فهرست نشریات علمی دسترسی آزاد ایران

هدف: در این پژوهش، با استفاده از داده‌های متنی مرتبط با بازار سرمایه در کانال‌های تلگرامی و همچنین، داده‌های عددی مربوط به ارزش معاملات بازار سهام، تأثیر سیگنال‌های معاملاتی منتشرشده در این کانال‌ها بر ارزش معاملات بررسی شده است. روش: این پژوهش با استفاده از رویکرد متن‌کاوی و تجزیه‌وتحلیل خودکار محتواهای متنی، از طریق مدل ایجاد شده توسط الگوریتم‌های یادگیری ماشین، اجرا شده است. به‌منظور درک بهتر مسئله، ابتدا پژوهش‌های پیشین بررسی شد؛ سپس با توجه به خلأهای موجود در آن‌ها و در نظرگرفتن تغییرات روزانه در شبکۀ اجتماعی تلگرام از نظر نوع فعالیت و همچنین تولید محتوا، مدلی طراحی شد که از نظر به‌روز بودن، از مدل‌هایی که در گذشته ارائه شده کارایی و دقت بیشتری دارد. صحت این مدل ۹۶درصد و دقت و فراخوانی آن حدود۹۰ درصد است. گام‌های اجرای این پژوهش عبارت بودند از: بارگیری داده‌های متنی از پیام‌رسان تلگرام، برچسب‌گذاری پیام‌ها، پیش‌پردازش و بازنمایی آن‌ها، ایجاد مدل توسط الگوریتم‌های یادگیری ماشین و پایش کل پیام‌ها در بازۀ زمانی مد نظر با مدل. خروجی مدل، تعداد سیگنال‌ها در هر روز است که با ارزش معاملات بازار در آن روز مقایسه و هم‌بستگی آن بررسی شده است. یافته‌ها: نتایج به‌دست‌آمده، گویای هم‌بستگی ۷۰ تا۸۰ درصدی تعداد سیگنال‌های خرید و فروش با میزان ارزش معاملات روزانه سهام در بورس اوراق بهادار تهران است. به‌عبارتی، بیشترین هم‌بستگی با ۸۰ درصد بین تعداد سیگنال‌های فروش و ارزش معاملات است. در مقابل، پیام‌های خنثی یا خبری، هم‌بستگی ضعیف‌تری (۵۸ درصد) با ارزش معاملات دارند که می‌تواند از ماهیت غیرسیگنال‌محور این دسته از پیام‌ها نشئت گرفته باشد. نتیجه‌گیری: یافته‌های این پژوهش می‌تواند برای سازمان بورس و نهادهای ناظر در جهت پایش فعالیت‌های سیگنال‌دهی در شبکه‌های اجتماعی استفاده شود. با توجه به نقش شایان توجه این سیگنال‌ها در افزایش فعالیت معاملاتی، توسعۀ ابزارهای تحلیلی مبتنی بر داده‌کاوی، می‌تواند به شناسایی رفتارهای غیرعادی، کاهش احتمال دست‌کاری بازار و بهبود شفافیت اطلاعاتی کمک کند.