بررسی تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده با استفاده از داده های بزرگ

این مطالعه به بررسی تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده با استفاده از داده های بزرگ می پردازد. این مطالعه با استفاده از شاخص احساسات روزانه اخبار (DNSI) و Google Trends در مورد جستجوهای مربوط به کرونوویروس ، همبستگی بین احساسات COVID-19 و 11 شاخص بخش انتخابی از بازار سهام متحد (ایالات متحده) را در دوره 21 ژانویه بررسی می کند. 2020 تا 20 مه 2020. در حالی که تحقیقات گسترده ای در مورد تجزیه و تحلیل احساسات برای پیش بینی حرکت بازار سهام استفاده از داده های توییتر ، از داده های DNSI یا Google Trends استفاده نمی کند. علاوه بر این ، این مطالعه بررسی می کند که آیا تغییرات در DNSI پیش بینی می کند صنعت ایالات متحده با برآورد مدل رگرسیون سری زمانی با بازده بیش از حد صنعت به عنوان متغیر وابسته ، متفاوت است. بازده اضافی از مدل سه عامل Fama-French به دست می آید. نتایج این مطالعه یک دیدگاه جامع از تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده توسط صنعت ارائه می دهد و علاوه بر این ، برنامه ریزی سرمایه گذاری استراتژیک را با توجه به دیدگاه های تاخیر زمانی با تجسم تغییرات در سطح همبستگی با تفاوت های تاخیر زمان نشان می دهد.

1. معرفی

همه گیر Covid-19 یکی از همه چیز پرهزینه ترین در تاریخ اخیر است. به نظر می رسد بیماری همه گیر Covid-19 در سال 2003 و ابولا از سال 2014 تا 2016 اساساً با بیماری همه گیرهای گذشته مانند SARS و ابولا متفاوت است. Coronavirus به دلیل ادغام بین المللی نزدیکتر و امکان انتقال از طریق شرکتهای مخابراتی بدون علائم ، انتقال جهانی بسیار سریعتر را هدایت می کند. از آنجا که شیوع Covid-19 به سرعت در سراسر جهان گسترش می یابد ، بسیاری از افراد نسبت به اخبار حساس تر می شوند و بیشتر اوقات جستجوی گوگل را برای Coronavirus انجام می دهند. اخبار و همچنین جستجوهای گوگل برای Coronavirus نقش مهمی در ماندن افراد در مورد وضعیت فعلی این بحران دارند و بر سرمایه گذاران تأثیر می گذارد تا در بازار سهام تصمیم بگیرند. به همین ترتیب ، اخبار و جستجوهای گوگل برای Coronavirus ممکن است تأثیر در احساسات بازار سهام و قیمت دارایی داشته باشد. انتظار می رود که همه گیر COVID-19 راه های جدیدی برای مدیریت دارایی و اولویت را برای تصمیم گیری در مورد سرمایه گذاری کوتاه مدت Agile مجبور کند مگر اینکه پایان یابد.

به طور گسترده ای پذیرفته شده است که سرمایه گذاران بازار سهام برای تصمیم گیری آگاهانه به داده های با کیفیت بالا نیاز دارند. به ویژه، در زمان بحران بازار، سرمایه گذاران برای به دست آوردن داده های به موقع و دقیق به فناوری نیاز دارند. با استفاده از داده‌های با کیفیت بالا، سرمایه‌گذاران می‌توانند تجزیه و تحلیل و تصمیم‌گیری سریع در فرآیند مدیریت دارایی انجام دهند و سپس به سرعت نسبت به شرایط نوسان بازار واکنش نشان دهند. هر گونه احساسات مثبت یا منفی مردم در رابطه با بحران بورس می تواند تاثیر موجی بر تصمیم گیری سرمایه گذاران در بازارهای سهام داشته باشد. ترکیبی از اطلاعات موجود در بازارهای سهام و کلان داده‌های بی‌درنگ از منابع غیرسنتی مانند داده‌های احساسات خبری یا داده‌های Google Trends می‌تواند درک سرمایه‌گذاران از تأثیر ناهمگن شوک کووید-19 و توانایی آنها برای ایجاد پاسخ‌های کافی را بیشتر افزایش دهد. داده‌های بزرگ بلادرنگ همچنین می‌تواند به غلبه بر محدودیت‌های موجود در داده‌های رسمی کمک کند، مانند کیفیت پایین، پوشش محدود، یا تأخیرهای گزارش‌دهی که در برخی موارد می‌تواند قابل توجه باشد.

برای حفظ مزیت رقابتی در دوره‌های بحران بازار، سرمایه‌گذاران بازار سهام نه تنها باید ماهیت بحران بازار مانند زمان‌بندی، قدرت و تغییرپذیری را درک کنند، بلکه به یک تصمیم سرمایه‌گذاری استراتژیک نیز نیاز دارند که بتواند بازدهی مثبت را محقق کند یا زیان ناشی از شوک را به حداقل برساند.. هنگامی که یک شوک به طور قابل ملاحظه ای بر بازارهای سهام تأثیر می گذارد، سرمایه گذاران داده های چند ماه گذشته را تجزیه و تحلیل می کنند تا درس های بالقوه بحران بازار را بیابند و شاخصی را برای پاسخ سریع تر و هوشمندانه تر به نوسانات بازار ایجاد کنند. در این صورت سرمایه گذاران می توانند بهتر از پرتفوی خود در برابر شوک های بازار محافظت کنند که چنین شوکی دوباره رخ دهد. تعدادی از مطالعات قبلی از تجزیه و تحلیل احساسات برای پیش بینی حرکت بازار سهام با استفاده از داده های بزرگ مانند داده های توییتر یا سایر داده های رسانه های اجتماعی استفاده می کنند [1،2،3،4،5،6،7،8،9،10،11،12،13،14،15،16،17،18،19،20،21].

این تحقیق با هدف بررسی تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده توسط صنعت با استفاده از داده های بزرگ انجام شده است. اگرچه شیوع COVID-19 تقریباً بر همه صنایع و بخش ها در سراسر جهان تأثیر می گذارد ، اما بدیهی است که هزینه های مصرف کننده در بخش هایی مانند اوقات فراغت و مهمان نوازی به دلیل پناهگاه در محل و سایر اقدامات فاصله های اجتماعی در سراسر کشور به طرز چشمگیری کاهش می یابد. به همین ترتیب ، انتظار می رود که میزان تأثیر احساسات COVID-19 توسط صنعت متفاوت باشد. بنابراین ، ما در مورد همبستگی احساسات COVID-19 با 11 شاخص بخش انتخابی بازار سهام ایالات متحده بررسی می کنیم. احساسات COVID-19 با استفاده از شاخص احساسات روزانه (DNSI) و Google Trends داده های بزرگ در مورد جستجوهای مرتبط با Coronavirus اندازه گیری می شود. DNSI یک معیار فرکانس بالای احساسات اقتصادی است که بر اساس تجزیه و تحلیل واژگان مقالات خبری مرتبط با اقتصاد از 16 روزنامه اصلی ایالات متحده است. به طور خاص ، این مطالعه به بررسی DNSI و Google برای پنج اصطلاح مربوط به Coronavirus و اقتصاد در ایالات متحده و همچنین در سراسر جهان در طول دوره از 21 ژانویه 2020 تا 20 مه 2020 می پردازد. پنج اصطلاح مربوط به Coronavirus و اقتصاد شامل "Coronavirus" ، "Coronavirus" ،"خاموش" ، "بیکاری" ، "رکود اقتصادی" و "واکسن". سپس این مطالعه به بررسی اهمیت رابطه بین احساسات COVID-19 و 11 شاخص انتخابی بخش سهام ایالات متحده برای ارائه دیدگاه جامع از تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده توسط صنعت و علاوه بر این پیشنهاد سرمایه گذاری استراتژیک می پردازد. برنامه ریزی با در نظر گرفتن دیدگاه های تاخیر زمانی با تجسم تغییرات در سطح همبستگی توسط اختلافات تاخیر زمانی. علاوه بر این ، این مطالعه بررسی می کند که آیا تغییرات در DNSI پیش بینی می کند صنعت ایالات متحده با برآورد مدل رگرسیون سری زمانی با بازده بیش از حد صنعت به عنوان متغیر وابسته ، بازده متفاوتی را بازگرداند. بازده اضافی از مدل سه عامل Fama-French به دست می آید.

این مطالعه در صدر تحقیقات در مورد رابطه بین احساسات COVID-19 و بازار سهام ایالات متحده قرار دارد. از آنجا که تأیید شده است که همه گیر Covid-19 در ژانویه سال 2020 به ایالات متحده رسیده است ، تحقیقات کمی در مورد تأثیر COVID-19 در بازار سهام ایالات متحده انجام شده است. در حالی که تحقیقات گسترده ای در مورد تجزیه و تحلیل احساسات برای پیش بینی حرکت در بازار سهام استفاده از داده های توییتر ، از داده های DNSI یا Google Trends استفاده نمی کند. به بهترین دانش ما ، این مطالعه اولین کسی است که از داده های DNSI یا Google Trends برای کشف تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده توسط صنعت استفاده می کند.

بقیه این مقاله به شرح زیر سازماندهی شده است. بخش 2 مطالعات قبلی در مورد تجزیه و تحلیل احساسات برای بازار سهام را شرح می دهد. بخش 3 داده ها و روش شناسی را برای تجزیه و تحلیل ما ارائه می دهد. نتایج تجربی در بخش 4 ارائه و تفسیر شده است. اظهارات نتیجه گیری در بخش 5 ارائه شده است.

2. مطالعات مرتبط

تجزیه و تحلیل احساسات در بسیاری از برنامه ها از جمله توصیه های محصول ، مراقبت های بهداشتی ، سیاست و نظارت بسیار مورد استفاده قرار گرفته است [22]. احساسات مردم که مربوط به احساسات ، نگرش ها ، احساسات و عقاید بیان شده در تعداد زیادی از داده های رسانه های اجتماعی است ، نقش اساسی در سنجش نظرات سرمایه گذاران دارد [13]. Tetlock [19] به طور سیستماتیک با استفاده از محتوای روزانه از ستون وال استریت ژورنال از سال 1984 تا 1999 ، تعامل بین محتوای رسانه و فعالیت بورس را مورد بررسی قرار داد. آنها نشان دادند که محتوای رسانه های خبری حرکات مربوط به قیمت بازار و حجم معاملات را پیش بینی می کند. گارسیا [8] با ارائه پشتیبانی بیشتر از شواهد [19] Tetlock [8] نشان داد که پیش بینی بازده سهام با استفاده از محتوای اخبار در رکود اقتصادی متمرکز است. آنها از کسری از کلمات مثبت و منفی در دو ستون اخبار مالی از نیویورک تایمز به عنوان نماینده ای برای احساسات عمومی استفاده کردند.

علاوه بر مطالعات با استفاده از مطالب رسانه های خبری روزنامه های محبوب ، تعدادی از مطالعات از داده های رسانه های اجتماعی برای تجزیه و تحلیل احساسات برای پیش بینی حرکت بازار سهام استفاده کرده اند. شناخته شده ترین مطالعه در این زمینه توسط بولن و همکاران است.[3]آنها با استفاده از داده های توییتر ، بررسی کردند که آیا حالات جمعی خلق و خوی عمومی با شاخص صنعتی داو جونز ارتباط دارد یا خیر. آنها برای پیش بینی خود از یک شبکه عصبی فازی استفاده کردند و همبستگی معنی داری بین حالتهای خلق و خوی عمومی در توییتر و شاخص صنعتی داو جونز نشان دادند. پس از این مطالعه ، میتال و گیل [13] عمدتاً از پرسشنامه حالتهای خلق و خوی (POMS) برای گرفتن خلق و خوی عمومی استفاده می کردند و روند متوسط صنعتی داو جونز را از طریق شبکه عصبی فازی پیش بینی می کردند. نتایج آنها میزان دقت پیش بینی 87 ٪ را نشان داد. ژانگ [18] همبستگی بین قیمت سهام و کلمات کلیدی قابل توجهی را در توییت بررسی کرد. آنها همبستگی منفی شدیدی بین حالتهای خلق و خو مانند امید ، ترس و نگرانی در توییت با شاخص متوسط داو جونز نشان دادند. لیما و همکاران.[12] با در نظر گرفتن یک ویژگی کلی احساسات عمومی ، در مورد صحت پیش بینی روند سهام با استفاده از دستگاه بردار پشتیبانی (SVM) بهبود یافته است. آنها نشان دادند که روزی که تعداد توییت های مثبت از تعداد توییت های منفی فراتر رفته است ، نشانگر روحیه عمومی عمومی در مورد سهام است. با استفاده از داده های توییت پاگولو و همکاران.[15] همچنین ارتباط شدیدی بین افکار عمومی و شاخص صنعتی داو جونز نشان داد. Kordonis و همکاران.[10] از معیارهای ساده مانند نرخ تغییر در افتتاح و بسته شدن قیمت ها به همراه نمرات احساسات استفاده کرد. آنها از یک مدل SVM برای پیش بینی حرکت بازار سهام استفاده کردند و تأثیر قابل توجهی از تغییرات احساسات عمومی بر قیمت بازار پیدا کردند. Bharathi و Geetha [2] نقاط Sensex از بازار سهام هند و سندیکای بسیار ساده (RSS) را برای پیش بینی موثر بازار سهام تغذیه کردند. نتایج آنها نشان داد که تجزیه و تحلیل احساسات از فیدهای خبری RSS تأثیر بر ارزش بازار سهام دارد. Pasupulety و همکاران.[16] تجزیه و تحلیل احساسات را برای ارزیابی اثربخشی در نظر گرفتن افکار عمومی یک شرکت به کار گرفت. آنها از یک مدل Word2VEC آموزش دیده و پست های اختصاصی شرکت هش از توییتر به عنوان مثبت یا منفی استفاده کردند. مدل گروه آنها بهتر از مدل های تشکیل دهنده و بستگی به ماهیت و اندازه آموزش دارد.

3. داده ها و روش شناسی

3. 1داده ها و آمار خلاصه

این مطالعه با استفاده از 11 شاخص بخش انتخابی ارائه شده توسط S& P Global طی دوره 21 ژانویه 2020 تا 20 مه 2020 (داده های فهرست در https://us. spindices.com/index-finder/) در دسترس است. دوره نمونه همزمان با افزایش پوشش خبری COVID-19 و جستجوی Google برای اصطلاحات مربوط به Coronavirus است. داده های بزرگ مورد استفاده در این مطالعه شامل شاخص احساسات روزانه خبری (DNSI) و داده های Google Trends در جستجوی Coronavirus است. DNSI یک معیار فرکانس بالا از احساسات اقتصادی است که بر اساس تجزیه و تحلیل واژگان مقالات خبری مرتبط با اقتصاد از 16 روزنامه اصلی ایالات متحده ساخته شده توسط سرویس جمع آوری خبر Lexisnexis است. به باکمن و همکاران مراجعه کنید.[23] و شاپیرو و همکاران.[24] برای فرآیند دقیق ساخت DNSI. DNSI به گونه ای توسعه یافته است که مقادیر بالاتر شاخص نشانگر احساسات مثبت تر باشد. DNSI به نظر می رسد با رویدادهای اصلی تاریخی که تأثیر قابل توجهی در نتایج اقتصادی و بازارهای مالی دارد ، مانند شروع جنگ نخستین خلیج فارس در آگوست 1990 ، بحران مالی روسیه در اوت 1999 ، حملات تروریستی 11 سپتامبر حرکت می کند.، 2001 ، ورشکستگی برادران لمان در سپتامبر 2008 و خاموش کردن دولت فدرال در اکتبر 2013.

با استفاده از Google Trends Big Data ، ما ابتدا اصطلاحات را جستجو می کنیم که مربوط به Coronavirus است و از آن شرایط ، پنج اصطلاح را انتخاب می کنیم که بیشتر مربوط به اقتصاد هستند. سپس اطلاعاتی را در مورد فرکانس نسبی جستجوهای گوگل برای پنج اصطلاح مربوط به Coronavirus و اقتصاد در ایالات متحده و همچنین در سراسر جهان به دست می آوریم: "Coronavirus" ، "خاموش" ، "بیکاری" ، "رکود اقتصادی" و "واکسن". کلمات در Google Trends. به این معنا ، این اصطلاحات جستجو باعث جلب علاقه عمومی مردم به کرونوویروس و همچنین تأثیر احتمالی آن بر اقتصاد می شود. صفحه A از جدول 1 توزیع نمونه 11 شاخص بخش انتخابی از جمله خدمات ارتباطی ، اختیاری مصرف کننده ، مواد اصلی مصرف کننده ، انرژی ، مالی ، مراقبت های بهداشتی ، صنعتی ، فناوری اطلاعات ، مواد ، املاک و مستغلات و برنامه های کاربردی را نشان می دهد. توزیع نمونه DNSI در صفحه B جدول 1 نشان داده شده است. جدول 1 همچنین آمار نمونه را به مدت چهار ماه قبل از دوره نمونه (زمان No Covid-19 از 21 سپتامبر 2019 تا 20 ژانویه 2020) گزارش می کند تا آنها را مقایسه کندبا کسانی که در دوره نمونه هستند (زمان Covid-19).

همانطور که انتظار می رود ، آمار توصیفی شاخص های بخش در جدول 1 نشان می دهد که میانگین ارزش شاخص S& P 500 و همچنین شاخص های انتخابی بخش به جز برای مراقبت های بهداشتی و فناوری اطلاعات کاهش یافته است زیرا Coronavirus شروع به گسترش به ایالات متحده کرده است. جالب است بدانید که شاخص های بخش مراقبت های بهداشتی و فناوری اطلاعات در زمان COVID-19 افزایش یافته است. بدیهی است که هزینه های مصرف کننده در برخی از بخش ها به دلیل اقدامات فاصله اجتماعی در سراسر کشور به طرز چشمگیری کاهش یافته است. در مقابل ، هزینه های مصرف کننده در فناوری اطلاعات به همین دلیل بیشتر افزایش یافته است. علاوه بر این ، به نظر می رسد که ارزش سهام مربوط به مراقبت های بهداشتی افزایش یافته است زیرا توسعه واکسن ها و درمان های کروناویروس فوراً مورد نیاز است. تمام شاخص های بخش افزایش چشمگیر در نوسانات را نشان می دهد ، که نشان می دهد هر بخش در بورس اوراق بهادار ایالات متحده به دلیل ظهور کرونوویروس در معرض تغییر بیشتر بوده است. آمار توصیفی DNSI در صفحه B جدول 1 کاهش میانگین ارزش و افزایش نوسانات با ظهور کرونوویروس را نشان می دهد. این نتیجه حاکی از آن است که Coronavirus باعث کاهش شدید احساسات خبری شده است. به این معنا ، DNSI در دوره نمونه نشانگر احساسات Coronavirus مردم است [23].

شکل 1 فرکانس نسبی جستجوهای گوگل را برای پنج اصطلاح مربوط به کرونوویروس و اقتصاد در طی دوره 21 ژانویه 2020 تا 20 مه 2020 نشان می دهد. فرکانس نسبی ما و در سراسر جهان گوگل برای پنج اصطلاح افزایش یافته است که افزایش شدید داردمارس و توزیع های مشابه. فرکانس های نسبی گوگل در جستجوی "Coronavirus" ، "خاموش" و "رکود اقتصادی" در ماه مه کاهش یافته است در حالی که مواردی که برای "بیکاری" و "واکسن" کاهش یافته اند.

3. 2روش شناسی

این مطالعه یک آزمون T یک طرفه را برای بررسی اهمیت رابطه بین احساسات COVID-19 و بازار سهام ایالات متحده توسط صنعت انجام می دهد. باکمن و همکاران.[23] نشان داد كه مقالات خبری كه در مورد Coronavirus یا Covid-19 در حدود 20 ژانویه 2020 آغاز شد و سپس به سرعت افزایش یافت تا تا اواخر ماه مارس به 95 ٪ حیرت انگیز از مقالات خبری مرتبط با اقتصاد برسد. این رقم به وضوح نشان می دهد که کاهش DNSI تا اواسط ماه مارس همزمان با افزایش پوشش COVID-19 است. به این ترتیب DNSI می تواند برای ارزیابی احساسات COVID-19 مانند جستجوی Google برای اصطلاحات مربوط به Coronavirus و اقتصاد در طول نمونه استفاده شود.

پیوندهای بین احساسات COVID-19 و جنبه بازار سهام توسط صنعت بررسی شده است تا مشخص شود که چگونه اثرات خلق و خوی عمومی بر روی کرونوویروس با صنعت متفاوت است. برای این کار ، ما فرضیه های زیر را برای داده های DNSI (H 1 D) و Google Trends Data (H 1 G) ایجاد می کنیم.

