تحلیل شبکه اجتماعیداده کاویعلم داده

آیا شبکه های اجتماعی می‌توانند بر قیمت سهام تاثیر بگذارند؟

قبل از ظهور اینترنت و کشف تاثیر شبکه های اجتماعی بر سهام نیز کارشناسان امور مالی درک کرده بودند که بازارهای مالی به شدت تحت تاثیر احساسات مردم هستند. آندره کوستولانی (André Kostolany)، یکی از کارشناسان برجسته بازار سهام که بیشتر ثروت خود را در هنگام بازسازی اروپا پس از جنگ جهانی دوم به دست آورده است، عقیده دارد:

«تنها ۱۰ درصد واکنش‌های بازار سهام بر اساس واقعیت‌های بازار هستند، بقیه موارد مربوط به روانشناسی است.» آندره کوستولانی

گسترش فناوری اطلاعات به ما توانایی پردازش و تجزیه و تحلیل حجم عظیمی از داده‌های آنلاین را داده است، به این معنی که اکنون می‌توانیم به صورت شهودی میزان تاثیر احساسات بر بازار را آزمایش کنیم. از طریق نظارت و آنالیز اطلاعات موجود در رسانه های اجتماعی (Social media)، به ویژه داده‌های مربوط به سهام، می‌توانید ارتباط بین نوسانات بازار و احساسات را درک کنید.

ابزار سوشال لیسنینگ دیتاک

در ادامه قصد داریم چگونگی تاثیر شبکه های اجتماعی بر سهام و بازار بورس را بررسی کنیم.

تاثیر شبکه های اجتماعی بر قیمت سهام

فعالان حوزه مالی مانند دیگر صنایع با استفاده از اینترنت و رسانه ‌های اجتماعی داده‌ها و اطلاعات خود را با هم به اشتراک می‌گذارند. افراد از طریق توییت، کامنت، پست‌های انجمنی و وبلاگ به تبادل نظرات و احساسات خود در این بستر می‌پردازند و همچنین از این ابزار بهره می‌برند تا افکار دیگران را تحت تاثیر قرار دهند.
پژوهش‌های علمی نشان داده است که تصمیم‌ها و اقدامات بیشتر مردم تا میزان زیادی همسو با داده‌های پیرامون آنهاست. در موارد بسیاری، از توییتر، اینستاگرام و دیگر شبکه ‌های اجتماعی برای تاثیر سریع و گسترده بر افکار عمومی به منظور ایجاد واکنش‌های مالی استفاده شده است. به همین دلیل، محتوای تولید شده توسط کاربران رابطه مستقیمی با تاثیر شبکه های اجتماعی بر قیمت سهام دارند.
به داده‌هایی که بیانگر عواطف و اندیشه‌های افراد هستند، داده‌های احساسی (Emotional data) گفته می‌شود. از تکنیک‌های علم داده‌ برای جمع‌آوری و تجزیه و تحلیل حجم بالایی از داده‌ها به منظور کشف روابط معنی‌دار بین آن‌ها استفاده می‌شود. به کمک این روابط می‌توانید تصمیمات بهتری در بازارهای سرمایه بگیرید.

بیشتر بخوانید: نقش رصد و تحلیل فضای مجازی در تحقیقات بازاریابی شبکه های اجتماعی

هوش اطلاعات احساسی (Emotional Data Intelligence) چیست؟

هوش اطلاعاتی (Data Intelligence) به کلیه ابزارها و روش‌های تحلیلی گفته می‌شود که سازمان‌ها برای ایجاد درک بهتر از اطلاعات جمع‌آوری شده به منظور بهبود خدمات یا سرمایه‌گذاری به کار می‌برند.
اگر از روش‌ها و ابزارهای هوش اطلاعاتی جهت تحلیل داده‌های احساسی استفاده شود، می توان از آنها به عنوان هوش اطلاعات احساسی (Emotional Data Intelligence) یا تجزیه و تحلیل احساسات (Sentiment Analysis) نام برد.
در این روش خزنده‌های وب (Web crawler) به طور مداوم هزاران منبع مختلف اینترنتی را برای یافتن موضوعات مالی و جمع‌آوری میلیون‌ها توییت، پیام‌های چت، پست، مقالات خبری و نظرات در مورد اخبار روزمره، پویش (Scan) می‌کنند.
اسناد متنی بدون ساختار (Unstructured text) با روش‌های پردازش زبان طبیعی همراه با تکنیک‌های پیشرفته تجزیه و تحلیل احساسات، با هدف استخراج موضوعات و ساختار معنایی پنهان پردازش می‌شوند.

