادی را برجسته کنند. در واقع ، در بازار ایالات متحده ، سرمایه گذاران انفرادی تنها 6 ٪ از ارزش بازار را تشکیل می دهند در حالی که سرمایه گذاران نهادی بیش از 93 ٪ را تشکیل می دهند. از این رو ، احساسات سرمایه گذار فردی ممکن است تأثیر بسیار محدودی در بازار داشته باشد. اگرچه با چهار معیار در دستیابی به داده های مبتنی بر متن و رویکرد اصلی مشابه است ، Gubasenti از سه جنبه به شرح زیر با آنها متفاوت است.

اول ، Gubasenti به ویژه برای منعکس کردن احساسات سرمایه گذار فردی در چین ساخته شده است زیرا سرمایه گذاران انفرادی نقش مهمی در بازار سهام چین دارند و بیش از 90 ٪ هم در تعداد و هم در فرکانس معامله به حساب می آورند. دوم ، Gubasenti یک شاخص احساسات سرمایه گذار سیستمی است ، انعطاف پذیر برای اندازه گیری احساسات سرمایه گذار از یک سهام واحد ، یک بخش یا یک صنعت و کل بازار.

5 نتیجه گیری و بحث

5. 1 نتیجه گیری

در این مقاله اندازه گیری جدیدی از احساسات سرمایه گذار فردی چین با استفاده از داده های مبتنی بر متن از انجمن های مالی آنلاین شرح داده شده است.

ما یک بانک اطلاعاتی مبتنی بر متن متشکل از بیش از 200 میلیون پست سهام از GUBA در چین و یک فرهنگ لغت احساسات خاص شامل 48. 878 کلمه (Gubalex) برای تجزیه و تحلیل احساسات متنی ایجاد کردیم.

سپس ما یک روش جدید برای اندازه گیری احساسات سرمایه گذار فردی چین پیشنهاد کردیم و شاخص احساسات سرمایه گذار فردی چین را ساختیم. ما سپس همبستگی بین Gubasenti و بازده سهام را مورد بررسی قرار دادیم و Gubasenti را با دو معیار معمولی BW در چین مقایسه کردیم.

نتایج نشان می دهد که Gubasenti نسبت به معیارهای احساسات مبتنی بر بازار به عملکرد بازار اهمیت بیشتری دارد و می تواند برای پیش بینی عملکرد بازار در کوتاه مدت مورد استفاده قرار گیرد.

در مقایسه با معیارهای احساساتی سنتی ، Gubasenti:

1. .
2. (2) با استفاده از تجزیه و تحلیل مبتنی بر متن از داده های سهام در انجمن های مالی آنلاین مانند GUBA ، احساسات سرمایه گذار را مستقیماً ضبط می کند ، در حالی که معیارهای احساسات مبتنی بر بازار مانند BW Index عملکرد بازار را ضبط می کند که همان احساسات سرمایه گذار نیست.
3. (3) برای بررسی سهام واحد ، سهام بخش ها یا صنایع مختلف ، بازار کلی و هر ترکیب دیگر انعطاف پذیر است. معیارهای احساساتی مبتنی بر بازار مانند BW Index فقط برای بازار کلی در دسترس است.
4. (4) در فرکانس بسیار بالاتر از معیارهای احساسات مبتنی بر بازار در دسترس است. Gubasenti در زمان واقعی در فرکانس های ساعتی ، روزانه ، هفتگی و ماهانه است ، در حالی که معیارهای احساساتی مبتنی بر بازار سنتی با توجه به فرکانس به روزرسانی شاخص های بازار محدود می شود و فقط ماهانه می توان به دست آورد.

در پایان ، Gubasenti اولین نماینده نماینده سیستمی ، انعطاف پذیر و در زمان واقعی است که با استفاده از تجزیه و تحلیل مبتنی بر متن از داده های بزرگ از میلیون ها پست سهام در مجامع مالی آنلاین ، احساسات سرمایه گذار فردی چین را با استفاده از تجزیه و تحلیل مبتنی بر متن از داده های بزرگ.

5. 2 بحث

Gubasenti می تواند هم در تئوری و هم در عمل نقش داشته باشد. می توان از آن برای آزمایش فرضیه ها از امور مالی رفتاری استفاده کرد. Gubasenti یک پروکسی برای احساسات فردی برای بازارهای سهام چینی است و می تواند برای بررسی مجدد یافته های قبلی مورد استفاده قرار گیرد. شاخص احساسات سرمایه گذار فردی امکان تعیین میزان تأثیرات احساسات سرمایه گذار نهادی و فردی در بورس سهام ، به ویژه برای چین را فراهم می کند ، که می تواند تحقیقات را در مورد قیمت گذاری دارایی مبتنی بر احساسات در زمان واقعی تحریک کند. Gubasenti می تواند برای عملکرد کوتاه مدت محصول و آگاهی از استراتژی های تجارت مفید باشد و می تواند به سیاست گذاران کمک کند تا نقش سرمایه گذاران فردی را در بازار سهام بهتر درک کنند.

قیمت گذاری دارایی مبتنی بر احساسات در زمان واقعی یک منطقه امیدوار کننده برای تحقیقات آینده است و می تواند نقش مهمی در سرمایه گذاری کمی در عمل داشته باشد.

ما می خواهیم مجموعه داده های Gubasenti را برای اهداف تحقیق دانشگاهی در وب سایت رسمی انستیتوی بین المللی داده های بزرگ در امور مالی مستقر در دانشکده تجارت ، دانشگاه عادی پکن به اشتراک بگذاریم. در دسترس است در: