بایگانی برچسب برای: احساسات توییتر

نام من کمپبل تیلور است. من یک ارشد در حال افزایش و یک آمار اصلی در دانشگاه ایالتی اوهایو هستم. طی چند هفته اول من به عنوان یک کارآموز تحقیق کمی برای تجزیه و تحلیل بازار اجتماعی ، من در معرض داده های جایگزین و کاربردهای آن در بازار مالی قرار گرفته ام. در این تحقیق ، من یک استراتژی معاملاتی روزانه ایجاد کردم که در مورد تغییرات در احساسات در توییتر ایجاد شده است.

تجزیه و تحلیل بازار اجتماعی (SMA) داده های بدون ساختار را از طریق منابع جایگزین مانند توییتر ضبط می کند. با استفاده از تجزیه و تحلیل احساسات پردازش زبان طبیعی ، SMA توییت را در زمان واقعی ارزیابی می کند و معیارهایی ایجاد می کند که بینش را در مورد حرکات بازار سهام افزایش می دهد.

عوامل احساساتی مورد استفاده برای این تجزیه و تحلیل از طریق خوراک S SMA توزیع می شود. عوامل عبارتند از:

• S-Score: نمایندگی عادی احساسات سهام در توییتر بیش از 24 ساعت
• SV-More: نمایندگی عادی از حجم صدای جیر جیر یک سهام بیش از 24 ساعت
• S-Buzz: اندازه گیری فعالیت غیرمعمول توییتر در مقایسه با جهان سهام

حرکت مورد استفاده برای این تحقیق به شرح زیر است:

این باعث می شود حرکت قیمت گذاری به حرکت دقیق یک شبه. به همین ترتیب ، من از اختلافات در احساسات برای گرفتن تغییرات احساسات یک شبه استفاده کردم. این دو جدول زمانی در ساعت 9:10 صبح EST از روز معاملاتی فعلی و 3:40 بعد از ظهر EST روز معاملاتی قبلی ، هر دو 20 دقیقه قبل از باز و نزدیک بازار گرفته می شود. تفریق احساسات روز گذشته از احساسات روز جاری ، تغییر احساسات یک شبه را جدا می کند. بازگشت هدف را می توان به این ترتیب تعریف کرد:

یک استراتژی تجاری محبوب خرید اوراق بهادار با افزایش حرکت و فروش آنها در هنگام به نظر می رسد که حرکت خسته شده است. فرضیه اصلی من این بود که حرکات مثبت یک شبه باعث افزایش حرکت قیمت گذاری یک شبه می شود. به طور خاص تر: اختلاف مثبت S (افزایش مثبت) ، اختلاف SV (افزایش حجم توییت ها) یا تفاوت S-Buzz (فعالیت غیرمعمول تر) منجر به ادامه حرکت مثبت تا پایان روز معاملات می شود وvis versa برای منفی.

برای پیدا کردن کدام حرکت احساسات در پیش بینی بازده مهمترین بود ، من یک مدل رگرسیون لجستیک ساختم. این با توجه به متغیرهای ورودی ، احتمال نتیجه گسسته را مدل می کند. در این حالت ، با توجه به تغییرات مختلف احساسات شبانه و حرکت قیمت گذاری یک شبه ، احتمال بازده مثبت برای بسته شدن مثبت باز می شود. ایده بودن پارامترهایی که احتمال بازده مثبت را افزایش می دهد ، یک استراتژی تجاری ایجاد می کند که با گذشت زمان سودآورتر از بازار باشد.

قبل از انتخاب مدل ، توزیع متغیرها را بررسی کردم تا اطمینان حاصل شود که هیچ ناهنجاری در توزیع آنها وجود ندارد. هیستوگرام های زیر توزیع های زیر را نشان می دهد (از چپ به راست ، تا پایین): اختلاف شبانه در نمره S ، تفاوت یک شبه در نمره SV ، تفاوت یک شبه در S-Buzz ، حرکت قیمت گذاری یک شبه و بازده نزدیک. به نظر می رسد که تمام متغیرها تقریباً به طور عادی توزیع می شوند ، که برای مدل سازی آماری مفید است و دم توزیع را می گیرد.

با استفاده از چهار متغیر باقیمانده ، من از یک روش معیارهای اطلاعاتی گام به گام برای کمک به انتخاب بهترین پارامترها برای تجارت استفاده کردم. معیارهای اطلاعاتی عملکرد مدل را ضمن در نظر گرفتن تعداد پارامترهای مورد استفاده اندازه گیری می کند. در کمال تعجب ، مدل نشان داد که حرکت مثبت (منفی) یک شبه کاهش (افزایش) احتمال باز مثبت برای بازده بسته برای روز معاملاتی بعدی کاهش یافته است. علاوه بر این ، حرکت یک شبه به عنوان یک متغیر فاکتور به جای یک متغیر مداوم مهمتر بود. به این معنی که نشانه حرکت از بزرگی حرکت مهمتر است. هر یک از تغییرات احساسات در پیش بینی بازده معنی دار بود. تفاوت مثبت در S-Score و S-Buzz احتمال بازده مثبت را افزایش می دهد ، در حالی که تفاوت مثبت در نمره SV باعث کاهش آن شد. در حالی که هر متغیر قابل توجه است ، مهم است که تعداد سهام را در نظر بگیرید که شرایط همه پارامترها را هنگام تجارت منتقل می کند. تعداد بسیار کمی از سهام روزانه هر 3 پارامتر احساسات خاص را برآورده می کند ، که منجر به واریانس زیادی در نتایج خواهد شد. بنابراین ، منطقی است که مدل را به یک متغیر S-Factor محدود کنیم. انتخاب متغیر S-Factor که بیشترین وقایع تغییرات شدید را دارد ، قوی ترین نتایج را به همراه خواهد داشت. تفاوت در نمره S بیش از دو برابر تعداد سهام با تغییرات شدید نسبت به SV-Score و S-Buzz بود. بنابراین ، استراتژی معاملاتی نهایی در مورد تفاوت در نمره S پوششی با حرکت قیمت گذاری یک شبه ساخته خواهد شد.

از آنجا که تفاوت در نمره S یک متغیر مداوم است که از توزیع عادی پیروی می کند ، من فقط می خواستم در سهام با تغییرات شدید یک شبه تجارت کنم. من تغییرات شدید را به عنوان بالاتر از 2 و زی ر-2 تعریف کردم ، مانند خود متغیر S-Score. تفاوت در نمره S بیش از 2 نشان می دهد که افزایش شدید احساسات پیرامون آن سهام در توییتر وجود دارد. به طور مشابه ، تفاوت در نمره S زی ر-2 نشان دهنده کاهش شدید احساسات است.

من بازده تجمعی 4 استراتژی مختلف معاملاتی و S& P 500 ETF Trust (SPY) را به عنوان معیار بازار عمومی محاسبه کردم. هر یک از این استراتژی ها با وزن مساوی که در هر سهام قرار دارد ، در بازار باز و خروج در بازار وارد می شوند. دو مورد از این استراتژی ها موقعیت های طولانی خواهند بود و دو مورد از آنها موقعیت های کوتاه نظری خواهند بود. موقعیت های طولانی دارای پارامترهایی هستند که احتمال بازده مثبت را افزایش می دهد ، در حالی که موقعیت های کوتاه دارای پارامترهایی هستند که آن را پایین می آورند.

موقعیت های طولانی:

• معاملات فقط در سهام که شتاب یک شبه منفی داشتند
• Trading only on stocks that had negative oveight momentum, but an extreme increase in sentiment (difference in S-Score >2)

مواضع کوتاه نظری:

• معاملات فقط در سهام که شتاب یک شبه مثبت داشتند
• معاملات فقط در سهام که شتاب یک شبه مثبت داشتند ، اما کاهش شدید احساسات (تفاوت در S-Score< -2)

تجارت با این 4 استراتژی مختلف ، تأثیر حرکت احساسات بر حرکت یک شبه را تعیین می کند. من انتظار داشتم که دو موقعیت طولانی بازده تجمعی مثبت و موقعیت های کوتاه بازده تجمعی منفی داشته باشند. بر اساس مدل ، موقعیت طولانی با احساسات باید بالاترین بازده را بدهد در حالی که موقعیت کوتاه با احساسات باید کمترین بازده را به دست آورد. قبل از محاسبه بازده ، من به تعداد معاملات در روز در استراتژی ها با احساسات نگاه کردم تا اطمینان حاصل شود که معاملات به شدت در یک سهام (از بالا به پایین) وزن نمی شوند.

محور X هیستوگرام تعداد معاملات انجام شده در یک روز را نشان می دهد ، در حالی که محور y تعداد روزها را با آن شماره نشان می دهد. هر دو توزیع نشان می دهد که در تعداد معاملات در روز برخی از نوسانات وجود خواهد داشت. با این حال ، میانگین و میانگین تعداد معاملات برای هر دو استراتژی به اندازه کافی بالا است که برای بسیاری از روزها تنوع را تضمین می کند. روزهایی وجود خواهد داشت که کمتر از 10 معاملات وجود داشته باشد ، اما این موارد کمتر از 15 ٪ از روزهای معاملاتی در طی 10 سال خواهد بود. بنابراین ، روزهای کم حجم پخش می شود و بر قدرت نتایج تأثیر نمی گذارد. میانگین نیز تا جایی که انجام معاملات در بازارها باز نیست ، خیلی زیاد نیست. با دانستن تعداد معاملات محکم ، من از این استراتژی ها برای تجارت از اول دسامبر 2011 تا 3 ژوئن 2022 استفاده کردم.

نمودار سری زمانی ، بازگشت تجمعی استراتژی ها را با گذشت زمان نشان می دهد. بین آوریل و ژوئن سال 2020 افزایش شدید بازده برای حرکت منفی با استراتژی افزایش احساسات وجود دارد. پس از آغاز قفل شدن برای همه گیر Covid-19 ، می توان ناهنجاری را به وضعیت بازار نسبت داد. در حالی که در این مدت بازارها آشفته بودند ، موقعیت طولانی با احساسات بسیار خوب عمل می کرد. حرکت احساسات یک شبه تأثیر قابل توجهی در حرکت قیمت گذاری داشت. مواضع طولانی هر دو بازده تجمعی مثبت را نشان می داد ، و موقعیت های کوتاه نظری بازده تجمعی منفی را به دست می آورد. همانطور که این مدل پیشنهاد کرد ، سهام معاملاتی که با افزایش شدید احساسات ، حرکت منفی داشتند ، بهترین بازده را به دست می آورد. این استراتژی در بازه زمانی 10 ساله بازده تجمعی بیش از 1400 ٪ ایجاد کرد. نسبتهای شارپ و مرتب سازی نشان می دهد که بازده متوسط متوسط ارزش نوسانات بالقوه این استراتژی را دارد. یک شارپ بالاتر از 1 و Sortino بالاتر از 2 برای یک نمونه کارها مناسب است. برای موقعیت های طولانی ، افزودن حرکت احساسات ، بازده سالانه را نزدیک به 12 ٪ افزایش داد. در حالی که اثرات آنقدر قوی نبود ، با افزودن احساسات ، بازده سالانه موقعیت کوتاه را نزدیک به 7 ٪ کاهش می دهد. سپس بررسی کردم که چگونه این استراتژی از ابتدای سال 2020 اجرا شده است.

پرش در ابتدا نیز در حین قفل کردن همه گیر Covid-19 است. هر یک از استراتژی ها در مسیری که مدل پیش بینی شده در این مدت بیشتر پرش کرد. این نمودار سری زمانی همان رفتار با روند 10 ساله را دنبال می کند. تأثیر تغییر احساسات منفی بر حرکت مثبت در این طرح مشهودتر است. اخیراً ، موقعیت طولانی با استراتژی احساسات حتی بهتر از دوره 10 ساله عمل کرده است. در حالی که نسبت های قوی شارپ و Sortino را حفظ می کند ، بازده سالانه به نزدیک به 41 ٪ صعود کرد. معاملات با این استراتژی از اولین روز معاملاتی سال 2020 بازده تجمعی 140 ٪ را به همراه داشت. موقعیت کوتاه با استراتژی احساسات نیز در این دوره زمانی عملکرد بهتری داشت. احساسات منفی یک شبه بازده سالانه را نزدیک به 8 ٪ کاهش داد. تجارت در موقعیت های طولانی/کوتاه با احساسات یک استراتژی تجاری مؤثر در طول زمان بوده است و هیچ نشانه ای از کند شدن را نشان نمی دهد.

محدودیت این استراتژی ، افتتاح بازار به عنوان بخشی از محاسبه حرکت یک شبه و به عنوان نقطه ورود به تجارت است. بنابراین ، تأخیر در اجرای تجارت وجود خواهد داشت. در عمل این منجر به اضافه کردن 5 سنت به قیمت افتتاح برای موقعیت های طولانی و از بین بردن 5 سنت به قیمت افتتاح برای موقعیت های کوتاه می شود. بازده کمی کوچکتر از موارد محاسبه شده خواهد بود اما بسیار نزدیک خواهد بود.

سهام به طور کلی نشان داده شده است که به دنبال حرکت یک شبه به میانگین خود بازگردند. به نظر می رسد اضافه کردن تغییرات احساسات باعث افزایش احتمال و بزرگی برگشت می شود. به همین دلیل است که تجارت در سهام که در آن احساسات یک شبه با حرکت قیمت گذاری یک شبه مغایرت دارد ، یک استراتژی بسیار سودآور است. به دنبال این استراتژی همچنین نگه داشتن سهام یک شبه در جایی که خطر اخبار و وقایع پس از نزدیک شدن بازار وجود دارد ، حذف می شود. این تحقیق همچنین نشان دهنده قدرت پیش بینی کننده S-Factors از تجزیه و تحلیل بازار اجتماعی است. حرکت یک شبه S-Score ثابت کرد که تأثیر قابل توجهی در باز شدن بازده دارد. ضبط حرکت احساسات به بازرگانان این امکان را می دهد تا اوراق بهادار را که قیمت هنوز از جهت افکار عمومی پیروی نکرده است ، شناسایی کنند.

برای کسب اطلاعات بیشتر در مورد تجزیه و تحلیل بازار اجتماعی به ما در contactus@socialmarketanalytics. com از طریق ایمیل به ما ایمیل بزنید یا با استفاده از این لینک یک نسخه ی نمایشی را برنامه ریزی کنید.

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 تیم SMA https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/sma-logo. svg SMA Team 2022-06-21 08:15:41 2022-06-21 13:21:27 استفاده از احساسات توییتر برای معاملات روز

وبلاگ ویدیویی مقدمه S-Factor

در این ویدئو توضیح می دهیم که چگونه فید فاکتور S ما از Firehose توییتر برای ساخت سیگنال های تجاری ، داشبورد و ابزارک ها برای کمک به سرمایه گذاران در افزایش آلفا استفاده می کند. برای اینکه دریابید که چگونه SMA می تواند به شرکت شما کمک کند ، به ما در contactus@socialmarketanalytics. com به ما ایمیل بزنید یا جلسه ای را با استفاده از ثبت نام 1 در 1 جلسه برگزار کنید.

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 تیم SMA https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/sma-logo. svg SMA Team 2022-05-10 17:08:42 2022-05-10 17:18:24 S-Factor مقدمه وبلاگ ویدیویی

سیگنال های SMA برای دوره های برگزاری ماهانه و سه ماهه

از زمان تأسیس ما در سال 2012 ، ما در حال دستیابی به تاریخ خارج از نمونه برای استفاده در توسعه مدلهای عامل هستیم. اکنون پنج سال تاریخ داریم که این تاریخ می توانیم سیگنال های آماری قابل توجهی با دوره های برگزاری ماهانه و سه ماهه ایجاد کنیم.

این وبلاگ استفاده از داده های احساسات را برای دوره های برگزاری ماهانه و سه ماهه بررسی می کند. یک سیستم معاملاتی با نگاهی به فرسودگی در رسانه های اجتماعی که با شتاب و سرعت احساسات به عنوان شاخصی از حرکات قیمت اندازه گیری می شود ، مورد بررسی قرار می گیرد. وبلاگ بعدی من به عملکرد ماهانه و سه ماهه برگزاری دوره بر اساس یک مدل احساسات چند عاملی نگاه خواهد کرد.

سیستم تجارت شتاب و سرعت

معیارهای شتاب و سرعت می توانند احساسات در حال تغییر را شناسایی کنند. برای ساختن این معیارها ، علاوه بر سیگنال سنتی 20 روزه خود ، یک سیگنال جدید 50 دوره ایجاد کردیم. RAW-S احساسات خالص در طی یک دوره نگاه 24 ساعته از یک نقطه مشاهده است ، که از توییت های ضبط شده در دوره نگاه به عقب گرفته شده است. با تجمع بیش از 50 دوره ، ما یک RAW-S 50 دوره ای ایجاد می کنیم که R50 می نامیم ، به شرح زیر است.

به منظور این وبلاگ ، ما از 3:40 بعد از ظهر از عوامل زمان شرقی ایالات متحده برای ایجاد معیارهای جدید استفاده می کنیم. در ساعت 3:40 بعد از ظهر شرقی ایالات متحده ، سیگنال در نزدیکی بازار نزدیک اما با زمان کافی برای ورود به معاملات و اجرای نزدیک به آن ایجاد می شود. فرض بر این است که تمام معاملات گزارش شده در این مقاله با قیمت بسته شدن روز اجرا می شود.

فاکتور R50 یک اندازه گیری احساساتی 50 دوره ای خام است. برای عادی سازی فاکتور ، ما یک اندازه گیری استاندارد را با استفاده از فرمول زیر محاسبه می کنیم.

S50 نمره Z R50 است

MA50 (R50) میانگین حرکت 50 روزه R50 است

SD50 (R50) 50 روز انحراف استاندارد در حال حرکت R50 است

S50 راهی برای نشان دادن تخمین احساسات خام R50 بر روی یک منحنی معمولی استاندارد است.

معیارهای جدید

ما می خواهیم شناسایی کنیم که روند احساسات جهت تغییر می کند. ما برای شناسایی تغییرات در احساسات بلند مدت و میزان تغییر احساسات بلند مدت ، معیارهای جدید سرعت و شتاب را از فاکتور S50 استخراج می کنیم.

ما V50 ، سرعت را تعریف می کنیم ، زیرا یک دوره در S50 تغییر می کند ،

در تحقیقات ما ، سرعت و میزان تغییر سرعت در شناسایی فرسودگی یک روند احساسات به همان اندازه مهم است.

ما میزان تغییر سرعت ، شتاب ، A50 ، (مشتق دوم S50) را می نامیم ،

ایجاد یک استراتژی معاملاتی با استفاده از سرعت و شتاب

ما یک پدیده میانگین بازگشت با احساسات طولانی مدت را مشاهده کردیم. اوج مثبت بالایی در احساسات S50 به طور معمول با کاهش قیمت دنبال می شد. در نتیجه ، حداقل محلی S50 با تقدیر از قیمت دنبال شد.

این پایه و اساس سیگنال های تجاری توسعه یافته است.

ما برای آزمایش این استراتژی معاملاتی از اندازه های مختلف نمونه کارها استفاده کردیم. اوراق بهادار از 20 سهام بسیار دنبال شده در توییتر تا جهان کامل سهام SMA بود.

با استفاده از معیارهای تعریف شده در بالا ، ما از سیگنال های ورودی و خروج زیر استفاده کردیم ،

منطقی برای استفاده از این سیگنال ها به شرح زیر است:

1. میانگین رابطه برگشت بین S50 و قیمت بسته شدن.
2. ما می خواهیم تغییر و نرخ تغییر را به جای سطح مطلق احساسات ضبط کنیم.
3. V50 از 0. 5 به معنای تغییر در S50 ، از 0. 5 انحراف استاندارد و A50 است< 0 is deceleration, A50 >0 شتاب است.
4. با توجه به میانگین بازگشت ماهیت S50 ، ما می خواستیم وارد شود که احساسات در حال کاهش است و در یک روز بیش از 0. 5 انحراف استاندارد کاهش یافته است.
5. ما می خواستیم وقتی احساسات شتاب می گرفت و از قبل با 0. 5 انحراف معیار افزایش یافته بود ، از آن خارج شویم.