استفاده از شبکه‌ های اجتماعی برای پیش بینی رفتار کاربران

داده‌های احساسی استخراج شده از شبکه‌ های اجتماعی دیجیتال را می‌توان به روش‌های مختلف برای نظارت بر بازارهای مالی مانند بورس اوراق بهادار استفاده کرد. برای این منظور، برخی از شرکت‌ها یک بخش تجزیه و تحلیل شبکه های اجتماعی در سیستم نظارت خود گنجانده‌اند و با استفاده از آن، فرایندهایی برای نظارت بر خرید و فروش سهام طراحی کرده‌اند تا بتوانند نوسانات ناشی از رسانه‌های اجتماعی را در بازار تشخیص دهند.
از محتویات شبکه های اجتماعی می‌توان در موارد متعددی برای بررسی رفتار مشتریان بازار بورس سهام استفاده کرد. در ادامه به بررسی چند نمونه‌ از آنها می‌پردازیم.

رفتار کاربران
استفاده از شبکه‌ های اجتماعی برای پیش بینی رفتار کاربران

ربات یا هرزنامه و تاثیر شبکه های اجتماعی بر سهام :

برخی از اظهارات در شبکه های اجتماعی با هدف خاصی انجام می‌شود. یک نمونه از رفتارهای هدفمند و تاثیر شبکه های اجتماعی بر سهام، استفاده از هرزنامه یا ربات برای دستکاری قیمت‌هاست. به همین دلیل، از الگوریتم‌های جامع و پیچیده تشخیص هرزنامه جهت طبقه‌بندی پیام‌ها استفاده می‌شود. این الگوریتم‌ها تشخیص می‌دهند که کدام یک از کاربران یا نویسندگان رسانه های اجتماعی، اطلاعات نادرست یا گمراه کننده منتشر می‌کنند. تشخیص هرزنامه به طور کلی شامل چندین مرحله است. در اولین قدم، یک الگوریتم فیلتر همه پیام‌های حاوی واژه‌ها و عبارات مشکوک را شناسایی می‌کند، بسیاری از این نوع پیام‌ها حاوی تعابیر تند و زننده هستند. سپس تاثیر آنها بر قیمت سهام مورد بررسی قرار می‌گیرد.

رتبه بندی کاربران شبکه‌های اجتماعی:

یک رویکرد پیشرفته‌تر نیز وجود دارد که روابط بین کاربران را تجزیه و تحلیل می‌کند. به عنوان مثال، در خصوص توییتر، شبکه دنبال‌کننده کاربران یا نظارت بر تعاملات او مانند لایک، تگ و منشن کردن، ریتوییت یا بازنشر توییت‌های دیگران و غیره را تجزیه و تحلیل می‌کنند و بر اساس آن برای هر کاربر یک رتبه شهرت یا «امتیاز نویسنده» تعیین می‌کنند. تاثیر هر پیام بر اساس این امتیاز مشخص می‌شود. در این روش، به طور پیش فرض به کاربران مشهور رسانه های اجتماعی مانند متخصصان مالی یا آژانس‌های خبری شناخته شده، امتیاز نویسنده بالاتری تعلق می‌گیرد. به عنوان مثال ایلان ماسک، وارن بافت و خبرگزاری بلومبرگ جز این دسته جای می‌گیرند، زیرا توییت‌ها و پست‌های آنها معمولا در مقایسه با پست‌های کاربران کمتر شناخته شده تاثیر بیشتری دارند. با این حال معمولا برای یافتن کاربران واقعا تاثیرگذار در یک سهام، صنعت یا بخش خاص، به روش‌های پیچیده‌تری نیاز است.

کشف طرح‌های بالا ببر و بفروش (Pump and dump‎):

روش بالا ببر و بفروش یک نوع سفته‌‌بازی و کلاهبرداری سهامی است که در آن سعی می‌کنند به صورت مصنوعی و حباب دادن قیمت سهم مورد نظر خود را افزایش دهند. این کار از طریق انتشار اخبار مثبت گمراه کننده با هدف فروش سهامی انجام می‌شود که در قیمت پایین‌تری خریداری شده ‌است. این نوع کلاهبرداری بیشتر در خصوص سهامی انجام می‌شود که ارزش بنیادی بسیار بالایی ندارند. در واقع یک نمونه تاثیر شبکه های اجتماعی بر سهام، برخی از اظهارات غلط، گمراه کننده یا اغراق آمیز هستند که می‌تواند منجر به افزایش محسوس قیمت یک سهام شود.

