دانلود مقاله ISI انگلیسی شماره 42282
عنوان فارسی مقاله

اندازه گیری کمی رفتار تجارت شرایط معنایی StockTwits در بازارهای مالی: یک برنامه موثر از الگوریتم درخت تصمیم گیری

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
42282 2015 19 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Quantifying StockTwits semantic terms’ trading behavior in financial markets: An effective application of decision tree algorithms
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 42, Issue 23, 15 December 2015, Pages 9192–9210

کلمات کلیدی
درخت های تصمیم گیری - فیلتر رویکرد - استخراج متن - استراتژی معاملاتی
پیش نمایش مقاله
پیش نمایش مقاله اندازه گیری کمی رفتار تجارت شرایط معنایی StockTwits در بازارهای مالی: یک برنامه موثر از الگوریتم درخت تصمیم گیری

چکیده انگلیسی

Growing evidence is suggesting that postings on online stock forums affect stock prices, and alter investment decisions in capital markets, either because the postings contain new information or they might have predictive power to manipulate stock prices. In this paper, we propose a new intelligent trading support system based on sentiment prediction by combining text-mining techniques, feature selection and decision tree algorithms in an effort to analyze and extract semantic terms expressing a particular sentiment (sell, buy or hold) from stock-related micro-blogging messages called “StockTwits”. An attempt has been made to investigate whether the power of the collective sentiments of StockTwits might be predicted and how the changes in these predicted sentiments inform decisions on whether to sell, buy or hold the Dow Jones Industrial Average (DJIA) Index. In this paper, a filter approach of feature selection is first employed to identify the most relevant terms in tweet postings. The decision tree (DT) model is then built to determine the trading decisions of those terms or, more importantly, combinations of terms based on how they interact. Then a trading strategy based on a predetermined investment hypothesis is constructed to evaluate the profitability of the term trading decisions extracted from the DT model. The experiment results based on 122-tweet term trading (TTT) strategies achieve a promising performance and the (TTT) strategies dramatically outperform random investment strategies. Our findings also confirm that StockTwits postings contain valuable information and lead trading activities in capital markets.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.