Journal of Money and Economy

en پیش بینی قیمت سهام با استفاده از عقیده کاوی و تحلیل احساسات در شبکه اجتماعی توییتر با بکارگیری ماشینهای بردار پشتیبان Forecasting Stock Price Movements Based on Opinion Mining and Sentiment Analysis: An Application of Support Vector Machine and Twitter Data اقتصاد Economics پژوهشی اصیل - نظری Original Research - Theoric  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.   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. شبکه اجتماعی, پیش‌بینی سهام, احساسات گروهی, احساسات جمعی, تحلیل احساسات, عقیده‌کاوی Social Networking, Stock Prediction, Group Emotion, Collective Emotion, Sentiment Analysis, Opinion Mining, Neural Network 235 251 http://jme.mbri.ac.ir/browse.php?a_code=A-10-429-1&slc_lang=en&sid=1 Babak Sohrabi بابک سهرابی bsohrabi@ut.ac.ir 10031947532846004718 10031947532846004718 Yes Faculty of Management, University of Tehran دانشگاه تهران Ahmad Khalili Jafarabad احمد خلیلی جعفرآباد akhalili@ut.ac.ir 10031947532846004719 10031947532846004719 No Faculty of Management, University of Tehran دانشگاه تهران Ardalan Hadizadeh اردلان هادی زاده ahadizadeh@ut.ac.ir 10031947532846004720 10031947532846004720 No Faculty of Management, University of Tehran دانشگاه تهران