استراتژی های سرمایه گذاری اعمال شده در بازار سهام برزیل: روشی مبتنی بر تجزیه و تحلیل احساسات با یادگیری عمیق

فرضیه بازار کارآمد بیان می کند که تغییرات بازار سهام منعکس کننده ورود اطلاعات جدید از طریق رویدادها و اخبار خارجی است. بنابراین، بسیاری از مطالعات اخیر در ادبیات، تأثیر تحلیل احساسات (SA) اعمال شده بر رسانه های اجتماعی و اخبار در بازار سهام را ارزیابی می کنند. با این حال، این مطالعات معمولاً استراتژی های سرمایه گذاری را ارائه نمی کنند که از احساسات موجود در نشریات جدید با در نظر گرفتن همبستگی بین اخبار و بازار سهام استفاده کنند، به ویژه زمانی که اخبار به زبان پرتغالی نوشته می شوند. این مقاله استراتژی های سرمایه گذاری را بر اساس تحلیل احساسات اخبار مالی اعمال شده در بازار سهام برزیل پیشنهاد می کند. برای چنین، فعالیت های زیر انجام شد: (1) شناسایی مناسب ترین معماری شبکه عصبی مصنوعی (ANN) برای انجام تحلیل احساسات در اخبار مالی به زبان پرتغالی برزیل.(2) مطالعه همبستگی بین احساسات غالب در اخبار مالی سه پورتال خبری بزرگ برزیل از طریق آزمون علیت گرنجر.(iii) پیشنهاد دو دسته از استراتژی های سرمایه گذاری بر اساس تحلیل احساسات، با در نظر گرفتن اخبار مالی منفی و مثبت. و (IV) استفاده از استراتژی های پیشنهادی در بازار سهام برزیل. آزمایش هایی با اخبار مالی از محبوب ترین منابع خبری آنلاین برزیل انجام شد و نتایج نشان داد: (i) مناسب ترین ANN برای اجرای SA در پرتغالی، شبکه عصبی کانولوشن است.(ii) تأثیر قابل توجهی از احساسات غالب اخبار روزانه در بازار سهام وجود دارد. و (iii) استراتژی های سرمایه گذاری مبتنی بر تحلیل احساسات می توانند سودآوری را هم در کوتاه مدت و هم در بلندمدت به ارمغان بیاورند و از استراتژی های Random Walk و Buy & Hold پیشی بگیرند.

معرفی

تعداد زیادی از برنامه های کاربردی برای کشف دانش موجود در شبکه جهانی وب، استخراج نظرات و احساسات با استفاده از تکنیک های تحلیل احساسات (SA) پدید آمده اند (مارتینز، پریرا، و بنونوتو، 2015). در میان چندین حوزه کاربردی SA، بازار مالی در ادبیات مورد توجه ویژه ای قرار گرفته است، چه از طریق وب سایت های خبری یا رسانه های اجتماعی (Bollen et al., 2011, Kraus and Feuerriegel, 2017, Hájek, 2018, Derakhshan and Beigy, 2019, مقصود و همکاران، 2020، لی و همکاران، 2020).

سرمایه گذاران فرضیه بازار کارآمد (EMH) را برای مدت طولانی اتخاذ کردند ، که بیان می کند که ورود اطلاعات جدید ، یعنی اخبار ، حرکات بورس سهام را به جای قیمت سهام تاریخی هدایت می کند. از آنجا که احساسات اخبار غیرقابل پیش بینی تلقی می شد ، حرکت بازار سهام از یک الگوی پیاده روی تصادفی پیروی می کند و نمی توان پیش بینی کرد (ملکیل و فاما ، 1970). با این حال ، مطالعاتی وجود دارد که بیان می کنند که بازار سهام تا حدودی قابل پیش بینی است (ملکیل ، 2003) و فرضیات اساسی EMH ، همانطور که در Atsalakis و Valavanis (2009) ارائه شده است ، که چندین مقاله منتشر شده در این زمینه از دانش را نشان می دهد.