این یک استراتژی تجاری موفق در تمام جهان های انتخاب شده بود. در زیر آمار عملکرد برای مجموعه های مختلف جهان آورده شده است. 20 Universe Portfolio Stock Liquid Universe از سهام است که در توییتر بسیار دنبال می شود. 100 Universe Liquid Stock Universe از 100 سهام است که در توییتر بسیار دنبال می شود. 1000 MKT برتر. CAP و جهان خود توضیحی هستند.

این داده ها از نظر آماری معنی دار ، خارج از نمونه و قابل تکرار است. برای کسب اطلاعات بیشتر در مورد امکانات داده های احساسات در مدل خود ، لطفاً با SMA به آدرس contactus@socialmarketanalytics. com تماس بگیرید.

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 0 جو گیتس https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/06/sma-logo. svg جو گیتس 2016-10-24 15:38:10 2016-10-24 15:38:10 سیگنال های SMA برای دوره های برگزاری ماهانه و سه ماهه

این دو تصرف در هفته است!

رسانه های اجتماعی به طور منظم رسانه های اصلی را مورد ضرب و شتم قرار می دهند. هفته گذشته رسانه های اجتماعی در گزارش MSFT از LNKD (پست وبلاگ زیر) سیم خبری را شکست دادند و توییتر سه شنبه SCTY را که توسط TSLA به دست آورد ، شکست. این اطلاعات نظری نیست - این داده های عملی در فید ما است!

Tesla Motors توییتر را روشن کرد ، دیروز ، هنگامی که مدیرعامل ، الون مسک بیرون آمد و گفت اتومبیل های آنها می توانند روی آب شناور شوند. سه شنبه 21 ژوئن ، هنگامی که تصمیم خود را برای خرید شرکت پنل خورشیدی SolarCity (SCTY) دقایقی پس از بسته شدن بازارها اعلام کردند ، همه سازنده خودروهای برقی همه را با تعجب گرفتند. اولین مقاله خبری که در این مورد ذکر شد ، ساعت 4:18 بعد از ظهر CDT منتشر شد. توییتر قبلاً 8 دقیقه قبل از این توسعه با صدای جیر جیر از حساب "Topsteptrader" از این توسعه باد کرده بود.

صدای جیر جیر "Topsteptrader" توسط الگوریتم پیشرفته تجزیه و تحلیل بازار اجتماعی ، که سیگنال را از سر و صدا جدا می کند تا اطلاعات عملی را جدا کند ، معتبر بود. دقایقی بعد احساسات شروع به حرکت در جهت مثبت کرد. تا ساعت 16:12 CDT ، مشترکین SMA هشدارهای "S-Delta TM" را در مورد SCTY دریافت کردند. پیش بینی TM از SMA در ساعت 16:13 CDT مثبت شد و در ساعت 16:18 ، هنگامی که اولین مقاله خبری منتشر شد ، احساسات قبلاً به سطح بسیار مثبتی رسیده بود ، با حجم صدای جیر جیر زیاد شد. همانطور که قیمت سهام بود. معامله گرانی که احساسات رسانه های اجتماعی را از SMA در مدل های تجاری خود گنجانیده بودند ، از منحنی جلوتر بودند و سودهای خود را به دست آوردند ، زیرا بقیه بازار فقط یادگیری این خبر بودند.

متریک S-Delta نیز این حرکت را پرچم گذاری کرد. نمودار زیر مقادیر دلتا را برای SCTY نشان می دهد. Delta نشان دهنده تغییر در نمره S بیش از 15 دقیقه است. مقادیر دلتا از 2 یا بالاتر از مسافت های بسیار زیاد است. زنگ هشدار SMA بر اساس Delta یا S-Score می تواند هشدار به این خبر شکستن را فراهم کند.

برای اطلاع از این که چگونه می توانید از عوامل SMA S در فرآیند سرمایه گذاری خود استفاده کنید با ما در info@socialmarketanalytics. com تماس بگیرید

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 0 جو گیتس https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/06/sma-Logo. svg Joe Gits 2016-06-22 13:35:37 2016-06-22 13:35:37 این دو تصرف در یک هفته است!

احساسات توییتر و دوره های طولانی تر

سیگنال های به دست آمده از داده های توییتر به طور معمول به عنوان سیگنال های کوتاه مدت مشاهده می شوند. چندین دلیل برای این وجود دارد. یکی از دلایل عدم وجود داده های نمونه برای بازگشت به سیستم های معاملات آزمایشی است. در SMA اکنون تقریباً چهار سال و نیم معیارهای احساساتی برای استفاده در ایجاد سیگنال های بلند مدت داریم. بلند مدت یک اصطلاح ذهنی هنگام بحث در مورد دوره های برگزاری است. برای اهداف ما به دنبال سیگنال های معاملاتی خواهیم بود که میانگین دوره برگزاری یک ماه تا سه ماه را تولید می کند.

در SMA ما اعتقاد نداریم که یک متریک لحن و زمینه کامل مکالمه توییتر را ارائه می دهد. به همین دلیل است که ما خانواده ای از معیارهای تماس با S را منتشر می کنیم که نمای غنی تر از گفتگو را نسبت به آنچه با یک متریک واحد در دسترس است ارائه می دهد.

