論文の概要: The Impact of Twitter Sentiments on Stock Market Trends

• arxiv url: http://arxiv.org/abs/2302.07244v1
• Date: Tue, 14 Feb 2023 18:43:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-15 14:30:44.587908
• Title: The Impact of Twitter Sentiments on Stock Market Trends
• Title（参考訳）: twitterの感情が株式市場のトレンドに与える影響
• Authors: Melvin Mokhtari, Ali Seraj, Niloufar Saeedi, Adel Karshenas
• Abstract要約: S&P500種株価指数(S&P500種株価指数)の上位5銘柄の3ヶ月間の総数、感情、言及を分析した。 われわれの調査では、株価とTwitterの感情の間に大きな相関関係があることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Web is a vast virtual space where people can share their opinions, impacting all aspects of life and having implications for marketing and communication. The most up-to-date and comprehensive information can be found on social media because of how widespread and straightforward it is to post a message. Proportionately, they are regarded as a valuable resource for making precise market predictions. In particular, Twitter has developed into a potent tool for understanding user sentiment. This article examines how well tweets can influence stock symbol trends. We analyze the volume, sentiment, and mentions of the top five stock symbols in the S&P 500 index on Twitter over three months. Long Short-Term Memory, Bernoulli Na\"ive Bayes, and Random Forest were the three algorithms implemented in this process. Our study revealed a significant correlation between stock prices and Twitter sentiment.
• Abstract（参考訳）: Webは、人々が意見を共有し、人生のあらゆる側面に影響を与え、マーケティングとコミュニケーションに影響を及ぼす、広大な仮想空間である。 最も最新かつ包括的な情報は、メッセージの投稿がいかに広く簡単であるかから、ソーシャルメディアで見ることができる。 市場を正確に予測するための貴重な資源であると考えられている。 特にTwitterは、ユーザー感情を理解する強力なツールを開発した。 この記事では、ツイートがストックシンボルのトレンドにどの程度影響するかを検討する。 S&P500種株価指数(S&P500種株価指数)の上位5銘柄の3ヶ月間の総数、感情、言及を分析した。 このプロセスで実装された3つのアルゴリズムは、long short-term memory、bernolli na\"ive bayes、random forestである。 われわれの調査では、株価とTwitterの感情の間に大きな相関関係があることが判明した。

関連論文リスト

• Taureau: A Stock Market Movement Inference Framework Based on Twitter Sentiment Analysis [0.0]
  我々はTwitterの感情分析を利用して株式市場の動きを予測するフレームワークTaureauを提案する。 まずはTweepyとgetOldTweetsを使って、一連のトップ企業の世論を示す歴史的なツイートを入手する。 得られた感情スコアの時間次元を月次株価変動データと相関する。
  論文  参考訳（メタデータ） (2023-03-30T19:12:08Z)
• Evaluating Impact of Social Media Posts by Executives on Stock Prices [0.5429166905724048]
  TwitterやRedditのようなソーシャルメディアは、このような影響力のホットスポットになっている。 本稿は,Twitter と Reddit の投稿を用いた株価予測におけるソーシャルメディア投稿の影響について検討する。
  論文  参考訳（メタデータ） (2022-11-01T03:45:17Z)
• Manipulating Twitter Through Deletions [64.33261764633504]
  Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。 ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。 少数のアカウントが毎日大量のツイートを削除していることがわかった。 まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。 第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
  論文  参考訳（メタデータ） (2022-03-25T20:07:08Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Using Twitter Attribute Information to Predict Stock Prices [0.0]
  モデルは、LSTMと完全に接続されたレイヤのいくつかの層を持つニューラルネットワークに基づいています。 過去の株価、技術指標、twitterの属性情報で訓練されている。 その結果、より多くのTwitter属性を追加することで、予測価格と実際の価格の間のMSEが3%向上しました。
  論文  参考訳（メタデータ） (2021-05-04T10:27:37Z)
• Towards A Sentiment Analyzer for Low-Resource Languages [0.0]
  本研究は,当時盛んに議論されてきた特定のトレンドトピックに対して,ユーザの感情を分析することを目的としている。 2019年のインドネシア大統領選挙で話題になったハッシュタグのtextit#kpujangancurangを使っています。 本研究は,ラピッドマイニングツールを用いて,Twitterデータを生成し,Nieve Bayes,K-Nearest Neighbor,Decision Tree,Multi-Layer Perceptronの分類手法を比較し,Twitterデータの感情を分類する。
  論文  参考訳（メタデータ） (2020-11-12T13:50:00Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• That Message Went Viral?! Exploratory Analytics and Sentiment Analysis into the Propagation of Tweets [0.0]
  我々は100万ツイート以上のデータセットについて探索分析を行った。 我々は、最も人気のあるメッセージを特定し、複数の内因性次元でつぶやきを分析した。 私たちはいくつかの興味深いパターンを発見し、研究者や実践者が人気のあるバイラルツイートの振る舞いをよりよく理解するための新たな洞察を明らかにしました。
  論文  参考訳（メタデータ） (2020-04-21T02:38:53Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。