تحلیل احساسات سرمایه گذاران در بازده سهام

رفتار قیمت دارایی های مالی در بازارهای مدرن، محصول برهم کنش پیچیده و مداوم داده های بنیادی، تحلیل های تکنیکال و متغیرهای روان شناختی است. در پارادایم مالی سنتی، بازارها غالبا بر پایه فرضیه بازار کارا (EMH) تحلیل می شدند که بر اساس آن، قیمت ها همواره منعکس کننده کلیه اطلاعات در دسترس هستند و تغییرات قیمت تنها در پاسخ به اطلاعات جدید رخ می دهد. با این حال، ظهور «مالی رفتاری» و شواهد تجربی متعدد، نشان داده است که سرمایه گذاران همواره عقلانی عمل نمی کنند و تصمیمات آن ها تحت تاثیر توده وار بودن، ترس، طمع و سایر سوگیری های شناختی است. در این میان، بهره گیری از تکنیک های پردازش زبان طبیعی (NLP) برای استخراج «احساسات سرمایه گذار» از انبوه داده های تولید شده در شبکه های اجتماعی و خبرگزاری های مالی، پنجره جدیدی به سوی درک سازوکارهای پنهان تعیین قیمت گشوده است. اگرچه مطالعات پیشین همبستگی قابل توجهی میان شاخص های احساسی و بازده سهام یافته اند، اما اکثر این پژوهش ها بر فرض اثرگذاری هم زمان (Concurrent Effect) متمرکز بوده اند؛ به این معنا که تصور می شود احساسات لحظه ای به طور آنی بر قیمت تاثیر می گذارند. این در حالی است که در دنیای واقعی، جریان اطلاعات و هضم آن توسط معامله گران و در نهایت واکنش قیمت، با درجاتی از تاخیر زمانی (Time Lag) همراه است. نادیده گرفتن این «تاخیر در واکنش» می تواند باعث بیش برازش (Overfitting) مدل های پیش بینی شده و ناتوانی آن ها در عملکرد واقعی در بازارهای مالی شود. این شکاف پژوهشی، پرسش های مهمی را مطرح می کند: آیا احساسات امروز صرفا بازتاب دهنده بازده فعلی هستند یا می توانند به عنوان پیشران (Leading Indicator) برای نوسانات روزهای آتی عمل کنند؟ الگوی زمانی انتشار این اطلاعات در بازار چیست و آیا این تاخیر برای سهم های مختلف یا صنایع گوناگون متفاوت است؟در همین راستا، این پژوهش با هدف پر کردن این شکاف، اثر سناریوهای مختلف تاخیر زمانی احساسات بر قدرت پیش بینی مدل های یادگیری ماشین را بررسی می کند. ما با بهره گیری از یک چارچوب داده کاوی پیشرفته، ابتدا شاخص های احساسی را استخراج کرده و سپس با اعمال پنجره های تاخیر زمانی مختلف (از لحظه ای تا چند روز کاری)، پویایی تاثیرگذاری آن ها را بر بازده آتی سهام مدل سازی می کنیم.