بررسی بازار تحت تأثیر احساسات مصرف‌کنندگان با استفاده از هوش مصنوعی

نقی‌پور, عوض; باغبانی, الهام

doi:JABM.3.2.15564.351256.3257456

بررسی بازار تحت تأثیر احساسات مصرف‌کنندگان با استفاده از هوش مصنوعی

نوع مقاله : مقاله علمی-پژوهشی

نویسندگان

عوض نقی‌پور

الهام باغبانی

گروه مهندسی کامپیوتر، مؤسسه آموزش عالی نبی اکرم (ص)، تبریز، ایران

JABM.3.2.15564.351256.3257456

چکیده

به دلیل نوسانات غیرخطی قیمت سهام پیش‌بینی آن چالش برانگیز است. بنابراین تشخیص ویژگی‌هایی که بتوان رفتار بازار را براساس آن‌ها پیش‌بینی کرد حائز اهمیت می‌باشد. هم روش‌های سنتی و هم روش‌های نوین برای این ویژگی‌ها بسیار مهم می‌باشند. از جمله این ویژگی‌ها می‌توان به احساسات و هیجانات مصرف کنندگان اشاره کرد. در این تحقیق تأثیر فاکتور احساسات مصرف کننده در پیش بینی نوسانات بازار بررسی شده است. برای این منظور شاخص S&P500 ابتدا بدون در نظر گرفتن ویژگی احساسات مصرف کننده با استفاده از شبکه‌ی عصبی عمیق BiLSTM و سپس با ترکیب فاکتور احساسات مصرف کننده UMCSENT برای پیش‌بینی مدنظر قرار گرفته است. آزمایش‌ها و نتایج این تحقیق نشان می‌دهند که استفاده از احساسات و هیجانات مصرف کنندگان دقت پیش‌بینی شاخص S&P500 را افزایش می‌دهد.

کلیدواژه‌ها

یادگیری‌عمیق

شبکه‌عصبی

قیمت‌سهام

احساسات‌ مصرف کننده

UMCSENT

موضوعات

بازاریابی

عنوان مقاله English

Predicting the market influenced by consumer sentiments using artificial intelligence

نویسندگان English

Avaz Naghipour

Elham Baghbani

Department of Computer Engineering, University College of Nabi Akram,Tabriz, Iran

چکیده English

Because of the non-linear fluctuations of the stock price, it is challenging to predict. Therefore, it is important to identify the characteristics that can be used to predict market behavior. Both traditional and modern methods are very important for these features. Among these features, we can mention the feelings and emotions of consumers. In this research, the effect of consumer sentiment factor in predicting market fluctuations has been investigated. For this purpose, the S&P500 index has been considered for forecasting first without considering the characteristics of consumer sentiments using BiLSTM deep neural network and then by combining the UMCSENT consumer sentiment factor. The experiments and results of this research show that the use of consumers' feelings and emotions increases the accuracy of forecasting the S&P500 index.

کلیدواژه‌ها English

Deep Learning

Neural Network

Stock Price

Consumer Sentiment

UMCSENT

Baker and J. Wurgler, "Investor sentiment in the stock market, "Journal of economic perspectives," vol. 21, no. 2, pp. 129-151, 2007.

Gao, R. Wang, and E. Zhou, "Stock prediction based on optimized LSTM and GRU models," Scientific Programming," vol. 2021, pp. 1-8, 2021.

Sohangir, D. Wang, A. Pomeranets, and T. M. Khoshgoftaar, "Big Data: Deep Learning for financial sentiment analysis," Journal of Big Data, vol. 5, no. 1, pp. 1-25, 2018.

Mohan, S. Mullapudi, S. Sammeta, P. Vijayvergia, and D. C. Anastasiu, "Stock price prediction using news sentiment analysis," in 2019 IEEE fifth international conference on big data computing service and applications (BigDataService), 2019: IEEE, pp. 205-208

F. Stambaugh, J. Yu, and Y. Yuan, "The short of it: Investor sentiment and anomalies,"Journal of financial economics," vol. 104, no. 2, pp. 288-302, 2012..https://pipraz.com.

Rusiana, "Dynamic relationship between consumer confidence and federal funds interest rates: VECM and TVECM analyses," University of Georgia, Dec. 2023.

N. Bhandari, B. Rimal, N. R. Pokhrel, R. Rimal, K. R. Dahal, and R. K. Khatri, "Predicting stock market index using LSTM," Machine Learning with Applications, vol. 9, p. 100320, 2022.