علاوه بر این ، مقالات متمرکز بر رفتار مالی نشان می دهد که احساسات بر تصمیمات سرمایه گذاران در بورس تأثیر می گذارد (De Long ، Shleifer ، Summers ، & Waldma ، 1990). برخی از آنها همچنین نشان می دهند که ویژگی ها را می توان از منابع خبری آنلاین برای پیش بینی شاخص های اقتصادی استخراج کرد. شوماکر ، ژانگ ، هوانگ و چن (2012) نشان می دهند که افشای اطلاعات یا اخبار مالی بر بازار مالی تأثیر می گذارد. علاوه بر این ، رشد رسانه های اجتماعی همچنین اجازه می دهد تا از احساسات غالب آن برای پیش بینی جنبش های بازار مالی استفاده شود (بولن و همکاران ، 2011).

کاربرد SA در بازار مالی معمولاً متون را به صورت محاسباتی تجزیه و تحلیل می کند و مطابق با محتوای آنها ، آنها را ، مثبت یا منفی طبقه بندی می کند. سرانجام ، برخی از تکنیک ها برای همبستگی احساسات لحظه ای با پیش بینی جنبش بورس اوراق بهادار اعمال می شود. تکنیک های مورد استفاده برای انجام SA می توانند تجزیه و تحلیل واژگانی باشند ، همانطور که در (لی و همکاران ، 2014) و یادگیری ماشین از طریق الگوریتم هایی مانند Bayes ساده لوح ، دستگاه های بردار پشتیبانی ، رگرسیون لجستیک (Avanço & Nunes ، 2014) و اخیراً ، اخیراً ،شبکه های عصبی مصنوعی (Kraus and Feuerriegel ، 2017 ، Malandri et al. ، 2018 ، Qian et al. ، 2020).

با این حال ، مطالعات منتشر شده تاکنون محدودیت های خاصی دارند. در حالی که برخی از آثار همبستگی بین اخبار و بورس سهام را نشان می دهند (ژانگ و همکاران ، 2018 ، هستون و سینا ، 2017 ، آلانیالی و همکاران ، 2013) ، بیشتر مقالات منتشر شده استراتژی های سرمایه گذاری مستقر بر اساس SA را ارائه نمی دهند. همبستگی بین احساسات و تغییرات در بورس سهام.

• • مقایسه بین شبکه های عصبی مصنوعی مختلف، که یکی از امیدوارکننده ترین تکنیک های SA هستند (Kraus & Feuerriegel، 2017)، در تحلیل احساسات پرتغالی برزیل به منظور تعیین معماری مناسب ترین برای دامنه ما، به عنوان مثال. بازار سهام برزیلطبق گفته پریرا (2021)، آثار کمی در ادبیات بر توسعه ابزارهای زبانی محاسباتی برای پرتغالی تمرکز دارند.
• • استفاده از آزمون علیت گرنجر برای تحلیل همبستگی بین احساسات خبری و بازار مالی.
• • پیشنهاد استراتژی های سرمایه گذاری مبتنی بر تحلیل احساسات با در نظر گرفتن اخبار مثبت و منفی.
• • کاربرد استراتژی های سرمایه گذاری پیشنهادی در بازار سهام برزیل (شاخص Ibovespa). تا آنجا که ما می دانیم، تاکنون مطالعات کمی وجود دارد که به رابطه بین SA و بازار سهام برزیل می پردازد (Assis, Machado, Pereira, & Carrano, 2018).

نتایج نشان داد که پیشنهادات ما در دو سناریو مختلف به سود بالاتری نسبت به خطوط مبنا خرید و نگه داری و پیاده روی تصادفی منجر می شوند: میانگین سرمایه گذاری هفتگی و سرمایه گذاری انباشته در یک دوره 6 ماهه.

