دانلود مقاله ISI انگلیسی شماره 101274
ترجمه فارسی عنوان مقاله

تأثیر داده های میکروبلاگینگ برای پیش بینی بازار سهام: استفاده از توییتر برای پیش بینی بازده، نوسان، حجم معاملات و شاخص های بازده نظرسنجی

عنوان انگلیسی
The impact of microblogging data for stock market prediction: Using Twitter to predict returns, volatility, trading volume and survey sentiment indices
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
101274 2017 20 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 17038 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 25 روز بعد از پرداخت 1,192,660 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 13 روز بعد از پرداخت 2,385,320 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Expert Systems with Applications, Volume 73, 1 May 2017, Pages 125-144

ترجمه کلمات کلیدی
بازار سهام، توییتر، استخراج داده ها و متن، پسرفت،
کلمات کلیدی انگلیسی
Stock market; Twitter; Data and text mining; Regression;
پیش نمایش مقاله
پیش نمایش مقاله  تأثیر داده های میکروبلاگینگ برای پیش بینی بازار سهام: استفاده از توییتر برای پیش بینی بازده، نوسان، حجم معاملات و شاخص های بازده نظرسنجی

چکیده انگلیسی

In this paper, we propose a robust methodology to assess the value of microblogging data to forecast stock market variables: returns, volatility and trading volume of diverse indices and portfolios. The methodology uses sentiment and attention indicators extracted from microblogs (a large Twitter dataset is adopted) and survey indices (AAII and II, USMC and Sentix), diverse forms to daily aggregate these indicators, usage of a Kalman Filter to merge microblog and survey sources, a realistic rolling windows evaluation, several Machine Learning methods and the Diebold-Mariano test to validate if the sentiment and attention based predictions are valuable when compared with an autoregressive baseline. We found that Twitter sentiment and posting volume were relevant for the forecasting of returns of S&P 500 index, portfolios of lower market capitalization and some industries. Additionally, KF sentiment was informative for the forecasting of returns. Moreover, Twitter and KF sentiment indicators were useful for the prediction of some survey sentiment indicators. These results confirm the usefulness of microblogging data for financial expert systems, allowing to predict stock market behavior and providing a valuable alternative for existing survey measures with advantages (e.g., fast and cheap creation, daily frequency).

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 17038 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 25 روز بعد از پرداخت 1,192,660 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 13 روز بعد از پرداخت 2,385,320 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.