حسابداری، امور مالی و هوش محاسباتی 3092-7366 1 پیاپی 1 2024 04 09 Sentiment Analysis and Its Impact on Stock Market Volatility: Leveraging Natural Language Processing Techniques تحلیل احساسات و تأثیر آن بر نوسانات بازار سهام: بهره‌گیری از تکنیک‌های پردازش زبان طبیعی 13 27 EN سارا نجفی دانشکده حسابداری، دانشگاه اصفهان، اصفهان، ایران رضا بهرامی دانشکده بازرگانی، دانشگاه تبریز، تبریز، ایران نرگس حسینی دانشکده مدیریت، دانشگاه الزهرا، تهران، ایران Journal Article 2024 01 12 Sentiment analysis has emerged as a novel method in financial markets, utilizing textual data such as news and social media posts to predict stock price volatility. This technique helps investors and financial institutions make more informed decisions by extracting positive and negative sentiments and analyzing their impact on financial markets. To examine the impact of sentiment analysis on stock market volatility and evaluate the advantages, limitations, and opportunities of using this technique for market behavior prediction. This paper provides a comprehensive review of past studies and analyses on the relationship between sentiment analysis and market volatility. The reviewed data includes results from natural language processing (NLP)-based analysis, machine learning algorithms, and social media data. The findings indicate that sentiment analysis, particularly during economic crises, can serve as a strong predictive indicator. Positive sentiments lead to stock price increases, while negative sentiments cause price declines. Additionally, NLP-based tools have improved prediction accuracy. However, challenges such as modeling complexity and data quality remain significant. Sentiment analysis is recognized as an effective tool for short- and mid-term volatility predictions, especially in dynamic financial markets. To enhance its accuracy and effectiveness, the use of more advanced models and improvements in data quality are recommended. تحلیل احساسات به عنوان یک روش نوین در بازارهای مالی، توانسته است از طریق پردازش داده‌های متنی نظیر اخبار و نظرات کاربران در شبکه‌های اجتماعی، به یکی از ابزارهای مهم برای پیش‌بینی نوسانات قیمت سهام تبدیل شود. این تکنیک از طریق استخراج احساسات مثبت و منفی و بررسی تأثیر آن‌ها بر بازارهای مالی، به سرمایه‌گذاران و مؤسسات مالی کمک می‌کند تا تصمیمات دقیق‌تری بگیرند. بررسی تأثیر تحلیل احساسات بر نوسانات بازار سهام و تحلیل مزایا، محدودیت‌ها و فرصت‌های استفاده از این تکنیک در پیش‌بینی رفتارهای بازار. این مقاله یک مرور جامع بر مطالعات گذشته و تحلیل‌های انجام‌شده درباره ارتباط میان تحلیل احساسات و نوسانات بازار ارائه می‌دهد. داده‌های مورد بررسی شامل نتایج به‌دست‌آمده از تحلیل‌های مبتنی بر پردازش زبان طبیعی (NLP)، الگوریتم‌های یادگیری ماشین و داده‌های شبکه‌های اجتماعی است. نتایج نشان می‌دهد که تحلیل احساسات، به ویژه در مواقع بحران‌های اقتصادی، می‌تواند به عنوان یک شاخص پیش‌بینی‌کننده قوی عمل کند. احساسات مثبت منجر به افزایش قیمت سهام و احساسات منفی باعث کاهش قیمت‌ها می‌شود. به علاوه، ابزارهای مبتنی بر پردازش زبان طبیعی توانسته‌اند دقت پیش‌بینی‌ها را بهبود دهند. با این حال، چالش‌هایی مانند پیچیدگی مدل‌سازی و کیفیت داده‌ها وجود دارد. تحلیل احساسات، به‌ویژه در بازارهای پویای مالی، به عنوان یک ابزار موثر در پیش‌بینی نوسانات کوتاه‌مدت و میان‌مدت شناخته می‌شود. برای افزایش دقت و کارایی این روش، استفاده از مدل‌های پیشرفته‌تر و بهبود کیفیت داده‌ها پیشنهاد می‌شود.

https://jafci.com/index.php/jafci/article/download/3/2