ریسک نقدینگی و روحیه سرمایه گذاران: پیوند نقدینگی بازار مالی به تجزیه و تحلیل احساسات از طریق توییتر در فهرست S& P500

خدمات میکروبلاگینگ می توانند اطلاعاتی را که سرمایه گذاران برای تصمیم گیری مالی در بورس سهام استفاده می کنند ، غنی کنند. از آنجا که نقدینگی عواقب فوری برای حرکات یک معامله گر دارد ، این خطر یک منطقه جذاب برای دانشگاهیان و کسانی که در بازارهای مالی شرکت می کنند ، است. این مقاله به نقدینگی بازار می پردازد و تأثیر آن بر نقدینگی و هزینه های تجارت خدمات میکروبلاگینگ محبوب توییتر را بررسی می کند. تجزیه و تحلیل احساسات استخراج شده از توییتر و اقدامات مختلف نقدینگی محبوب برای تجزیه و تحلیل رابطه بین نقدینگی و نظرات سرمایه گذاران جمع آوری شد. نتایج ، بر اساس تجزیه و تحلیل شاخص S& P 500 ، نشان داد که روحیه سرمایه گذاران تأثیر کمی در گسترش شاخص دارند.

1. معرفی

تجزیه و تحلیل احساسات زمینه ای از پردازش زبان طبیعی (NLP) است که به درک و استخراج نظرات مختلف در مورد یک موضوع خاص کمک می کند. از آنجا که 2. 5 بایت از داده های کوئینتیون روزانه در سراسر جهان توسط شرکت کنندگان در رسانه های اجتماعی تولید می شود ، می توان از ابزارهای تجزیه و تحلیل احساسات استفاده کرد تا داده ها را حس کند. در حالی که معدن نظر نظرات را به مثبت یا منفی طبقه بندی می کند ، تجزیه و تحلیل احساسات یک زمینه مورد علاقه هم برای دانشگاهیان و هم برای پزشکان است ، زیرا شبکه های اجتماعی که به طور مداوم در حال گسترش هستند ، تبادل اطلاعات و نظرات را در مورد محصولات ، خدمات یا هر موضوع دیگری امکان پذیر می کند. تجزیه و تحلیل احساسات نه تنها چنین اطلاعات عمومی بدون ساختار را به داده های ساخت یافته تبدیل می کند ، بلکه امکان استفاده از داده ها را در زمینه های مختلف مانند بازخورد مشتری ، بررسی محصول/خدمات ، امتیاز دهی خالص مروج ، روابط ذینفعان ، بازاریابی ، پیش بینی بازار مالی یا ممکن استتقریباً هر زمینه دیگری

رسانه های اجتماعی شبکه های مقرون به صرفه و به راحتی در دسترس هستند که ضمن ریشه کن کردن موانع جغرافیایی ، اطلاعات را برای اهداف خصوصی و تجاری مبادله می کنند. آنها منبع گسترده ای از مقادیر ایجاد همبستگی هستند که شرکت کنندگان در ارزیابی و پالایش مفهوم سازی نقش دارند [1].

رسانه های اجتماعی را می توان به شش نوع تقسیم کرد [1]: سایت های شبکه های اجتماعی ، وبلاگ ها و وبلاگ های خرد ، پروژه های مشترک ، دنیای بازی های مجازی ، جوامع محتوا و جوامع مجازی. این طبقه بندی در گسترش ادبیات رسانه های اجتماعی در زمینه های قابل توجه متنوع ، مانند تخمین رای گیری [2،3] ، گردشگری [4] ، پزشکی و مراقبت های بهداشتی [5،6] ، یادگیری مشترک [7] ، اجتماعی نقش داشته است. مشارکت [8] ، Sport [9] ، ارتباطات [10] ، سازماندهی [11] ، تصمیمات استخدام/انتخاب [12] ، تجزیه و تحلیل رویداد بحران [13،14،15] ، بررسی هزینه های عمومی [16] و بورس اوراق بهادارپیش بینی های مربوط به بازده ، قیمت ها ، نوسانات و حجم معاملات [17،18،19].

با این حال ، به دانش نویسندگان ، تأثیر رسانه های اجتماعی بر نقدینگی بازار مالی و بنابراین در هزینه های معاملاتی مورد بررسی قرار نگرفته است. نقدینگی بازار عملکرد کارآمد و پایدار بازارهای مالی را تسهیل می کند [20]. این یک مفهوم چند بعدی است ، که به طور کلی به فوری اجرای تجارت با تأثیر قیمت محدود و هزینه های پایین معاملات اشاره دارد [21]. در حالی که می توان جنبه های مختلف آن را مورد مطالعه قرار داد ، این مطالعه بررسی می کند که آیا شبکه اجتماعی میکروبلاگینگ توییتر بر نقدینگی تأثیر می گذارد.