کاربران بنیادی چه کسانی هستند؟

همان طور که گفتیم، برخی از فعالان بازار به طور بالقوه تاثیر بیشتری در نوسان قیمت سهام نسبت به دیگران دارند.

[box type=”shadow” align=”alignright” class=”” width=””]به عنوان مثال، مدیران عامل شرکت‌ها، سیاستمداران، روزنامه نگاران بانفوذ، تحلیل گران، آژانس های خبری و دیگر کاربران تاثیرگذار، نقش پررنگ‌تری نسبت به کاربران عادی دارند. به عنوان مثال، اگر بخواهیم قیمت سهام شرکت تسلا را زیر نظر بگیریم، ایلان ماسک (مدیر عامل شرکت تسلا) مهم‌ترین فردی است که باید گفته‌های او را دنبال کنید. ما این افراد را کاربران بنیادی یا ریشه‌ (Root users) می‌نامیم که معتبرترین کارشناسان برای یک سهام یا صنعت هستند. پس در ابتدا باید آمار مربوط به شبکه ‌های اجتماعی آنها را مورد بررسی قرار دهید. این آمار می‌تواند شامل پست‌ها، کامنت‌ها، لایک و منشن سایر کاربران، علاقه ‌مندی‌ها و بازنشر نظرات دیگران باشد.[/box]

در مرحله بعد، کلیه کاربرانی که توسط کاربران ریشه دنبال می‌شوند نیز تحت نظارت قرار می‌گیرند و آمار مربوط به شبکه‌ های اجتماعی آنها نیز بررسی می‌شود. به این ترتیب، چند صد و یا حتی چند هزار حساب کاربردی وجود دارد که بیشترین ارتباط را با صنعت یا سهام مورد نظر دارند.
دانشی که از این شبکه کاربران شبکه های اجتماعی و آمار مربوط به آن به دست می‌آید، منبع مناسبی برای بررسی اخبار یا شایعاتی است که باعث تغییر مشکوک قیمت یک سهم شده است.
علاوه بر شناسایی شبکه کاربران مرتبط با یک سهام یا صنعت، از یک سیستم هشدار برای حساب‌های کاربری خاص نیز استفاده می‌شود. به محض اینکه یک کاربر که به عنوان یک منبع مرتبط و معتبر برای یک سهام شناخته شده است، چیزی در مورد آن شرکت ارسال کند، به شما اطلاع داده می‌شود. داشتن این اطلاعات در اسرع وقت کلیدی است.

[highlight color=”yellow”]تیم‌های نظارت بر بازار سهام می‌توانند هر گونه شایعه یا رویدادهای مرتبط با سهام مورد نظر خود را به صورت لحظه‌ای توسط ابزار تخصصی دیتاک در شبکه‌ های اجتماعی رصد کرده و در صورت بروز اتفاقات ناگهانی پیرامون برخی از شرکت‌ها یا رویدادها، اعلان‌های فوری دریافت کنند.[/highlight]

در ارتباط با سیستم هشدار، همان طور که قبلا توضیح داده شد، شرایط بحرانی را می‌توان خیلی سریع تشخیص داد که می‌تواند منجر به واکنش به موقع شود. وقایع کلیدی در بازارهای مالی می‌تواند تا حدود زیادی بر تغییرات قیمت تاثیر بگذارد. یک رویداد می‌تواند هر موضوعی باشد که با کلمات کلیدی مشخص می‌شود و آن را با جزئیات بیشتری توصیف می‌کند. همچنین می‌توان به هر کلمه کلیدی یک وزن اختصاص داد که اهمیت آن را توصیف می‌کند.

ابزار سوشال لیسنینگ دیتاک را رایگان امتحان کنید
منبع
nasdaq.com

امین خیبر

من امین خیبر کارشناس ارشد مهندسی فناوری اطلاعات هستم. یکی از علایقم موضوعات مربوط به تولید محتوا و دیجیتال مارکتینگ است. برای موفقیت در این حوزه تلاش می‌کنم همواره بیاموزم و دانسته‌هایم را به دیگران منتقل کنم. همکاری با مجموعه دیتاک به من فرصت گشت و گذار در دنیای داده‌ها و نوشتن درباره آن را می‌دهد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا