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.
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.
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.
Dhar V., Can Big Data machines analyze stock market sentiment?, „Big Data” 2014, nr 4, s. 178.
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.
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.
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.
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 4.0 (znanej również jako CC-BY).