بحران مالی 2007-2009 به طور مهم بر اهمیت نقدینگی در عملکرد بازارهای جهانی مالی تأکید کرد [20]. ضررهای شدید معاملات باعث شد تا بازیگران اصلی در سیستم مالی مجدداً پروفایل های ریسک و مدل های تجاری خود را ارزیابی کنند ، که این یک گام بزرگ در جهت اجرای اصلاحات نظارتی دقیق در بخش مالی محسوب می شد. سیاست گذاران بر لزوم محدود کردن خطوط تجاری خطرناک بانک ها ، مانند بانکداری سرمایه گذاری و تجارت تأکید کردند [22]. کاهش قابل اندازه گیری در ظرفیت معاملات بانکها وجود داشته است: سهام دارایی های تجاری بین سالهای 2008 و 2015 بیش از 40 ٪ کاهش یافته است. با این حال ، نگرانی ها در مورد تمایل و توانایی آنها به عنوان سازندگان بازار افزایش می یابد یا اینکه آنها را پس می گیرندبه طور ناگهانی در موارد پریشانی نقدینگی.

نقدینگی بازار مالی به دلایل مختلفی می تواند به طور ناگهانی کاهش یابد. اولاً، تا حدی به شفافیت اطلاعات در مورد مقادیر امنیتی بستگی دارد، که در طول زمان متفاوت است. ثانیاً، تعداد تأمین کنندگان نقدینگی و دسترسی آنها به سرمایه، تعیین کننده قابل توجهی در نقدینگی بازار است. ثالثاً، افزایش عدم اطمینان در مورد نقدینگی بازار، تأمین نقدینگی را با ریسک تر می کند و غرامتی را که ارائه دهندگان نقدینگی تقاضا می کنند، افزایش می دهد، به عنوان مثال، هزینه معاملاتی (پرداخت پیشنهادی درخواستی) افزایش می یابد.

ادبیات موجود استدلال می کند که اطلاعات نامتقارن یکی از عوامل در تعیین نقدینگی و هزینه معاملات است [23،24،25،26]. رسانه های اجتماعی ساختار متنوعی از شبکه های اجتماعی را ایجاد کرده اند که در آن شرکت کنندگان، صرف نظر از پیشینه حرفه ای شان، برای تبادل اطلاعات در مورد بازارهای مالی و برخی اوراق بهادار به عنوان یک کل باز هستند. بنابراین بررسی تأثیر چنین اطلاعات و نظراتی بر نقدشوندگی بازار مالی ضروری است.

بنابراین هدف این مقاله تحلیل تاثیر رسانه های اجتماعی بر نقدینگی بازار مالی است. این تحلیل می تواند پیامدهای بالقوه ای هم برای دانشگاهیان و هم برای سرمایه گذاران از نظر کمی کردن احساسات مبتنی بر رسانه های اجتماعی نسبت به نقدینگی بازار مالی و هزینه های معاملاتی داشته باشد.

بقیه مقاله به شرح زیر سازماندهی شده است. بررسی مختصری از ادبیات در بخش 2 گنجانده شده است. شرح داده های جمع آوری شده و معیارهای مختلف نقدینگی در بخش 3 ارائه شده است. نتایج تحقیق ارائه شده و در بخش 4 مورد بحث قرار گرفته و مقاله با نتیجه گیری های اصلی که در بخش 5 برجسته شده اند به پایان می رسد..

2. بررسی ادبیات

فعالان بازار آشکارا فضاهایی را در محصولات، خدمات و شرکت ها با انعکاس نظرات و نگرانی ها ایجاد می کنند [27] که زمینه ارتباطات را بیشتر توسعه می دهد [28]. رسانه های اجتماعی نه تنها به ایجاد تحول متقابل بین ذینفعان و مشاغل کمک کرده اند، بلکه رویکرد محتوای مرتبط با کسب و کار را با توجه به تولید، توزیع و مصرف نیز تغییر داده اند [27]. شرکت ها فرصت های مقرون به صرفه ای برای برقراری ارتباط و ایجاد یک رابطه قوی با سهامداران از طریق شبکه های اجتماعی [29] بدون فاصله و موانع جغرافیایی دارند [30].

مشارکت بنگاهها در رسانه های اجتماعی می تواند روابط مستقیمی با مشتریان برقرار کند ، با شناسایی فرصت های جدید ، ایجاد جوامع مرتبط با محصول ، جمع آوری نظرات و نگرانی ها و به طور کلی بهبود شکاف ها ، تجارت را گسترش دهد. با توجه به ماهیت غیر تعاملی ، رسانه های اجتماعی به خوبی برای جمع آوری بازخورد از مخاطبان بالقوه بسیار بزرگ ، شروع ارتباطات دو طرفه و توسعه روابط با مشتریان از طریق تعامل مناسب هستند [1] و بنابراین یک منبع مقرون به صرفه برای هدف قرار دادن یک عظیم هستندمخاطب و جمع آوری حجم زیادی از بازخورد.

