تبیین اثر تحلیل احساسات رسانههای اجتماعی بر تصمیمات سرمایهگذاری و نوسانات بازار سهام با رویکرد هوش مصنوعی
کلمات کلیدی:
تحلیل احساسات, رسانههای اجتماعی, تصمیمات سرمایهگذاری, نوسانات بازار سهام, هوش مصنوعی, رفتار سرمایهگذارچکیده
هدف این پژوهش، تبیین سازوکار اثرگذاری تحلیل احساسات رسانههای اجتماعی بر تصمیمات سرمایهگذاری، رفتار معاملهگران و نوسانات بازار سهام با تأکید بر قابلیتها و چالشهای هوش مصنوعی در تفسیر دادههای احساسی بازار است. این پژوهش با رویکرد کیفی و طرح اکتشافی انجام شد. مشارکتکنندگان شامل 24 نفر از سرمایهگذاران فعال، تحلیلگران بازار سرمایه، مدیران سبد، کارشناسان فناوری مالی و متخصصان هوش مصنوعی مستقر در تهران بودند که به روش نمونهگیری هدفمند و گلولهبرفی انتخاب شدند. دادهها صرفاً از طریق مصاحبههای نیمهساختاریافته گردآوری شد و فرایند نمونهگیری تا دستیابی به اشباع نظری ادامه یافت. مصاحبهها پس از پیادهسازی، با استفاده از نرمافزار NVivo و بر اساس تحلیل مضمون ششمرحلهای تحلیل شدند. برای افزایش اعتبار یافتهها از بازبینی مشارکتکنندگان، مرور همتایان، ثبت مسیر تحلیل و مقایسه مستمر کدها استفاده شد. تحلیل دادهها به استخراج پنج مقوله اصلی منجر شد: «احساسیسازی توجه سرمایهگذار»، «اثر شبکهای شایعه، هیجان و رفتار گلهای»، «تقویت یا تعدیل نوسانات بازار از طریق الگوریتمهای هوشمند»، «چالش اعتماد، سوگیری و دستکاری در دادههای احساسی» و «ضرورت حکمرانی تحلیلی و سواد مالی دیجیتال». مشارکتکنندگان تأکید کردند که احساسات رسانههای اجتماعی، بهویژه در دورههای ابهام، میتواند ادراک ریسک را تغییر دهد، تصمیمات خرید و فروش را تسریع کند، حجم معاملات را افزایش دهد و به نوسانات کوتاهمدت بازار دامن بزند. در عین حال، تحلیل احساسات مبتنی بر هوش مصنوعی در صورت اعتبارسنجی مناسب میتواند بهعنوان ابزار مکمل تصمیمگیری و هشدار زودهنگام عمل کند. نتایج نشان داد تحلیل احساسات رسانههای اجتماعی نه جایگزین تحلیل بنیادی و تکنیکال، بلکه لایهای مکمل در فهم رفتار بازار است. استفاده مؤثر از آن مستلزم ترکیب مدلهای هوش مصنوعی با قضاوت انسانی، کنترل سوگیری داده، شفافیت الگوریتمی و ارتقای سواد مالی دیجیتال سرمایهگذاران است.
کلیدواژهها: تحلیل احساسات، رسانههای اجتماعی، تصمیمات سرمایهگذاری، نوسانات بازار سهام، هوش مصنوعی، رفتار سرمایهگذار.
دانلودها
مراجع
Antweiler, W., & Frank, M. Z. (2004). Is all that talk just noise? The information content of internet stock message boards. The Journal of Finance, 59(3), 1259–1294. https://doi.org/10.1111/j.1540-6261.2004.00662.x
Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross-section of stock returns. The Journal of Finance, 61(4), 1645–1680. https://doi.org/10.1111/j.1540-6261.2006.00885.x
Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. The Review of Financial Studies, 21(2), 785–818. https://doi.org/10.1093/rfs/hhm079
Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of Computational Science, 2(1), 1–8. https://doi.org/10.1016/j.jocs.2010.12.007
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. The Journal of Finance, 66(5), 1461–1499. https://doi.org/10.1111/j.1540-6261.2011.01679.x
De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise trader risk in financial markets. Journal of Political Economy, 98(4), 703–738. https://doi.org/10.1086/261703
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics, 4171–4186. https://doi.org/10.18653/v1/N19-1423
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417. https://doi.org/10.2307/2325486
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Sage.
Loughran, T., & McDonald, B. (2011). When is a liability not a liability? Textual analysis, dictionaries, and 10-Ks. The Journal of Finance, 66(1), 35–65. https://doi.org/10.1111/j.1540-6261.2010.01625.x
Shiller, R. J. (2000). Irrational exuberance. Princeton University Press.
Sprenger, T. O., Tumasjan, A., Sandner, P. G., & Welpe, I. M. (2014). Tweets and trades: The information content of stock microblogs. European Financial Management, 20(5), 926–957. https://doi.org/10.1111/j.1468-036X.2013.12007.x
Tetlock, P. C. (2007). Giving content to investor sentiment: The role of media in the stock market. The Journal of Finance, 62(3), 1139–1168. https://doi.org/10.1111/j.1540-6261.2007.01232.x
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998–6008