این مقاله به شرح زیر تنظیم شده است. بخش 2 مبانی نظری را نشان می دهد و ادبیات را مرور می کند، بخش 3 استراتژی های سرمایه گذاری پیشنهادی و روش شناسی تجربی را نشان می دهد. بخش 4 نتایج تجربی، بحث ها و محدودیت های کار ما را نشان می دهد. در نهایت، بخش 5 این مقاله را به پایان می رساند و مسیرهای کاری آینده را ارائه می دهد.

قطعات بخش

مبانی نظری

پانگ و همکاران(2008) تجزیه و تحلیل احساسات (SA) را به عنوان تکنیکی از پردازش زبان طبیعی (NLP) تعریف می کند که احساسات، نظرات و احساسات موجود در داده های بدون ساختار را تجزیه و تحلیل می کند. رایج ترین کار SA طبقه بندی اسناد در سه کلاس احساسی است: مثبت، خنثی و منفی. بنابراین، تحلیلگرهای احساسات اغلب بر اساس دو استراتژی ساخته می شوند: رویکردهای واژگانی و الگوریتم های یادگیری ماشین.

روش های واژگانی متکی بر دانش در مورد زبان و حال است

روش شناسی

• • استخراج و پیش پردازش اخبار: داده ها از محبوب ترین منابع خبری آنلاین برزیل (G1، Estadão، Folha de São) جمع آوری شد.

نتایج

در این بخش نتایج این مطالعه از طریق سه مرحله ارائه شده است: (i) انتخاب مناسب ترین معماری آن و تنظیمات آن برای انجام تجزیه و تحلیل احساسات در اخبار پرتغالی برزیل ، ارائه شده در بخش 4. 1.(ب) آزمون علیت گرنجر را برای تجزیه و تحلیل همبستگی بین احساسات موجود در اخبار و تغییر در بازار مالی ، ارائه شده در بخش 4. 2 اعمال کنید. و (iii) تجزیه و تحلیل استراتژی های سرمایه گذاری بر اساس تجزیه و تحلیل احساسات اعمال شده برای مالی برزیل

نتیجه

این کار استراتژی های سرمایه گذاری را بر اساس تجزیه و تحلیل احساسات انجام شده با شبکه های عصبی مصنوعی و استفاده از آن در بازار مالی برزیل در دوره بین ژوئن 2018 و ژوئن 2019 ارائه می دهد. این مطالعه یک دوره 12 ماهه را که شامل قبل و بعد از انتخابات ریاست جمهوری 2018 است ، تجزیه و تحلیل کرد.، اجازه می دهد تا برخی از تأثیر آن را هم در احساسات خبری و هم در بورس سهام تأیید کند.

• • مقایسه بین شبکه های عصبی عمیق مصنوعی مختلف

بیانیه مشارکت در نویسندگی اعتباری

Arthur Emanuel de Oliveira Carosia: مفهوم سازی ، روش شناسی ، تحقیقات ، درمان داده ها ، نرم افزار ، نوشتن - پیش نویس اصلی. Guilherme Palermo Coelho: مفهوم سازی ، اعتبار سنجی ، نوشتن - بررسی و ویرایش. Ana Estela Antunes da Silva: مفهوم سازی ، اعتبار سنجی ، نوشتن - بررسی و ویرایش.

اعلام علاقه رقیب

نویسندگان اعلام می كنند كه آنها هیچ منافع مالی رقیب یا روابط شخصی را كه به نظر می رسد بر اثر گزارش شده در این مقاله تأثیر می گذارد ، ندارند.

سپاسگزاریها

این مطالعه تا حدودی توسط Coordenação de Aperfeiçoamento de Pessoal de Nível Superior-Brasil (Capes)-کد مالی 001 تأمین شد.، اینتل و آمازون - برای پشتیبانی سخت افزار و نرم افزار و MSC. Renato Martins (CEFET-MG) ، دکتر Adriano Pereira (UFMG) و دکتر Fabrício Benevenuto (UFMG)-برای تهیه بانکهای اطلاعاتی مورد استفاده برای آزمایش های این مطالعه.