توییتر ، به عنوان یک شبکه اجتماعی میکروبلاگینگ ، یکی از محبوب ترین منابع ارتباطی است که از طریق آن شرکت کنندگان می توانند در سطح جهان با پیام های شناخته شده به عنوان "توییت" ارتباط برقرار کنند. علاوه بر تسهیل ارتباطات خصوصی بین شرکت کنندگان ، توییتر همچنین اطلاعات مربوط به زمینه های حرفه ای را توزیع می کند ، به عنوان مثال گروه های مرتبط با بازار مالی ، مانند StockTwits ، Financial Times ، تماشای بازار و غیره که باعث می شود سرمایه گذاران بتوانند نظرات خود را در مورد سرمایه گذاری در بازارهای مالی به اشتراک بگذارنداوراق بهادار خاص [32]. حدود 313 میلیون کاربر فعال توییتر وجود دارد که با بیش از 40 زبان با توییت در تعامل هستند. نقش تأثیرگذار توییتر در زمینه های مختلف مانند نتایج انتخابات و مباحث سیاسی [33،34] ، ارتباطات دانشگاهی [35] ، اعتبار برند [36] ، نوسانات سهام ، بازده و حجم [18] و بازده نمونه کارها نشان داده شده است. 19]

تجزیه و تحلیل بازار مالی یکی از جذاب ترین زمینه های ادبیات موجود در ساختار بازار است - به جزئیات مربوط به چگونگی اتفاقات مبادله در بازار با استفاده از تئوری های مختلف مربوط می شود. نظریه Chartist نشان می دهد که الگوهای و روندهای رفتار گذشته خود در آینده تمایل به عود مجدد دارند و قیمت دارایی های آینده را بر اساس داده های تاریخی فراهم می کند. نظریه پیاده روی تصادفی استدلال می کند که قیمت دارایی به طور تصادفی تکامل می یابد و از الگوهای تاریخی و روند بازار سهام قابل پیش بینی نیست ، به طوری که قیمت ها متغیرهای مستقل یکسان هستند.

علاوه بر چنین فرضیاتی ، تغییرات در قیمت دارایی می تواند تحت تأثیر رسانه ها باشد [37،38،39،40،41]. نظرات عمومی از طریق رسانه های اجتماعی می تواند به میزان قابل توجهی بر تصمیمات تصمیم گیری سرمایه گذاری تأثیر بگذارد [42] و تأثیر در بازار مالی دارد. رسانه های اجتماعی به منظور تعیین وضعیت بازار مالی در سطح شاخص و شرکت به طور گسترده توسط محققان مورد بررسی قرار گرفته اند [17،18،43،44،45]. این مطالعات از ابزارهای تجزیه و تحلیل احساسات برای استخراج نظرات و اطلاعات از نظر نتایج احساسات باینری (مثبت یا صعودی در مقابل منفی یا نزولی) یا نتایج احساسات چند سطحی استفاده می کنند. برخی از آثار اخیر بر رابطه بین رسانه های اجتماعی و رفتار بازار متمرکز شده است. مثال خوب [46] است که تجزیه و تحلیل می کند که چگونه رسانه های اجتماعی بر بازارهای مالی تأثیر می گذارند ، که اگر آن را با منابع سنتی توجه سرمایه گذار مانند روزنامه ها ، پوشش تحلیلگران ، اعلامیه های درآمد و سیم های اخبار تجاری مقایسه کنیم ، متفاوت است. آنها نشان می دهند که "افزایش در فعالیت توییتر با بازده مثبت غیر طبیعی همراه است و در صورت وقوع با وقایع تهیه اطلاعات سنتی ، انتشار اطلاعات را به سرمایه گذاران افزایش می دهد."نویسندگان همچنین تفاوت جالبی بین عرضه اطلاعات (فعالیت توییتر) و مصرف اطلاعات (فعالیت بازتوییت) ارائه می دهند و نشان می دهند که مصرف اطلاعات باعث افزایش میزان تأثیر قیمت می شود. در یک روش مشابه ، مرجع [47] بررسی می کند که آیا رسانه های اجتماعی می توانند بینش جدیدی در مورد وحشت در بازار و مانیا هایی که قبلاً توسط داده های سنتی اسیر نشده اند ، ارائه دهد. آنها نشان می دهند که احساسات بسیار غیرطبیعی رسانه های اجتماعی-همانطور که توسط پیام های توییتر و StockTwits اندازه گیری می شود-پیش از حرکت بسیار قوی و پس از آن بازده متوسط است. نویسندگان یک استراتژی را بر اساس این اثر متوسط تغییر دهنده طراحی می کنند که از یک استراتژی معیار معیار معیار که از داده های رسانه های اجتماعی استفاده نمی کند ، بهتر است. سایر زمینه هایی که رسانه های اجتماعی با بازارهای مالی در ارتباط هستند شامل عملکرد IPO [48] ، عدم تقارن اطلاعات [49] ، دستکاری در بازار [50] و ارتباط اطلاعات مالی است [51].

