Прогнозування курсу акцій з урахуванням показників популярності пошукових запитів
Анотація
У статті запропонована модель прогнозування курсу акцій з урахуванням поведінкових факторів, в якості яких використані показники популярності пошукових запитів заданої тематики, отримані за допомогою інструменту Google Trends. Для дослідження було обрано дві компанії з різною історією розвитку: Apple та Royal Dutch Shell. На основі досліджень, присвячених поведінковим фінансів, сформований словник з 67 слів економічного, соціального і політичного характеру, що відображають настрої трейдерів, та виявлено ті пошукові запити, показник популярності яких найбільшою мірою впливає на динаміку курсу акцій. З використанням нейронних мереж, на вхід яких, крім іншого, подавалися показники популярності пошукових запитів, проведено прогнозування курсу для двох компаній з різних секторів економіки. Також було здійснено прогнозування з різними комбінаціями цих пошукових запитів, які були об’єднані за смисловим навантаженням. Для побудови нейронних мереж використовували додаток Neural Network Toolbox програмного пакету MathLab. Проведені експериментальні дослідження з різною архітектурою нейронних мереж, були використані тришарові та двошарові нейронні мережі. В ході проведення експерименту виявлено, що для компанії інформаційного сектора якість моделі істотно зросла за рахунок включення поведінкових факторів, в той час як для компанії переробного сектора значного поліпшення прогнозу не спостерігалося. Що, втім, природним чином випливає зі специфіки дослідження. Отримані результати свідчать про адекватність побудованих моделей і підтверджують доцільність використання показників популярності пошукових запитів для прогнозування курсу акцій.
Завантаження
Посилання
Талер Р. Х. Новая поведенческая экономика. [Текст] / Р.Х. Талер; пер. з анг. А. Е. Прохорова. – М. : Ексмо, 2017. – 368 с.
Bollen J.Twitter mood predicts the stock market / J. Bollen, M. Huina, Z. Xiao-Jun // Journal of Computational Science. – 2011. – Vol. 2(1).
Tobias P. Quantifying trading behavior in financial markets using Google Trends / P. Tobias, H.-S. Moat, E. Stanley // Scientific reports. – 2013. – Vol. 3 (1684).
Challet D., Bel Hadj Ayed A. Predicting financial markets with Google Trends and not so random keywords [Electronic resource]. – Accessed mode : https://arxiv.org/pdf/1307.4643v3.pdf.
Сервіс Google Finance [Електронний ресурс]. – Режим доступу : https://www.google.com/finance.
Eckley Peter. Measuring economic uncertainty using news-media textual data [Electronic resource]. – Accessed mode : https://mpra.ub.uni-muenchen.de/64874/1/MPRA_paper_64874.pdf.
Сервіс Google Trends [Електронний ресурс]. – Режим доступу : https://trends.google.ru/trends/.