با تاریخ ما توانسته ایم به معیارهای بلند مدت و تغییرات در قیمت های امنیتی در دوره های طولانی تر نگاه کنیم. ما به تغییرات منفی سریع در احساسات نگاه کردیم و مشخص کردیم که این حرکات احساساتی بیش از حد واکنش نشان داده و منجر به فرصت های خرید می شود. ما دو معیار جدید را معرفی می کنیم: سرعت و شتاب. جهان برای این تست های پشتی از 20 توییتر بزرگ به دنبال سهام مایع به کل جهان سهام است. همانطور که در زیر مشاهده می کنید ، این استراتژی ها فرصت های خرید جامد را شناسایی کرده و سود متوسط سالم برای هر سهم ایجاد می کنند. لطفاً برای کسب اطلاعات بیشتر در مورد استفاده از احساسات برای تولید سیگنال های معاملات طولانی مدت با داده های احساسات ، با SMA تماس بگیرید.

در زیر منحنی های سهام و آمار تجارت خالص کمیسیون ها با جهان های مختلف وجود دارد. به طور کلی شما معاملات بسیار کمتری ایجاد می کنید و آنها را برای مدت زمان طولانی تر نگه می دارید. نمودار 50 روزه S از معیارهای SMA S ، سرعت و شتاب استفاده می کند. می بینید که دوره های برگزاری بسیار طولانی تر از سیگنال هایی است که معمولاً توسط رسانه های اجتماعی ایجاد می شود. ستون ها اندازه های مختلف جهان را نشان می دهند.

بازده S-Scores 200 روز در زیر آمده است. باز هم ، برای اطلاعات بیشتر با SMA تماس بگیرید.

برای کسب اطلاعات بیشتر با ما تماس بگیرید: contactus@socialmarketanalytics. com

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 0 جو گیتس https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/06/sma-logo. svg جو گیتس 2016-04-20 16:20:46 2016-04-20 16:20:46 احساسات توییتر و دوره های طولانی تر

استفاده از تجزیه و تحلیل احساسات بزرگ به دونالد ترامپ

در تجزیه و تحلیل بازار اجتماعی ما در احساسات برای بازارهای سرمایه تخصص داریم. با این حال ، فناوری ما می تواند در بسیاری از زمینه های احساسات قابل استفاده باشد. همانطور که ما توانایی های خود را برای بررسی مباحث دیگر گسترش می دهیم ، فکر کردم جالب است که شیلنگ آتش را به جهان کامل توییتر باز کنیم و احساسات را در مورد گفتگوی فعلی در مورد نامزدها و مسائل ضبط کنیم - پسر این است! با بحث و گفتگوهای آینده و گروه های آیووا ، چیزهای خوبی را در چشم انداز سیاسی می گیریم.

دونالد ترامپ در حال پرش از این بحث ، واکنش شدیدی را به همراه دارد. احساسات برای ترامپ کاندیدای این نامزد در طی 24 ساعت گذشته به سرعت کاهش یافته است از زمان اعلام اینکه وی در این بحث و نزاع و نزاع مداوم وی با فاکس نیوز شرکت نمی کند.

نمودار زیر لحن واقعی مکالمه و تغییر احساسات را نشان می دهدطی 24 ساعت گذشته (4:00 بعد از ظهر مرکزی 1/27/2016)برای دونالد ترامپ که توسط موتور ما محاسبه شده است. خط کاهش زرد نشان دهنده احساسات در حال سقوط برای دونالد ترامپ است و خط قرمز نشان می دهد که مکالمه در طی 24 ساعت گذشته منفی است.

این داده های اولیه از توانایی گسترش ما برای بررسی موضوعات دیگر است ، من فکر کردم خوانندگان ما آن را جالب می دانند. برای کسب اطلاعات بیشتر در مورد قابلیت های ما ، لطفاً با تجزیه و تحلیل بازار اجتماعی در contactus@socialmarketanalytics. com تماس بگیرید.

به خاطر داشته باشید که این بیش از 24 ساعت گذشته است و قطعاً تغییر خواهد کرد تا با ما در ارتباط باشید.

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 0 جو گیتس https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/06/sma-logo. svg Joe Gits 2016-01-27 22:05:09 2016-01-27 22:05:09 اعمال تجزیه و تحلیل احساسات بزرگ برای دونالد ترامپ

تحقیقات طولانی/کوتاه در مورد سهام راسل 1000

مردم در مورد تداوم سیگنال های SMA Sentiment به مرور زمان سؤال می کنند. طول سیگنال وابسته به S-Factor مورد استفاده است. به عنوان مثال S- میانگین یک دوره 20 روزه نگاه را نشان می دهد و به طور کلی به عنوان سیگنال بلند مدت استفاده می شود. ما با استفاده از جهانی از راسل 1000 و S-Factors به یک استراتژی نظری نگاه کردیم: S-Score ، S-Volume و Price. این به عنوان پیشنهادی از یک استراتژی معاملاتی با استفاده از S-Factors به عنوان یک عامل واحد در یک مدل آلفا در نظر گرفته نشده است و این نشان دهنده ماندگاری سیگنال در طول زمان است.

ما در درجه اول به جای اینکه روزهای قبل نزدیک باشد ، به سیگنال قبل از باز شدن بازار نگاه می کردیم تا جدیدترین گفتگوی رسانه های اجتماعی را در معیارها بگنجانیم. اگر از روزهای قبل از نمره احساسات استفاده می کنید ، اطلاعات شبانه مانند اخبار ، بازارهای خارجی و نشانه های بازار را باز نمی کنید ...

جهان سهام در نظر گرفته شده نمایندگی راسل 1000 از تاریخ 06/26/2015 است. دوره تست پشتی 2011-12-01 تا 2015-11-12 است. هیچ هزینه معاملات/هزینه های تأثیرگذاری در این تجزیه و تحلیل وجود ندارد.

The simulation uses S-Score >3 / S-Score< -3 AND S-Volume >5 AND Price at Entry > $5. An S-Score >3 بدان معنی است که مکالمه فعلی از 99 ٪ مکالمات در طول دوره نگاه (20 روز) مثبت تر است. دلیل انتخاب آستانه 3 برای S-Score ، تا حدودی انگیزه دارد. در مورد نتایج تحقیق ارائه شده توسط Markit با استفاده از عوامل SMA S (برای تحقیق با ما تماس بگیرید). دوره نگه داشتن موقعیت برای بسته شدن (+2) ، (یعنی نزدیک 2 روز کاری از هم اکنون) باز است. سیگنال های S-Factors مورد استفاده در 09:10 AM (ET) انتخاب شدند.

The results of Open to Close (+2) Strategy using |S-Score|> 3 & S-Volume > 5 & Entry Price >سیگنال 5 دلار در ساعت 09:10 صبح زیر است. برای آزمایش استحکام یک سیگنال با آستانه قوی ، تصمیم گرفتیم که این موقعیت را به مدت 3 روز نگه داریم (خرید در هنگام باز کردن سیگنال نیازهای فیلتر و فروش آن در 2 روز کاری نزدیک). اگر سهام در 2 روز متوالی ظاهر شود ، بدون در نظر گرفتن موقعیتی که به دلیل سیگنال قبلی برگزار می شود ، معاملات به صورت انزوا انجام می شود. کوتاه مثبت و کوتاه از معیار OneK بهتر است. گسترش زیادی بین نتایج مثبت و معیار مشهود است.

در شبیه سازی ما ، نمونه کارها مثبت S 23 bps در روز در مقابل معیار 9 bps در روز برمی گردد. نمونه کارها طولانی/کوتاه 28 bps را در مقابل 9 bps در روز برای معیار باز می گرداند. مطمئناً دلیل قابل توجهی برای تجزیه و تحلیل بیشتر در افزودن سیگنال های احساسات به نمونه کارها شما.

این نتایج نشان می دهد که افزودن فیلترهای حجم S و قیمت ، در رابطه با نمره S ، عملکرد بازده مثبت قابل توجهی را به همراه دارد.

لطفاً برای جزئیات بیشتر و سایر تست های پشتی یا برای کشف چگونگی استفاده از معیارهای احساساتی در محیط شما با ما تماس بگیرید.

https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/sma-logo. svg 0 0 جو گیتس https://www. socialmarketanalytics. com/wp-content/uploads/2018/06/06/06/sma-logo. svg جو گیتس 2015-12-08 19:50:50 2015-12-08 19:50:50 تحقیقات طولانی/کوتاه در مورد سهام راسل 1000

رسانه های اجتماعی ایده های معاملاتی ایجاد کردند

رسانه های اجتماعی منبع جدید و غنی از ایده های تجارت است. برای نشان دادن این نکته ، در زیر برخی از فرصت های تجاری اخیر داده های رسانه های اجتماعی ارائه شده است. در هر مورد فعالیت و احساسات قبل از رویداد واقعی افزایش می یابد. رسانه های اجتماعی شاخص اصلی عملکرد سهام است و SMA رهبر ارائه معیارهای مبتنی بر رسانه های اجتماعی است.

تووا آلرژن را بدست می آورد

صنایع دارویی Teva در تاریخ 27 ژوئیه 2015 در تجارت قبل از بازار با اخبار مبنی بر اینکه این شرکت تجارت داروهای عمومی Allergan (AGN) را به دست می آورد ، افزایش یافت. قبل از این اتفاق ، احساسات در توییتر قبلاً به شدت مثبت شده بود. ساعت 4 صبح EDT ، هنگامی که قیمت سهام 66. 00 دلار بود ، در توییتر احساسات مثبت قابل توجهی وجود داشت. احساسات به سرعت مثبت تغییر کرد. تا ساعت 7:24 دقیقه بعد از ظهر ، سهام با 72. 30 دلار معامله شد. هنگامی که احساسات 3. 92 و با قیمت 72 دلار بسته شد ، سهام با قیمت 67. 80 دلار افتتاح شد.

شکل 1: S-Score ™ برای Teva قبل و پس از اعلام.