همانطور که قبلاً گفته شد ، احساسات سرمایه گذاران ممکن است توسط بازارهای مالی منعکس شود [17،37،40]. احساسات مثبت باعث افزایش قیمت دارایی ها و بازده ها می شود ، در حالی که احساسات منفی ممکن است آنها را کاهش دهد. از این رو جالب است که از ابزارهای تحلیل احساسات برای احساسات سرمایه گذاران استفاده کنید ، که نه تنها احساسات سرمایه گذاران را بر اساس درک آنها نشان می دهد بلکه تأثیر آنها را بر پیش بینی بازار مالی نیز بررسی می کند.

ادبیات موجود اغلب از ضرایب همبستگی پیرسون [32،45،52] و ضرایب بتا مدل های رگرسیون خطی استفاده می کند [17،44،53] برای بررسی رابطه بین بازار مالی و احساسات سرمایه گذاران. بیشتر ادبیات موجود حاکی از رابطه مثبت بین رسانه های اجتماعی و بازار مالی است [17،32،44،52،54] ، اما محدود به جنبه های خاصی مانند قیمت ، بازده ، نوسانات یا حجم معاملات [17،18،19 ،32،37،42،43،44،45،52،53].

نقدینگی یک عامل خطر متغیر زمان است [55]. این خطر در شرایطی بوجود می آید که در آن نمی توان سهم را به سرعت معامله کرد تا از ضرر جلوگیری یا به حداقل برسد. به طور کلی ، ریسک نقدینگی مرکز هرگونه بحران مالی محسوب می شود [20]. نقدینگی بسیار بی ثبات است ، به این معنی که می تواند در عرض چند دقیقه از بین برود. این مسئله برای معامله گران به یک مسئله مهم تبدیل شده است و حتی می تواند باعث خطر سیستمیک شود. با توجه به عواقب شدید تبخیر نقدینگی در اوراق بهادار و تأمین اعتبار در طی یک بحران بالقوه مالی ، باید خطر نقدینگی سیستمیک از نزدیک مورد بررسی قرار گیرد [20].

شرکت کنندگان در بازار که به دنبال تجارت فوری هستند ، احتمالاً با بهترین قیمت موجود ، یعنی قیمت پیشنهاد در صورت خرید یا قیمت درخواست در صورت فروش ، تجارت می کنند. گسترش پیشنهادات به دلیل این واقعیت که این یک اندازه گیری قابل توجه در هزینه های معاملاتی و در نتیجه یک پروکسی برای نقدینگی بازار مالی است ، در بین شرکت کنندگان در بازار مورد توجه زیادی قرار گرفته است [20،56،57،58،59]. اندازه گسترش نشان دهنده نقدینگی دارایی ، یعنی سهولت و هزینه تجارت دارایی است.

این ادبیات بر سه عامل متمرکز شده است - هزینه های انتخابی [23،24،25،26] ، هزینه های نگهدارنده موجودی [56،60،61،62] و هزینه های پردازش سفارش [63] به منظور تعیین گسترش پیشنهاد. مرجع [57] با ترکیب اجزای گسترش-پردازش سفارش ، انتخاب نامطلوب و هزینه های نگهدارنده مخترع ، یک مدل تجزیه سه طرفه ایجاد کرد و اهمیت این مؤلفه ها را در برآورد گسترش واقعی فاش کرد.

هنگامی که اوراق بهادار به اطلاعات حساس می شوند ، بازارهای مالی به عنوان مایع تلقی نمی شوند [64]. این امر باعث ایجاد یک مشکل انتخاب نامطلوب می شود: سرمایه گذاران خوش بینانه آگاه می توانند دارایی حتی با قیمت بالاتر Ask Ask را خریداری کنند ، در حالی که فروشندگان بدبین انگیزه ای برای فروش با قیمت پیشنهادی پایین تر دارند. معامله گران با اطلاعات خصوصی در مورد ارزش اساسی اوراق بهادار ، تأثیر قیمت معاملات خود را در نظر می گیرند و سازندگان بازار احتمالاً خود را در برابر معامله گران آگاه محافظت می کنند ، به طوری که کاهش نقدینگی باعث گسترش گسترده تر پیشنهاد می شود.

