پیش بینی بورس با استفاده از توییتر؟

آیا مردم به اطلاعات توییتر اهمیت می دهند؟

جالب است بدانید سرویس فروش داده توییتر در سال 2019 500 میلیون دلار درآمد کسب کرده است که تقریباً 20٪ از کل درآمد توییتر است!

چرا؟

امروز معامله گران به این نتیجه رسیدند که تأثیر رسانه های اجتماعی بر قیمت سهام دیگر یک تئوری نیست ، بلکه یک واقعیت است و توییتر بستری است که اخبار موثق را ارائه می دهد.

چگونه می توان از توییتر برای پیش بینی بازار سهام استفاده کرد؟

به طور کلی ، ما از یادگیری ماشینی برای اندازه گیری احساسات کلی توییت های شما استفاده می کنیم تا بتوانیم پیش بینی کنیم پست چه کاری انجام می دهد. به عنوان مثال ، اگر کلمات مثبت بیشتر از کلمات منفی در یک توییت وجود داشته باشد ، الگوریتم ما امتیازات بیشتری را به آن توییت اختصاص می دهد و پیش بینی می کند که قیمت سهام افزایش یابد.

یادگیری با مدل چگونه انجام می شود؟

برای درک چگونگی ارتباط احساسات توییتر با قیمت سهام ، ما به یک مجموعه توییت غنی از شرکت های مختلف نیاز داریم تا ببینیم آیا می توان با استفاده از داده های آنلاین احساسات و احساسات قیمت ها را پیش بینی کرد. علاوه بر این ، عوامل مختلفی در توییتر ، مانند تعداد پسندیدن و دنبال کنندگان ، می توانند شاخص های خوبی برای میزان توییت در بازار باشند ، چه در یک صنعت و چه در یک شرکت.

قبل از توصیف مراحل ، بررسی این واقعیت مهم است که حتی بهترین تحلیلگران نیز نمی توانند مدلی با ارزش R-Squared حدود 4 – 5٪ بسازند. حتی با صدها پیش بینی کننده (فا پیش بینی کننده). آیا می توانیم با استفاده از توییتر از آنها پیشی بگیریم؟

مرحله 1: دریافت اطلاعات از توییتر

مجموعه داده ای که ما از آن استفاده می کنیم followthehashtag.com اخذ شده؛ اشاره فراوان به توییت های مربوط به شرکت ذکر شده در Nasdaq 100 براساس برچسب های استفاده شده در توییتر.

محققان در سراسر جهان از این مجموعه داده استفاده می کنند و حاوی نزدیک به یک میلیون توییت است. در این پروژه از توییت های 4 شرکت از 26 مارس 2016 تا 15 ژوئن 2016 استفاده شده است.

مرحله 2: نمره احساسی توییت های خود را محاسبه کنید

ما از فرهنگ لغت والنس آگاه و کتابخانه VADER برای شناسایی احساسات در هر توییت استفاده کرده ایم. VADER ابزاری تحلیلی مبتنی بر واژگان و دستور زبان است که به ویژه برای تجزیه و تحلیل احساسات در شبکه های مجازی ساخته شده است.

به طور کلی ، احساس صدای جیر جیر به عنوان درصدی از عوامل زیر بیان می شود:

مثبتاین توییت چقدر خوش بینانه و مثبت است.

منفی🙁منفیاین توئیت چقدر بدبینانه و منفی است.

خنثیه: چقدر توئیت خنثی است.

کامپوزیت: اندازه گیری مشخصی برای فاکتور بلند

نقاط احساسات: ‌ مقدار فاکتور احساس داخلی و تعداد دنبال کنندگان حسابی را که آن توییت را پست کرده است ، ضرب کنید.

این معیار به ما امکان می دهد ارتباط و تأثیر تویت ها را بر اساس تعداد افرادی که آنها را دنبال می کنند ، بسنجیم.

مرحله 3: مجموعه ای کلی از امتیازات احساسی بر اساس تاریخ برای هر شرکت.

مرحله 4: اطلاعات مربوط به قیمت را از خدمات مالی یاهو دریافت کنید:

با رابط های برنامه نویسی یاهو ، در 74 روز که داده های توییتر ما اجرا می شود ، اطلاعات قیمت هر سهم را دریافت می کنیم.

مرحله پنجم: صدور سیگنال خرید و فروش

ابتدا یک سیگنال خرید و فروش اساسی ایجاد می کنیم. در واقع ، سیگنال رفتار اصلی توصیف شده برای خرید و فروش سهام است. سپس ما با استفاده از الگوریتم های AI به پیش بینی اصلی می رسیم.

مرحله 7: 36 الگوریتم طبقه بندی شده یادگیری ماشین را ادغام کنید (مدل های طبقه بندی باینری برای یادگیری ماشین)

با توجه به رویکرد استاندارد برای پیاده سازی مدل های هوش مصنوعی ، دستیابی به دقت بیشتر و پیش بینی قابل اطمینان تر و جلوگیری از پردازش بیش از حد ، مجموعه داده ها به دو قسمت یادگیری و آموزش تقسیم می شوند و از آن پس با یک سری زمان. ما طرف هستیم ، منطقی است که آن را با توجه به رنج زمان تقسیم کنیم.

مدل های مورد استفاده الگوریتم های مختلفی مانند: KNN ، رگرسیون لجستیک ، درخت تصمیم ، جنگل تصادفی ، SVM و ANN بودند.

مرحله 8: قیمت سهام را پیش بینی کنید

فرمول پیچیده مبتنی بر مدل های به دست آمده که از تعداد زیادی توییت برای پیش بینی قیمت سهام استفاده می کنند!

سرانجام ، ما در مورد صحت مدل های خود در داده های آزمون چهار شرکت منتخب گزارش دادیم. نمودارهای قیمت پیش بینی شده و قیمت واقعی را در قسمت آزمون مشاهده می کنیم.

نمودار دقت یکی از معیارهای کلی شناخت عملکرد کلی الگوریتم هوش مصنوعی است. در اینجا چگونگی دقیق تحقق هر الگوریتم در چهار شرکت انتخاب شده آورده شده است:

به طور کلی ، انتظار می رود قیمت سهام به خوبی از الگوریتم یادگیری ماشین بهینه و همچنین تعداد زیادی از پیش بینی کنندگان خاص استفاده کند ، در حالی که ما می توانیم همه این عوامل را آینه این خرد جمعی قرار دهیم.

در مقالات بعدی سعی داریم بازار ارز و همچنین سهام محلی را با استفاده از این روش بررسی کنیم.

مقاله اصلی: آیا با Twitter می توانیم بازار سهام را شکست دهیم؟

ترجمه محمد الماسودی ، گروه مالی صدرا