Internetowe predykcje notowań spółek giełdowych
DOI:
https://doi.org/10.33077/uw.24511617.ms.2018.0.292Abstrakt
Na przykładzie możliwości predykcji notowań spółek giełdowych, korzystając z analizy sentymentów dotyczących tych przedsiębiorstw, wykazano, że Big Data jest wartościowym źródłem nowych informacji. Dowodzą tego wyniki analiz zależności między zasobami Big Data i wartościami akcji spółek KGHM, Enea, Synthos i Tauron. Dokonano interpretacji i klasyfikacji wypowiedzi użytkowników internetu, a następnie porównano zawarte w nich sentymenty (pozytywne, negatywne i neutralne) do notowań poszczególnych spółek z okresu stycznia i marca 2015 r.
Bibliografia
Big Data, bigger digital shadows, and biggest growth in the Far East, https://www.emc.com/collateral/analyst-reports/idc-digital-universe-united-states.pdf [dostęp: 25.04.15].
Bollen J., Mao H., Zeng X., Twitter mood predicts the stock market, „Journal of Computational Science” 2011, Vol. 2, wyd. 1. DOI: https://doi.org/10.1016/j.jocs.2010.12.007
Carr N., Płytki umysł. Jak Internet wpływa na nasz mózg, Gliwice 2013.
Chen H., Chiang R., Storey V., Business intelligence and analytics: From Big Data to big impact, „MIS Quarterly” 2012, s. 1165–1188. DOI: https://doi.org/10.2307/41703503
Cukier K., Mayer-Schonberger V., Big Data. Rewolucja, która zmieni nasze myślenie, Warszawa 2014.
Curme C. i in., Quantifying the semantics of search behavior before stock market moves, „PNAS” 2014, nr 32. DOI: https://doi.org/10.1073/pnas.1324054111
Dhar V., Can Big Data machines analyze stock market sentiment?, „Big Data” 2014, nr 4, s. 178. DOI: https://doi.org/10.1089/big.2014.1528
Drzewiecki R., System wyceny człowieka. Oto jak Big Data rządzi światem, „Forsal.pl” 2014, http://forsal.pl/artykuly/785494,system-wyceny-czlowieka-oto-jak-big-data-rzadzi-swiatem.html [dostęp: 3.05.2015].
Ferguson G.A., Takane Y., Analiza statystyczna w psychologii i pedagogice, Warszawa 2009.
Gogołek W., Kuczma P., Rafinacja informacji sieciowych na przykładzie wyborów parlamentarnych, „Studia Medioznawcze” 2013, nr 2 (53).
Hall R., Taylor J., Makroekonomia, Warszawa 2010.
Liu Y., Big Data and predictive business analytics, http://eds.b.ebscohost.com.atoz.han.buw.uw.edu.pl/eds/pdfviewer/pdfviewer?sid=3149252a-86a3-462d-87c0-690b06fda804%40sessionmgr110&vid=6&hid=112 [dostęp: 09.05.15].
Martin J., The „Big Data” solution for Wall Street, http://iknowfirst.com/the-big-data-solution-for-wall-street [dostęp: 24.04.2015].
Martínez Bustos S. i in., Pricing stocks with yardsticks and sentiments, „Algorithmic Finance” 2011, nr 1. DOI: https://doi.org/10.2139/ssrn.1936051
Pisarek W., Polskie słowa sztandarowe i ich publiczność, Kraków 2002.
Rechenthin M., Street W.N., Srinivasan P., Stock chatter: Using stock sentiment to predict price direction, „Algorithmic Finance” 2013, nr 3-4s. 169-196. DOI: https://doi.org/10.3233/AF-13025
Smailović J. i in., Predictive sentiment analysis of Tweets: A stock market application, „Human-computer interaction and knowledge discovery in complex, unstructured, Big Data” 2013, s. 77–88. DOI: https://doi.org/10.1007/978-3-642-39146-0_8
Smith K., Big Data discoveries, „Best’s Review” 2015, nr 7.
Tabakow M., Korczak J., Franczyk B., Big Data – definicje, wyzwania i technologie informatyczne, „Informatyka Ekonomiczna” 2014, nr 1 (31).
The digital universe of opportunities: Rich Data and the inreasing value of the Internet of things, http://www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm [dostęp: 25.04.15].
The Internet in real time, http://pennystocks.la/internet-in-real-time/ [dostęp: 25.04.15].
Pobrania
Opublikowane
Jak cytować
Numer
Dział
Licencja
Publikacje na łamach „Studiów Medioznawczych” ukazują się na zasadach odpowiadających licencji Creative Commons Uznanie autorstwa-Użycie niekomercyjne 4.0 Międzynarodowe (CC BY-NC 4.0).
