en خرد جمعی و پیش‌بینی قیمت سهام اقتصاد پولی Monetary Economics پژوهشی اصیل - كاربردی Original Research - Empirical <div style="text-align: justify;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal">تحلیل تکنیکال و بنیادین دو روش اصلی برای مطالعه بازارهای مالی هستند. با این حال، دسترسی به اینترنت و رسانه‌های‌اجتماعی به سرمایه‌گذاران کمک می‌کند تا تصمیمات بهتری بگیرند. شبکه‌های اجتماعی به منبع اطلاعات برای سرمایه گذاران تبدیل شده است. سوروویسکی (2005) دریافت رسانه‌های‌اجتماعی می‌توانند بهتر از افراد پیش‌بینی کنند که به عنوان خرد جمعی شناخته شد. در این مطالعه، پتانسیل خرد جمعی جهت بهبود دقت پیش‌بینی قیمت سهام ارزیابی شد. با این هدف یک مدل پیش‌بینی توسط حافظه بلند کوتاه‌مدت و بر اساس خرد جمعی ایجاد شد. نظرات کاربران فارسی‌زبان در مورد سهام‌های بورس اوراق بهادار تهران به مدت 8 ماه جمع‌آوری و در کلاس‌های خرید، فروش و خنثی طبقه بندی شد. در طول دوره تحقیق، 823 سهام از سوی کاربران پیشنهاد شده بود که 52 سهام که بیش از 100 پیشنهاد داشتند، به عنوان نمونه پژوهش انتخاب شدند. دقت مدل پیش‌بینی برای 19 سهم افزایش یافت. در حالی که برای 33 سهم باقی‌مانده این اتفاق نیفتاد. توجه به این نکته مهم است که برای سرمایه‌گذاران بسیار مهم است که تفکر انتقادی را به‌کارگیرند. خرد جمعی می‌تواند به‌عنوان یکی از ورودی‌های فرآیند تصمیم‌گیری در کنار سایر عوامل مرتبط در نظر گرفته شود. خرد جمعی فرصتی را فراهم می‌کند تا به اطلاعات گسترده‌ و متنوعی دست‌یافت. بازارها یا پلتفرم‌های پیش‌بینی مبتنی بر خرد جمعی که نظرات تعداد زیادی از افراد را جمع‌آوری می‌کنند، می‌توانند بینش‌های ارزشمندی در مورد روندهای اقتصادی، ترجیحات سرمایه‌گذاری و انتظارات آتی ارائه دهند. این شاخص‌ها می‌توانند به‌طور غیرمستقیم جریان پول را با درک خرد جمعی شرکت‌کنندگان منعکس کنند. ترکیب خرد جمعی، تحلیل بنیادی و تکنیکال می تواند ابزار مفیدی برای معامله گران در تشخیص جریان سرمایه و فرصت های سودآور باشد</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="font-weight:normal">.</span></span><span lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal"></span></span></span></span></span><br> &nbsp;</div> <div style="text-align: justify;">Technical and fundamental analysis are the two principal methods for studying financial markets. However, access to internet and social media helps investors make better decisions. Social media has turned into a source of information for investors. Surowiecki (2005) found social media can predict better than individuals, known as the Wisdom of the Crowd. In this study, we tried to evaluate the wisdom of the crowd&rsquo;s potential to improve stock price prediction accuracy. So, we developed a prediction model by Long Short-Term Memory based on the wisdom of the crowd. Persian users&#39; opinions on Tehran Stock Exchange stocks were gathered for 8 months and classified as buying, sell, or neutral. During the research period, people mentioned 823 stocks and 52 stocks, which had over 100 recommendations, were chosen. Prediction model accuracy was increased for 19 stocks. While, for 33 stocks were not more accurate with the wisdom of the crowds and social media features. <span style="background:white"><span style="color:black">It is important to note that investors apply critical thinking. The wisdom of the crowd can be one input to the decision-making process, along with other related factors. The wisdom of the crowd provides an opportunity to access vast and diverse information. Getting opinions from various people can provide valuable insights into economics and investment preferences. The wisdom of the crowd can help reveal the flow of money. </span></span>The combination of the wisdom of the crowd, fundamental, and technical analysis can be a useful tool for traders in detecting capital flow and profitable opportunities.<br> &nbsp;</div> خرد جمعی, پیش‌بینی قیمت سهام, حافظه بلند کوتاه مدت Wisdom of Crowd, Stock Price Prediction, Long Short-Term Memory, LSTM 51 74 http://jme.mbri.ac.ir/browse.php?a_code=A-10-580-1&slc_lang=en&sid=1 Mahsima Kazemi Movahed مه سیما کاظمی موحد mahsima.kazemi@ut.ac.ir 10031947532846005975 10031947532846005975 Yes Department of Information Technology Management, Faculty of management, University of Tehran گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران Ahmad Khalili Jafarabad احمد خلیلی جعفرآباد ahmad.khalili86@gmail.com 10031947532846005976 10031947532846005976 No Department of Information Technology Management, Faculty of management, University of Tehran گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران Saeed Rouhani سعید روحانی srouhani@ut.ac.ir 10031947532846005977 10031947532846005977 No Department of Information Technology Management, Faculty of management, University of Tehran گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران Hamid Reza Yazdani حمیدرضا یزدانی hryazdani@ut.ac.ir 10031947532846005978 10031947532846005978 No Department of Business Management, Farabi Collage, University of Tehran گروه مدیریت کسب و کار، دانشکده فارابی، دانشگاه تهران Babak Sohrabi بابک سهرابی bsohrabi@ut.ac.ir 10031947532846005979 10031947532846005979 No Department of Information Technology Management, Faculty of management, University of Tehran گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران