بررسی تاثیر ریسک درک شده توسط کاربران شبکه های اجتماعی بر قیمت بیت کوین با استفاده از تکنیک تحلیل احساسات و شبکه عصبی NARX

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 267

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MRIMO-26-2_002

تاریخ نمایه سازی: 24 دی 1403

چکیده مقاله:

با توجه به محبوبیت جهانی حوزه رمزارزها به ویژه بیت کوین، انتظار می رود دیر یا زود دولت ها، بانک ها و سایر صنایع به استفاده از رمزارزها در معاملات روزمره خود روی آورند. بنابراین همانند هر حوزه مالی دیگر، نیاز به شناسایی چالش های موجود در این حوزه جهت ایجاد فضای سرمایه گذاری امن احساس می شود. از طرفی با گسترش شبکه های اجتماعی، داده های ساختارنیافته در حال افزایش هستند که می توان از این پدیده جهت ایجاد ارزش افزوده در حوزه های گوناگون همچون تحلیل احساسات بهره مند شد. از این رو پژوهش حاضر با هدف بررسی تاثیر ریسک درک شده توسط کاربران شبکه های اجتماعی بر روی قیمت بیت کوین انجام گردید. براساس یافته های پژوهش، ریسک های شناسایی شده در حوزه بیت کوین، شامل ریسک اجتماعی، اقتصادی، امنیتی، فناوری و حقوقی می باشند. برای استخراج ریسک های بیت کوین، از گفتگوهای سایت بیت کوین تاک استفاده گردید. پس از جمع­آوری داده ها توسط خزشگر وب، به کمک الگوریتم تخصیص پنهان، گفتگوها در خوشه های موضوعی خوشه بندی شدند. تحلیل احساسات کاربران نیز با روش مبتنی بر واژگان و بکارگیری واژه نامه AFINN انجام گردید. برای سنجش اثرگذاری احساسات کاربران بر قیمت بیت کوین نیز از مدل شبکه عصبی غیرخطی با داده های برون­زا بهره گرفته شد. نتایج به­دست آمده نشان از وجود ۰.۹۹ همبستگی و میانگین مربعات خطا ۰.۰۰۱ دارد که به معنای وجود همبستگی میان قیمت واقعی و قیمت پیش بینی شده بیت کوین می باشد. یافته های این پژوهش می تواند توجه فعالان در حوزه بیت کوین را جلب نماید تا برنامه ریزی مناسبی جهت سرمایه گذاری و کاهش ریسک سرمایه گذاری داشته باشند.

نویسندگان

Parisa Zolfaghar

کارشناسی ارشد مدیریت فناوری اطلاعات، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران

ameneh khadivar

دانشیار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران

fatemeh abbasi

استادیار، گروه مدیریت فناوری اطلاعات، دانشکده فناوری اطلاعات، موسسه آموزش عالی مهر البرز، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Coindesk, “Bitcoin Price,” ۲۰۲۰. https://www.coindesk.com/price/bitcoin[۲] S. Corbet, A. Meegan, C. ...
  • O. Kraaijeveld and J. De Smedt, “The predictive power of ...
  • Z. Chen, C. Li, and W. Sun, “Bitcoin price prediction ...
  • F. Mai, Z. Shan, Q. Bai, X. (Shane) Wang, and ...
  • R. Grinberg, “Bitcoin: An Innovative Alternative Digital Currency (Preliminary Draft),” ...
  • M. Kiran and M. Stannett, “Bitcoin risk analysis,” nemode.ac.uk, ۲۰۱۴ ...
  • E. Erdin, M. Cebe, K. Akkaya, S. Solak, and E. ...
  • A. Khadivar and F. Abbasi, “Method for Measuring Information Technology ...
  • ISO, ISO ۳۱۰۰۰:۲۰۱۸. Risk management - Principles and guidelines. ۲۰۱۸ ...
  • A. Vafadar Nikjoo, A. Shahabi, and S. M. A. Khatami ...
  • C. Lustig and B. Nardi, “Algorithmic authority: The case of ...
  • C. Baek and M. Elbeck, “Bitcoins as an investment or ...
  • Turpin, “Bitcoin: The Economic Case for a Global, Virtual Currency ...
  • C. Y. Wu and V. K. Pandey, “The value of ...
  • mahin sabet sarvestani, abbas moghbel baarz, and A. Afsar, “Comparative ...
  • C. Lamon, E. Nielsen, and E. Redondo, “Cryptocurrency Price Prediction ...
  • L. Ege, “Predicting Bitcoin Price Fluctuations Based on News Headlines,” ...
  • E. Stenqvist and J. Lönnö, “Predicting Bitcoin price fluctuation with ...
  • C. Eom, T. Kaizoji, S. Hoon, and L. Pichl, “Bitcoin ...
  • D. Shen, A. Urquhart, and P. Wang, “Does twitter predict ...
  • O. Oueslati, E. Cambria, M. Ben HajHmida, and H. Ounelli, ...
  • F. Abbasi, A. Khadivar, and M. Yazdinejad, “Sentiment Analysis of ...
  • S. Symeonidis, D. Effrosynidis, and A. Arampatzis, “A comparative evaluation ...
  • T. Norsten, “Exploring the Potential of Twitter Data and Natural ...
  • S. Jung and W. C. Yoon, “An alternative topic model ...
  • I. Vayansky and S. A. P. Kumar, “A review of ...
  • M. Lamba, M. Madhusudhan, and I. Science, “Application of Topic ...
  • W. Zhao et al., “A heuristic approach to determine an ...
  • L. Hagen, “Content analysis of e-petitions with topic modeling: How ...
  • B. Sohrabi, I. Raeesi Vanani, and F. Zareh Mirkabad, “Designing ...
  • A. zarei, davood feiz, and ghazale Taheri, “Providing Social Market ...
  • نمایش کامل مراجع