علاوه بر اطلاعات خصوصی در مورد ارزش اساسی یک دارایی ، این ادبیات همچنین اهمیت اطلاعات خصوصی در جریان سفارش را روشن می کند [65،66]. به عنوان مثال ، اگر یک میز معاملاتی پیش بینی کند که یک صندوق پرچین موقعیت بزرگی را که احتمالاً قیمت ها را کاهش می دهد ، نقدینگی می کند ، پس از آن ، میز تجارت در حالی که قیمت بالا است ، زودتر به فروش می رسد و بعداً با قیمت پایین تر خریداری می کند. خریداران آگاه در معاملات بزرگ مشوق هایی دارند که باعث افزایش ضررهای احتمالی فروشندگان می شود تا فروشندگان گسترش را گسترش دهند.

گسترش پیشنهادات ، جبران خسارت برای فروشندگانی است که ضمن پذیرش خطر موجودی ، فوری را ارائه می دهند. فروشندگان عوامل گریز از ریسک هستند که ضمن بهینه سازی اوراق بهادار امنیتی خود ، نقدینگی در بازار را تسهیل می کنند. در حقیقت ، همه خریداران همیشه در بازار حضور ندارند ، بنابراین این شکاف بین خریدار و فروشنده توسط سازندگان بازار ساخته می شود ، که ممکن است در پیش بینی اینکه بتوانند آن را به خریدار بفروشند ، امنیت خریداری کنند. با این حال ، سازندگان بازار در این میان خطر نوسانات قیمت را در نظر می گیرند و از نظر تحمیل هزینه برای فروشنده ، یعنی گسترش بالاتری ، این خطر را جبران می کنند. علاوه بر این ، این گسترش با تحمل برخی از هزینه های ثابت ، فروشندگانی را که فوری ارائه می دهند ، جبران می کند. مطابق با ادبیات تجربی ، مرجع [67] نشان داد که گسترش پیشنهاد --سک یک عملکرد مثبت از سطح قیمت و واریانس بازگشت ، عملکرد منفی اقدامات فعالیت بازار ، عمق و تداوم است و با درجه ای منفی استرقابت. حق بیمه نقص برای بازار سهام در [56] ثبت شد ، در حالی که [68] با استفاده از کوواریانس سریال مرتبه اول از تغییرات قیمت ، پیشنهاد پیشنهاد-پیشنهاد-را نشان داد. بعداً ، مرجع [25] تکنیکی را برای برآورد مدلی ایجاد کرد که از پیشنهاد پیشنهاد و پیشنهاد در دو مؤلفه تجزیه شده است ، یکی به دلیل اطلاعات نامتقارن و دیگری به دلیل هزینه های موجودی ، قدرت انحصار ویژه و هزینه های پاکسازی.

3. نمونه گیری و روش شناسی داده ها

در این مقاله به بررسی تأثیر داده های میکروبلاگینگ (توییت) بر نقدینگی بازار شاخص S& P500 و در نتیجه ، در هزینه معامله مرتبط با معاملات ، یعنی گسترش پیشنهاد پرداخت می پردازیم. این نه تنها هزینه معاملات را ضبط می کند ، بلکه یک معیار واقعی برای نقدینگی واقعی بازار است که می تواند به روش های مختلف اندازه گیری شود. بر اساس پایه و اساس نظری نقدینگی بازار ، ما اقدامات مختلف نقدینگی از جمله (1) اختلاف بالا را انجام می دهیم ، (2) گسترش یافته توسط [25] ، (3) به نقل از گسترش ، و (4) گسترش مؤثر.

اقدامات نقدینگی به کار رفته در این مطالعه استاندارد است و قبلاً در جنبه های مختلف ادبیات قیمت گذاری دارایی مورد بررسی قرار گرفته است ، اگرچه تمام اقدامات و شاخص های نقدینگی در واقع پروکسی برای نقص بودن هستند [69]. سرمایه گذاران اهمیت نقدینگی بازار مالی را در زمان تصمیم گیری در نظر می گیرند زیرا این یک شاخص عالی از کارآیی بازارهای مالی است. ادبیات مربوط به ریزساختار بازار پیشنهاد و پیشنهاد را از چند طریق پیشنهاد و ساخت. گسترش پیشنهاد به سادگی به عنوان تفاوت بین قیمت درخواست فروشنده برای دارایی و قیمت پیشنهاد ارائه شده توسط خریدار تعریف می شود. قیمت بالا یا سؤال به بالاترین قیمت در طول روز تجارت اشاره دارد ، در حالی که قیمت پایین یا پیشنهاد به عنوان کمترین قیمت در همان روز تعریف می شود. گسترش را می توان با استفاده از قیمت های روزانه بالا و پایین محاسبه کرد ، که توسط:

اندازه گیری نقدینگی جایگزین قیمت های روزانه بالا و پایین توسط [25] حاصل شد ، که در نظر می گیرد که هرگونه معامله چیزی راجع به اطلاعات خصوصی یک معامله گر فاش می کند. گسترش پیشنهادات به روش زیر مدل شد:

ارزش مورد انتظار شرط امنیت در تجارت در: A S K T = V H π + V ¯ 1 - π ، و جایی که قیمت پیشنهاد توسط: B I D T = V L π + V ¯ 1 - π فرض شده است. V H و V L به ترتیب مقادیر ممکن و کم ممکن هستند ، به ترتیب ، برای دارایی با احتمال برابر. یک معامله گر خوش بینانه آگاه با احتمال π وجود دارد. با فرض بی طرفی ریسک ، معامله گران بدبینی ناآگاه ، امنیت را در V ¯ = V H + V L 2 ارزیابی می کنند. این مدل فرض می کند که در صورت احتمال بیشتر تجارت با یک معامله گر آگاه ، گسترش بیشتر خواهد بود.

گسترش نقل شده (Q) و گسترش مؤثر (E) رایج ترین اقدامات نقدینگی بازار است و زمینه گسترش را به طور قابل توجهی توضیح می دهد. گسترش نقل شده به سادگی تفاوت بین نقل قول Ask (High) و پیشنهاد (کم) نقل قول (کم) در یک زمان معین در بازار است که به طور متوسط دو نقل قول تقسیم می شود (میانگین H I G H T و L O W T):

با در نظر گرفتن سفارشات پنهان ، داخلی سازی سفارش توسط سازندگان بازار ، گسترش مؤثر یک معیار اصلی نقدینگی بازار مالی در نظر گرفته می شود ، که به عنوان ارزش مطلق تفاوت بین قیمت تجارت ، P T و میانی نقطه تعریف می شودنقل قول ها ، m t = (h i g h t + l o w t 2) ، تقسیم بر میانگین h i g h t و l o w t:

داده های مورد استفاده در این تحقیق از مرکز تحقیقات در قیمت های امنیتی ، که حاوی مشاهدات روزانه از قیمت های بالا ، پایین و بسته است ، بدست آمده است. بنابراین مجموعه داده هم ابعاد زمان و هم فردی دارد. برای درک تأثیر داده های میکروبلاگینگ بر نقدینگی بازار مالی و هزینه های معاملات ، این مطالعه توییت هایی را در نظر گرفت ، که شامل 23،008 مشاهده ، مربوط به شاخص S& P500 و روزانه در دوره 3 ژوئیه 2019-10 اکتبر 2019 جمع آوری شده است. این تجزیه و تحلیل انجام شددر نرم افزار برنامه نویسی R ، که در آن استراتژی یادگیری ماشین و یک مدل رگرسیون خطی برای جدا کردن جنبه های مختلف درگیر اعمال می شود. از استراتژی یادگیری ماشین برای استخراج احساسات جمع شده استفاده شد ، در حالی که مدل رگرسیون از احساسات به عنوان متغیر مستقل و اقدامات نقدینگی فوق به عنوان متغیرهای وابسته استفاده می کرد. از این رو ، ما از چهار مدل رگرسیون برای تجزیه و تحلیل پیوند بین خلق و خوی سرمایه گذاران و نقدینگی شاخص S& P استفاده کردیم ، همانطور که در معادله نشان داده شده است (5):

جایی که l i q u i d i t y t مطابق با هر اندازه گیری نقدینگی معادلات (1) - (4) در t ، s e n t i m e n t s t نشان دهنده احساسات استخراج شده برای آن دوره است ، و اصطلاح خطا است. مدل رگرسیون با استفاده از تکنیک حداقل مربع معمولی (OLS) انجام شد و هیچ متغیرهای کنترل در این فرآیند گنجانده نشده است.

به منظور ساختن متغیر "احساسات" از داده های بدون ساختار (توییت) ، ما برخی از کارهای پیش پردازش را با استفاده از نرم افزار R. انجام دادیم. در مرحله اول ، R برای تمیز کردن هر توییت با از بین بردن نگارشی و متوقف کردن کلمات ، تبدیل کلمات به پایین تر شد. مورد ، راه راه هر فضایی پیشرو یا دنباله دار و به دلایل حریم خصوصی ، آدرس همه شرکت کنندگان را در "USER" قرار دهید. در مرحله آخر ، R هر توییت ساختاری را به یک مقدار مثبت یا منفی عددی بین 5 و 5 طبقه بندی می کند که اهمیت یک توییت را با نمرات مثبت نشان می دهد که نشانگر احساسات مثبت و نمرات منفی است که نشانگر احساسات منفی در یک روز معین است. به عنوان مثال ، مثبت ترین احساسات از توییت «تماشای آن! یک حقیقت شگفت انگیزچگونه مغز کار می کند. اگر دوست دارید آن را به اشتراک بگذارید ، لطفاً اطلاعات عالی SP & 500 #AMAZING #UNBELIVE "، و منفی ترین احساسات در 3 - ارزش گذاری شده است. 9 از توییت "در یک تلاش حساس برای جلوگیری از فروش وحشت S& P ؛دولت ترامپ با سقوط بازار سهام ، 130 میلیارد دلار مالیات هدر داد. "شکل 1 توزیع هر احساسات توییت را در طول دوره مورد تجزیه و تحلیل نشان می دهد. توزیع جعبه نشان دهنده هر دو احساسات مثبت و منفی است که در آن بیشتر شرکت کنندگان در بازار می توانند به عنوان صعودی تلقی شوند.