از نظر تاریخی ، نمرات احساسات روزانه برای TEVA در نزدیکی 0 (خنثی) نوسان می کند ، با فعالیت رسانه های اجتماعی کم ، همانطور که توسط سری زمانی متریک S-Volume نشان داده شده است. این رفتار در تاریخ 26 ژوئیه با افزایش چشمگیر در حجم توییت و سطح احساسات شروع به تغییر کرد. صبح روز 27 ژوئیه ، S-Score Teva ™ به شدت به سطح بالایی افزایش یافت ، همزمان با سنبله در S-Volume ™ سازگار با فعالیت رسانه های اجتماعی بالا ، نشان می دهد که فناوری پردازش SMA با موفقیت ، امضای احساسات مثبت را تشخیص داده استبرای TEVA در جریان داده های توییتر تعبیه شده است. این سطح احساساتی مثبت مثبت در تاریخ 28 ژوئیه از طریق باز همچنان ادامه داشت و سپس شروع به بازگشت به سطوح تاریخی معمولی کرد زیرا بازارها و رسانه های اجتماعی به طور کامل تأثیر این اعلامیه را ادغام کردند.

اعلامیه شایعه کسب: توییتر (TWTR)

در 14 ژوئیه 2015 ساعت 11:39 AM EDT ، شایعه ای در توییتر درباره به دست آوردن توییتر توسط بلومبرگ آغاز شد. در ساعت 11:40 صبح ، یک صدای جیر جیر از کاربر "BeCkyheiu" وجود داشت که نشان می دهد بلومبرگ 31 میلیارد دلار برای خرید توییتر پیشنهاد کرده است و توییتر در حال بررسی این پیشنهاد است. این شایعه باعث شد قیمت سهام به سرعت افزایش یابد. صدای جیر جیر ، حدود 30 ثانیه بعد ، ساعت 11. 41 صبح ، توسط "Zerosum24" تأیید کرد که این شایعه به توییتر رسیده است و مردم شروع به صحبت در مورد آن کرده اند. احساسات تا این زمان به سرعت شروع شده بود. تغییرات در S-Score TM و S-Delta TM به طور قابل توجهی مثبت بود. در ساعت 11:42 صبح ، احساسات بیش از 2 بود و از نظر آماری معنی دار بود.

خیلی زود متوجه شد که این ممکن است یک فریب باشد و هیچ پیشنهادی ارائه نشده است. در ساعت 11:42 صبح ، "Turboresearch" اعتبار پیشنهاد خرید را زیر سوال برد.

هیچ بیانیه رسمی از بلومبرگ وجود نداشته است ، و از این رو ، هر دو احساسات و قیمت سهام در حال افزایش است. حوالی ساعت 11:50 صبح ، یک روزنامه نگار از بلومبرگ توئیت کرد که این خبر فریب خورده است و این باور نیست. در این مرحله با شروع توییت منفی ، احساسات کاهش یافت. قیمت سهام به سرعت کاهش یافت. پس از آن ، اظهارات منفی عمدتاً ناشی از شایعه رد شده بود. ارقام زیر فاکتورهای احساسات SMA را نشان می دهد که قیمت سهام را به طور دقیق منتهی می کند.

شکل 2: TWTR S-Score TM در مقابل قیمت

شکل 3: نمودار Intraday S-Volume ™ برای TWTR

اعلامیه درآمد آمازون (AMZN)

احساسات توییتر می تواند تغییرات سهام را حتی پس از نزدیک شدن بازار ، مانند مورد آمازون پیش بینی کند. آمازون درآمد را در 23 ژوئیه 2015 گزارش داد. در حالی که اجماع بازار این بود که این شرکت انتظارات را شکست نمی دهد ، گفتگو در رسانه های اجتماعی متفاوت بود.

داده های SMA در حدود ساعت 2:49 بعد از ظهر EDT افزایش شدید در معیارهای احساسات را نشان داد. تا ساعت 2:51 بعد از ظهر ، احساسات در آمازون دو انحراف استاندارد بالاتر از سطح معمولی آن بود. سهام در این مرحله با 480. 45 دلار معامله شد. در نزدیکی بازار ، آن را با 482. 18 دلار معامله کرد ، بالاتر از قیمت در زمانی که احساسات در آمازون مثبت شد.

جالب بود که ببینیم سهام پس از ساعت پس از گزارش شرکت ، چگونه پس از ساعت معامله شد. سهام آمازون بیش از 17 ٪ - به 568 دلار - از قیمت آن در ساعت 3:51 بعد از ظهر EDT پس از این که این شرکت سود سه ماهه غافلگیرکننده را گزارش داد ، به دست آورد. ارزش احساسات پنهان در داده های توییتر پیش بینی کرد که چه دلالان "متعارف" بازار پیش بینی نشده اند.

شکل 4: رفتارهای Intraday S-Score ™ و S-Volume در رویداد درآمد آمازون.

پیشرفت معیارهای Intraday S-Score ™ و S-Volume برای آمازون از ساعت 1:00 EDT تا 4:25 PM EDT نشان داده شده است. احساسات آمازون در طول روز مثبت ماند و حدود ساعت 2:50 بعد از ظهر قابل توجه بود. این احساسات پس از نزدیک شدن بازار ، اعلامیه ای شدید از اعلامیه درآمدها را مشاهده کرد.

ما تحقیق و تحلیل خودمان را منتشر می کنیم. ما از شما دعوت می کنیم سایت تحقیق ما را برای به روزرسانی ها و نشریات جدید بررسی کنید.