بررسی تاثیر اخبار فارسی بر بازدهی سهام با استفاده از تکنیک های متن کاوی

اخبار حاوی اطلاعاتی درباره اصول بنیادی شرکت می باشند و می توانند رفتار بازار سهام را تغییر دهند. با این وجود، اغلب پژوهش های انجام شده در حوزه پیش بینی بازارهای سهام متکی به تحلیل فنی، یعنی تحلیل سری های زمانی و مبتنی بر داده های گذشته سهام بوده اند و تاثیر داده‎های بنیادی نادیده گرفته شده است.لذا، در این پژوهش با استفاده از رویکردهای متن کاوی و رگرسیون، بر اساس داده های فنی و بنیادی، به بررسی تاثیر اخبار بر شاخص سهام پرداخته شد. بدین منظور، ابتدا مقدار شاخص سهام در بازه زمانی معین از سازمان بورس اوراق بهادار تهران و اخبار منتشره در بازه زمانی مشابه، به‏طور خودکار از پایگاه خبری جمع‎آوری شد. سپس، با استفاده از تکنیک های متن کاوی و احساس‎کاوی به تعیین بار معنایی جمله های خبری پرداخته شد، و با استفاده از الگوریتم های یادگیری ماشین اخبار به دو دسته ی مثبت و منفی طبقه بندی شدند. در نهایت، با استفاده از رگرسیون رابطه بین اخبار و شاخص سهام بررسی و دقت به دست آمده ارزیابی شد. با توجه به نتایج، هر خبر منتشرشده دارای بار معنایی مثبت یا منفی است، و علاوه بر اینکه مقدار شاخص از روند تاریخی خود پیروی می کند، از خبرهای منتشره که از نوع داده های بنیادی است، نیز تاثیر می پذیرد.