4- یافته ها و بحث های تحقیق

آمار توصیفی متغیرها ، اقدامات نقدینگی و احساسات جمع شده ، برای نمونه داده ها در جدول 1 ارائه شده است ، که تفاوت معنی داری بین گسترش پیشنهادات و پیشنهادات اعمال شده را نشان می دهد. همانطور که در جدول 1 مشاهده می شود ، متغیرها به صورت مثبت کمرنگ هستند ، که نشان دهنده توزیع راست متغیرها با مقادیر در سمت راست میانگین آنها است ، در حالی که کورتوز متغیر بالاتر نشانگر امکان مقادیر شدید است.

اندازه گیری نقدینگی و احساسات به ترتیب در نمودار در شکل 2 و شکل 3 نشان داده شده است. توطئه های سری زمانی ارائه شده در شکل 2 به وضوح تفاوت بین نقدینگی محاسبه شده را فاش می کند.

We have performed an autocorrelation analysis to study whether the time series are linearly related to lagged versions of themselves. Figure 4 shows the autocorrelation plot for each liquidity measure. We observe that values are within 95% confidence interval (represented by the dashed blue line) for lags>1 ، اما LAG = 1 خارج از این فاصله اطمینان است. به طوری که می توانیم نتیجه بگیریم که تمام اقدامات نقدینگی با همبستگی سریالی هستند ، و این باید در مدل های رگرسیون با استفاده از محاسبه عقب مانده از اندازه گیری نقدینگی (معادله (6)) در نظر گرفته شود.

ضرایب همبستگی بین اقدامات نقدینگی ، که در جدول 2 نشان داده شده است ، بسیار همبسته هستند. این بدان معنی است که اقدامات نقدینگی کاربردی به طور قابل توجهی به هرگونه تغییر در نقدینگی بازار در طول زمان پاسخ می دهد. شکل 3 تکامل میانگین احساسات را در مورد شاخص S& P500 به همراه تعداد روزانه توییت های جمع آوری شده نشان می دهد. مشاهده شده است که احساسات ثابت نیستند و با گذشت زمان تغییر می کنند ، در حالی که اتفاق مشابهی با تعداد توییت ها رخ می دهد. با این حال ، هیچ رابطه واضحی بین متوسط احساسات و تعداد توییت ها یافت نمی شود. ما رابطه بین این متغیرهای زمانی را در احساسات و نقدینگی با استفاده از تجزیه و تحلیل رگرسیون مورد تجزیه و تحلیل قرار دادیم.

جدول 3 ضرایب به دست آمده از طریق رگرسیون خطی را نشان می دهد که در آن میانگین احساسات ، "ارسال شده" ، متغیر مستقل است و هر اندازه گیری نقدینگی به عنوان متغیر وابسته در نظر گرفته می شود. اندازه گیری نقدینگی تاخیر نیز برای کنترل همبستگی (معادله (6)) درج شده است.

تجزیه و تحلیل رگرسیون به ویژه نشان می دهد که ضرایب مرتبط با احساسات ، β 1 ، در هر مجموعه داده مثبت هستند اما معنی دار نیستند. این نشان می دهد که هرگونه تغییر در درک سرمایه گذاران بسیار ضعیف با تغییرات در نقدینگی بازار مالی و هزینه های معاملاتی ارتباط دارد. R-squared ، P-Values و F-statistics در جدول 3 بیشتر توضیح می دهد که بخش بسیار کمتری از تغییرات در درک شرکت کنندگان در بازار بر نقدینگی و هزینه معاملات متغیر برای هر مجموعه داده تأثیر می گذارد. این نتایج پس از کنترل همبستگی به دست آمد. علاوه بر این ، ما باقیمانده تمام مدلهای رگرسیون را بررسی کرده ایم. آزمون Kolmogoro v-Smiov نشان می دهد که باقیمانده ها معمولاً به جز اندازه گیری نقدینگی ES توزیع نمی شوند ( P-Value = 0. 421). ناهمگونی نیز بررسی شد. در این حالت ، آزمایش Breusc h-Pagan نشان داد که باقیمانده ها برای همه رگرسیون همواسکوژیک بودند.

