Роль емодзі у прогнозуванні фондового ринку
Ключові слова:
сентимент емодзі, прогнозування фондового ринку, аналіз настроїв, обробка природної мови, поведінка інвесторів, цифрова комунікаціяАнотація
Дослідження присвячене зростаючій актуальності цифрової невербальної комунікації у сфері прийняття фінансових рішень. Оскільки соціальні мережі стають основними центрами дискусій інвесторів, розуміння емоційної ваги емодзі є необхідним для точного аналізу ринку. Дослідження ґрунтується на гіпотезі, що аналіз настроїв на основі емодзі забезпечує більш точне та прогнозоване вимірювання схильностей інвесторів, ніж традиційні текстові дані, безпосередньо впливаючи на динаміку цін на акції. Для перевірки цього методологія інтегрує обробку природної мови (NLP) та методи машинного навчання для оцінки фінансових повідомлень, заголовків новин та дискусій на форумах. Результати демонструють, що певні емодзі діють як потужні символічні індикатори "бичачих" або "ведмежих" трендів, часто фіксуючи емоційні зрушення, що ігноруються формальним текстом. Порівнюючи набори даних, які багаті на емодзі, зі стандартними моделями сентименту, у дослідженні виявлено, що включення графічних іконок значно підвищує точність прогнозування ринку в реальному часі. Отримані дані свідчать про те, що поєднання цифрової іконографії та алгоритмічної торгівлі відображає зміни в поведінці інвесторів, пропонуючи важливі інструменти для дослідження ринкових настроїв та сучасних фінансових стратегій
Посилання
Antweiler, W., & Frank, M. Z. (2004). Is all that talk just noise? Journal of Finance, 59(3), 1259-1294. https://doi.org/10.1111/j.1540-6261.2004.00649.x
Araci, D. (2019). FinBERT: Financial sentiment analysis with pre-trained language models. arXiv preprint arXiv:1908.10063. https://arxiv.org/abs/1908.10063
Bambrough, B. (2021). While Elon Musk boosts the Dogecoin price, the Tesla Dogecoin dream is already coming true. Forbes. https://www.forbes.com/sites/billybambrough/2021/06/03/while-elon-musk-boosts-the-dogecoin-price-the-tesla-dogecoin-dream-is-alr/
Banerjee, A. V. (1992). A simple model of herd behavior. Quarterly Journal of Economics, 107(3), 797-817. https://doi.org/10.2307/2118484
Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. Financial Studies, 21(2), 785-818. https://doi.org/10.1093/rfs/hhm079
Barber, B. M., Huang, X., Odean, T., & Schwarz, C. (2022). Attention-induced trading and returns: Evidence from Robinhood users. Journal of Financial Economics, 144(2), 101-120. https://doi.org/10.1111/jofi.13183
Barberis, N., & Thaler, R. (2003). A survey of behavioral finance. In G. M. Constantinides, M. Harris, & R. M. Stulz (Eds.), Handbook of the economics of finance (1), 1053-1128. Elsevier. https://doi.org/10.1016/S1574-0102(03)01027-6
Bartov, E., Faurel, L., & Mohanram, P. S. (2018). Can Twitter help predict firm-level earnings and stock returns? The Accounting Review, 93(3), 25-57. https://doi.org/10.2308/accr-51865
Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of Computational Science, 2(1), 1-8. https://doi.org/10.1016/j.jocs.2010.12.007
Chen, H., De, P., Hu, Y. J., & Hwang, B.-H. (2013). Wisdom of crowds: The value of stock opinions transmitted through social media. Capital Markets: Market Efficiency eJournal. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1807265
Chordia, T., Roll, R., & Subrahmanyam, A. (2008). Liquidity and market efficiency. Journal of Financial Economics, 87(2), 249-268. https://doi.org/10.1016/j.jfineco.2007.03.005
Conference on Empirical Methods in Natural Language Processing (EMNLP 2013) (pp. 704-714). Association for Computational Linguistics. https://aclanthology.org/D13-1066.pdf
Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. Journal of Finance, 66(5), 1461-1499. https://doi.org/10.1111/j.1540-6261.2011.01679.x
Easley, D., López de Prado, M. M., & OʼHara, M. (2011). The microstructure of the "Flash Crash": Flow toxicity, liquidity crashes, and the probability of informed trading. Journal of Portfolio Management, 37(2), 118-128. https://doi.org/10.3905/jpm.2011.37.2.118
Hendershott, T., Zhang, X., Zhao, J., & Zheng, Z. (2021). FinTech as a game changer: Overview of research frontiers. Information Systems Research, 32(1), 1-16. https://doi.org/10.1287/isre.2021.0997
Henry, E., & Leone, A. J. (2015). Measuring qualitative information in capital markets research: Comparison of alternative methodologies to measure disclosure tone. The Accounting Review, 90(4), 1467-1498.
Hoberg, G., & Phillips, G. (2010). Text-based network industries and endogenous product differentiation. Journal of Political Economy, 118(3), 677-729. https://doi.org/10.3386/w15991
Hurova, I. V., & Shkurov, Y. V. (2023). Man in digitized urban socio-cultural space. Anthropological Measurements of Philosophical Research, (24), 75-87. https://doi.org/10.15802/ampr.v0i24.295321
Hutto, C. J., & Gilbert, E. (2014). VADER: A parsimonious rule-based model for sentiment analysis of social media text. Proceedings of the International AAAI Conference on Web and Social Media, 8(1), 216-225. https://doi.org/10.1609/icwsm.v8i1.14550
Jagtiani, J., & Lemieux, C. (2019). The roles of alternative data and machine learning in fintech lending: Evidence from the LendingClub consumer platform. Journal of Economics and Business, (100), 100121. https://doi.org/10.1016/j.jeconbus.2018.12.001
Jegadeesh, N., & Wu, D. (2013). Word power: A new approach for content analysis. Journal of Financial Economics, 110(3), 712-729. https://doi.org/10.1016/j.jfineco.2013.08.004
Kahneman, D. (2011). Thinking, fast and slow. New York, NY: Farrar, Straus and Giroux.
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-292. https://doi.org/10.2307/1914185
Kelley, E. K., & Tetlock, P. C. (2013). How wise are crowds? Insights from retail orders and stock returns. Journal of Finance, 68(3), 1229-1265. https://doi.org/10.1111/jofi.12034
Kouloumpis, E., Wilson, T., & Moore, J. D. (2011). Twitter sentiment analysis: The good, the bad, and the OMG! Proceedings of the International AAAI Conference on Web and Social Media, 5(1), 538-541. https://doi.org/10.1609/icwsm.v5i1.14185
Li, F. (2006). Do stock market investors understand the risk sentiment of corporate annual reports? University of Michigan. ttps://deepblue.lib.umich.edu/handle/2027.42/42943 https://doi.org/10.2139/ssrn.898181
Liew, J., & Budavári, T. (2021). Emotion extraction from financial news. Journal of Behavioral Finance, 22(2), 155-167. https://doi.org/10.1080/15427560.2021.1883493
Ljubešić, N., & Fišer, D. (2016). A global analysis of emoji usage. In Proceedings of the 10th Web as Corpus Workshop, 82-89. https://aclanthology.org/W16-2210.pdf https://doi.org/10.18653/v1/W16-2610
Lo, A. W. (2004). The adaptive markets hypothesis. Journal of Portfolio Management, 30(5), 15-29. https://doi.org/10.3905/jpm.2004.442611
Lo, A. W., et al. (2021). Institutional emoji usage. Journal of Portfolio Management, 47(5), 132-148. https://doi.org/10.3905/jpm.2021.1.243
Loughran, T., & McDonald, B. (2011). When is a liability not a liability? Journal of Finance, 66(1), 35-65. https://doi.org/10.1111/j.1540-6261.2010.01625.x
Loughran, T., & McDonald, B. (2016). Textual analysis in accounting. Journal of Accounting Research, 54(4), 1187-1230. https://doi.org/10.1111/1475-679X.12123
Lyons, R., et al. (2021). The GameStop event (NBER Working Paper No. 28723). National Bureau of Economic Research. https://www.nber.org/papers/w28723
Mao, Y., et al. (2012). Predicting stock market indicators through Twitter: A case study in the 2010-2011 period. In Proceedings of the 6th International AAAI Conference on Weblogs and Social Media, 1-8. https://www.aaai.org/ocs/index.php/ICWSM/ICWSM12/paper/view/4627
Miller, E. G., & Skinner, D. J. (2022). The evolving disclosure landscape. Journal of Accounting Research, 60(1), 199-241. https://doi.org/10.1111/1475-679X.12400
Novak, P. K., Smailović, J., Sluban, B., & Mozetič, I. (2015). Sentiment of emojis. PLoS ONE, 10(12), e0144296. https://doi.org/10.1371/journal.pone.0144296
Ozik, G., Sadka, R., & Shen, S. (2021). Pandemic trading patterns: Evidence from the COVID-19 crisis. (Journal of Banking & Finance, (133), Article 106297. https://doi.org/10.1016/j.jbankfin.2021.106297
Paivio, A. (1986). Mental representations: A dual coding approach. Oxford University Press. https://global.oup.com
Pavalanathan, U., & Eisenstein, J. (2016). More emojis, less :) The competition for paralinguistic function in microblog writing. First Monday, 21(11). https://doi.org/10.5210/fm.v21i11.6879
Renault, T. (2017). Intraday online investor sentiment and return patterns in the U.S. stock market. Journal of banking & finance, (84), 25-40. https://doi.org/10.1016/j.jbankfin.2017.07.002
Riloff, E., Qadir, A., Surve, P., De Silva, L., Gilbert, N., & Huang, R. (2013). Sarcasm as contrast between a positive sentiment and a negative situation. In Proceedings of the 2013. https://aclanthology.org/D13-1066.pdf https://doi.org/10.18653/v1/D13-1066
Riordan, R., Storkenmaier, A., Wagener, M., & Zhang, S. S. (2013). Speed of information in equity markets. Journal of financial economics, 108(2), 336-359. https://doi.org/10.1016/j.jfineco.2012.10.002
Shkurov, Y. (2025). Media communications in the social dimension of the city. Bulletin of Lviv University. Journalism Series, (57), 98-105. https://doi.org/10.30970/vjo.2025.57.13294
Siering, M., Koch, J.-A., & Deokar, A. V. (2016). Detecting fraudulent behavior on crowdfunding platforms: The role of project description and social capital. Decision Support Systems, (90), 75-85. https://doi.org/10.1016/j.dss.2016.06.021
Smales, L. A. (2021). Attention and the rise of meme stocks. Finance Research Letters, (43), 102070. https://doi.org/10.1016/j.frl.2021.102070
Sprenger, T. O., Tumasjan, A., Sandner, P. G., & Welpe, I. M. (2014). Tweets and trades: The information content of stock microblogs. Journal of finance, 69(6), 2587-2649. https://doi.org/10.1111/jofi.12184
Tetlock, P. C. (2007). Giving content to investor sentiment: The role of media in the stock market. Journal of finance, 62(3), 1139-1168. https://doi.org/10.1111/j.1540-6261.2007.01232.x
U.S. Securities and Exchange Commission. (2022). Investor alert: Social media and investing. https://www.sec.gov/oiea/investor-alerts-and-bulletins/ia_socialmediaandinvesting
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. In Advances in Neural Information Processing Systems, (30), 5998-6008. https://papers.nips.cc/paper/7181-attention-is-all-you-need.pdf
Zahra, T., & Ahmed, S. (2025). Generational differences in emoji interpretation: A study of Millennials, Gen Z, and Baby Boomers. Advance Social Science Archive Journal, 3(2), 857-864. https://www.assajournal.com/index.php/36/article/view/383/554
Zahra, T., & Perono Cacciafoco, F. (2025a). Etymological roots of emoji miscommunication. SKASE Journal of Literary and Cultural Studies, 7(1). https://www.skase.sk/JLCS14index.html#:~:text=6.,DOI%3A%2010.33542/JLSC2025%2D1%2D6
Zahra, T., & Perono Cacciafoco, F. (2025b). Telegram and WhatsApp in blended learning. Idil, 14(118), 479-488. https://www.google.com/search?q=https://doi.org/10.7816/idil-14-118-03
Zahra, T., & Perono Cacciafoco, F. (2026a). Emoji-rich vs emoji-poor communication. Scientia fructuosa, 1(165), 162-176. https://doi.org/10.31617/1.2026(165)11
Zahra, T., & Perono Cacciafoco, F. (2026b). The cost of silence: Anger-obsession loop of anger suppression, obsessive rumination, and physiological stress. British Journal of Business and Psychology Research, 2(3), 5-24. https://doi.org/10.47297/ppibjbpr2026020301
Zahra, T., Ali, P., Qureshi, J., & Fatima, M. (2025a). Emoji aesthetics in the digital age: A comparative analysis of user preferences for Apple and Android emoji style. Sociology & Cultural Research Review, 3(2), 1-15. https://scrrjournal.com
Zahra, T., Ali, P., Qureshi, J., & Fatima, M. (2025b). Emoji prediction in text-based communication: A study of machine learning approaches. Sociology & Cultural Research Review, 3(1), 1-18. https://scrrjournal.com
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Ліцензія Creative Commons Зазначення Авторства 4.0 Міжнародна (CC BY 4.0)
