بهبود پیش‌بینی قیمت سهام با استفاده از نشانگرهای فنی و تحلیل احساسات

نوع مقاله : علمی-پژوهشی

نویسندگان

1 دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران

2 عضو هیات علمی گروه کامپیوتر/دانشگاه یزد

3 عضو هیات علمی دانشگاه یزد

چکیده

با افزایش استفاده عموم از رسانه‌های اجتماعی مثل توییتر، افکار عمومی تحت تأثیر پست‌های منتشرشده توسط افراد مؤثر و عموم افراد قرار می‌گیرند. این افکار و پست‌های منتشرشده به خصوص در حوزه بازار سهام، به معامله‌گران که قصد خرید یا فروش سهام را دارند جهت می‌دهد. در این مقاله تأثیر تحلیل احساسات بر افزایش دقت پیش‌بینی قیمت سهام با استفاده از نشانگرهای فنی بررسی شده ‌است. از شش تخمین‌گر پایه و پنج نشانگر فنی مؤثر، برای پیش‌بینی قیمت سهام استفاده شده ‌است. از طریق آزمایش‌ها نشان داده شد که اندازه پنجره زمانی مناسب تأثیر مثبتی بر عملکرد مدل دارد. اندازه پنجره زمانی به ترتیب 3، 7، 14، 30، 45 و 60 روزه تنظیم و بهترین پنجره زمانی برای پیش‌بینی قیمت سهام انتخاب شد. هدف پیش‌بینی قیمت سهام پس از 7 روز بود. نتایج با تحلیل احساسات و بدون تحلیل احساسات بررسی شد و نتایج نشان‌دهنده بهبود پیش‌بینی بااستفاده از تحلیل احساسات بود. بهترین مدل‌ها جهت پیش‌بینی قیمت سهام مدل‌های رگرسیون خطی، رگرسیون پرسپترون چندلایه و رگرسیون جنگل‌تصادفی بود. براساس تحلیل احساسات انجام شده؛ نتایج نشان داد که حجم توییت‌ها با حجم معاملات در ارتباط است، همچنین میانگین امتیاز نظرات مثبت در یک روز، با قیمت سهام ارتباط بالایی داشت. به طور کلی، بهترین روش‌ها جهت پیش‌بینی قیمت سهام با استفاده از تحلیل احساسات و براساس معیار ارزیابی MSE، روش‌های LR، MLP و RF هستند. پیش‌بینی قیمت سهام با روش MLP با تحلیل احساسات 17/37 درصد و با روش LR و با تحلیل احساسات 78/34 درصد بهبود یافته است.

کلیدواژه‌ها

عنوان مقاله [English]

Improving stock price prediction using technical indicators and sentiment analysis

نویسندگان [English]

  • Fatemeh Moodi 1
  • Amir Jahangard-Rafsanjani 2
  • Sajad Zarifzadeh 3
1 Department of computer engineering, Yazd University, Yazd, Iran
2 Department of computer engineering, Yazd University, Yazd, Iran
3 Associated Professor, Department of computer engineering, Yazd University, Yazd, Iran
چکیده [English]

In this paper, the impact of sentiment analysis on increasing the accuracy of stock price predictions using technical indicators is investigated. Six basic estimators and five effective technical indicators are used to predict stock prices. The time window sizes were set at 3, 7, 14, 30, 45, and 60 days, respectively, and the best time window was selected to predict stock prices. The goal was to predict stock prices after 7 days. The best models for predicting stock prices, based on MSE assessment criteria, were linear regression models, multilayer perceptron regression, and random forest regression with MSE values of 34.78, 37.78, and 1%, respectively. The results showed that the volume of tweets was associated with the volume of trade, as well as the mean score of positive sentiment in one day, with stock prices.

کلیدواژه‌ها [English]

  • Stock price prediction
  • Sentiment analysis
  • Technical indicator
  • Regression method
  • Big data
مجله مهندسی برق دانشگاه تبریز

مقالات آماده انتشار، اصلاح شده برای چاپ
انتشار آنلاین از تاریخ 13 تیر 1403

فایل ها

هم رسانی

ارجاع به این مقاله

آمار