این نتایج فقط رابطه بین احساسات سرمایه گذاران و نقدینگی مالی را به صورت روزانه تخفیف می دهد. به عبارت دیگر ، به نظر می رسد که نقدینگی در یک روز معاملاتی معین مربوط به احساسات سرمایه گذاران جمع آوری شده از توییت نیست. آزمایش زیر به صورت دو روزه ساخته شد: ما میانگین حرکت دو روزه را برای هر اندازه گیری نقدینگی در نظر گرفته و نمره احساسات محاسبه کردیم تا تجزیه و تحلیل کنیم که آیا رابطه بین اقدامات نقدینگی محاسبه شده و احساسات نه تنها در یک مقطع زمانی مشاهده نشده است، اما در طی یک دوره زمانی ساخته شد. سرمایه گذاران ممکن است برای تجزیه و تحلیل روحیه رسانه های اجتماعی و سپس استفاده از این اطلاعات ، نه لزوماً در همان روز ، بلکه در جلسات معاملاتی زیر به زمان اضافی نیاز داشته باشند.

در جدول 4 آمار رگرسیون برای هر مجموعه داده اعمال شده در مطالعه ارائه شده است. برآوردهای رگرسیون دوباره در هر مجموعه داده مثبت است ، اما رابطه آنها نشان می دهد که تغییر در روحیه سرمایه گذاران در تعیین اندازه گسترش پیشنهاد و پیشنهاد بسیار ضعیف است. در کلیه رگرسیون ها ، بهبود در R 2 از گنجاندن اندازه گیری نقدینگی تاخیر ناشی می شود. با این حال ، ضریب احساسات با اندازه گیری نقدینگی ES حتی پس از کنترل همبستگی از نظر آماری معنی دار است ، این بدان معنی است که روحیه سرمایه گذاران و نقدینگی شاخص S& P500 به صورت دو روزه مرتبط است. این بینش جدیدی در رابطه بین این دو متغیر ارائه می دهد ، که در یک مطالعه بیشتر با یک بانک اطلاعاتی بزرگتر و دارایی های مالی مختلف به مواردی که در اینجا در نظر گرفته می شود ، مورد تجزیه و تحلیل قرار می گیرد. باقیمانده تمام مدلهای رگرسیون نیز بررسی شده است. آزمایش های Kolmogoro v-Smiov و Breusc h-Pagan نشان می دهد که باقیمانده ها در همه موارد به طور معمول توزیع و همواسکوپیک هستند.

5. نتیجه گیری ها

در این مطالعه تأثیر روحیه سرمایه گذاران بر نقدینگی بازار و هزینه های مرتبط با تجارت را مورد تجزیه و تحلیل قرار دادیم. ما تجزیه و تحلیل احساساتی از توییت های مربوط به شاخص S& P500 را انجام دادیم و چهار اقدامات مختلف نقدینگی را در نظر گرفتیم. به طور روزانه ، دریافتیم که حتی اگر تخمین های رگرسیون مثبت باشند ، از نظر آماری معنی دار نیستند. با این حال ، اگر یک میانگین متحرک دو روزه روی تمام متغیرهای مربوطه محاسبه شود ، نتایج کمی بهبود می یابد. روحیه سرمایه گذاران مثبت و به طور قابل توجهی با گسترش مؤثر اندازه گیری نقدینگی مرتبط بودند.

یافته های ما باید سایر محققان را ترغیب کند تا با گسترش دوره تحلیل شده و از جمله دارایی های جدید ، برای مطالعه یک مجموعه داده بزرگتر تلاش کنند. در مطالعه حاضر ما فقط شاخص S& P500 را مورد بررسی قرار داده ایم ، که به این نتیجه می رسد که توییتر ، به عنوان منبع اطلاعات ، تأثیر کمی در هرگونه تغییر در اندازه گسترش و نقدینگی متغیر دارد. بنابراین نیاز به تحقیقات آینده در این زمینه برای بررسی رابطه بین داده های میکروبلاگینگ و نقدینگی بازار در سطح و سطح شرکت وجود دارد. این بدون شک به ما کمک می کند تا اهمیت داده های میکروبلاگینگ را در مورد نقدینگی بازار مالی و هزینه های تجارت به معنای وسیع تری درک کنیم.

کمک های نویسنده

مفهوم سازی ، J. S. ؛روش شناسی ، F. G. ، I. M.-C. و J. S. ؛نرم افزار ، J. S. ؛اعتبار سنجی ، F. G. و I. M.-C. ؛منابع ، J. S. ؛Curation Data ، J. S. ؛نوشتن - پیش نویس آماده سازی ، J. S. ؛نوشتن-بررسی و ویرایش ، F. G. ، I. M.-C. و J. S. ؛نظارت ، F. G. و I. M. C.