ساعت 1 د: وقتی مردم به اخبار مثبت (منفی) اقتصادی روبرو می شوند ، سرمایه گذاران بیشتر (کمتر) در بازار سهام ایالات متحده سرمایه گذاری می کنند.

ساعت 1 گرم: هنگامی که افراد به طور مکرر شرایط مربوط به کرونوویروس را جستجو می کنند ، سرمایه گذاران کمتر (بیشتر) احتمالاً در بازار سهام ایالات متحده سرمایه گذاری می کنند.

یا هنگامی که فرکانس جستجوهای گوگل برای کرونوویروس افزایش می یابد (کاهش می یابد) ، بازار سهام ایالات متحده تمایل به کاهش (افزایش) دارد.

با استفاده از همبستگی بین DNSI و 11 شاخص های بخش انتخاب (ρ) ، فرضیه های تهی و جایگزین زیر برای آزمایش فرضیه H 1 d بررسی شده است.

در مقابل ، با استفاده از همبستگی بین داده های Google Trends و 11 شاخص های بخش انتخاب ، فرضیه های تهی و جایگزین زیر برای آزمایش فرضیه H 1 G بررسی شده است.

این مطالعه آزمایش را با استفاده از مقادیر داده های بزرگ با تاخیر 0 ، تاخیر 1 ، تاخیر 2 و تاخیر 3 تکرار می کند تا بررسی کند که آیا اثرات احساسات COVID-19 با یک اختلاف زمانی رخ می دهد یا خیر. این تجزیه و تحلیل اضافی به یک ویژگی مجزا می پردازد که می تواند از یک تصمیم سرمایه گذاری استراتژیک حساس به زمان بهره مند شود.

ما همچنین بررسی می کنیم که آیا تغییرات در DNSI بازده صنعت ایالات متحده را متفاوت پیش بینی می کند یا خیر. برای این کار، مدل رگرسیون سری زمانی را با بازده مازاد صنعت به عنوان متغیر وابسته تخمین می زنیم که توسط گارسیا [8] و بانیگیدادمث [25] برانگیخته شده است. ما بازده اضافی صنعت را با استفاده از مدل سه عاملی فاما-فرنچ تولید می کنیم (سه عامل فاما-فرنچ از کتابخانه داده آنلاین کنت فرنچ، http://mba. tuck. dartmouth. edu/pages/faculty/ken به دست آمده است. French/data_library.html.) [26] و همبستگی سریال و نوسانات بازده را با تخمین مدل زیر کنترل کنید:

که در آن Rt بازده اضافی برای 11 شاخص بخش انتخابی است و Δ D N S I نشان دهنده تغییرات در DNSI است. ضریب β i اثر افزایش Δ D N S I را بر افزایش Rt مشخص می کند و ε t خطا است. یک روش نیوی وست [27] با 12 تاخیر برای تصحیح خطاهای استاندارد برای همبستگی خودکار و ناهمسانی استفاده می شود.

4. نتایج تجربی

4. 1. اهمیت DNSI در بازار سهام ایالات متحده بر اساس صنعت

در جدول 2 نتایج آزمون برای DNSI و 11 شاخص های بخش انتخاب با همبستگی و آمار T برای LAG 0 ، LAG1 ، LAG2 و LAG 3 DNSI توسط صنعت نشان داده شده است. نتایج آزمون در جدول 2 نشان می دهد که DNSI بدون در نظر گرفتن تاخیر زمانی ، با کلیه شاخص های بخش انتخاب در سطح 1 ٪ قابل توجه مرتبط است. همبستگی مثبت نشان می دهد که سرمایه گذاران بیشتر (کمتر) در هنگام دستیابی به اخبار مثبت (منفی) اقتصادی ، در بورس سهام ایالات متحده سرمایه گذاری می کنند. شاخص بخش مالی بالاترین همبستگی بیش از 0. 95 را نشان می دهد ، و شاخص های بخش انتخاب انرژی و صنعتی همبستگی بالایی بیش از 0. 9 با تاخیر 0 ، LAG1 ، LAG2 و LAG 3 DNSI دارند. این نتایج حاکی از آن است که سرمایه گذاران سهام ایالات متحده در بخش های مالی ، انرژی و صنعتی نسبت به اخبار اقتصادی روزانه حساس تر هستند. از طرف دیگر ، شاخص بخش انتخاب مراقبت های بهداشتی کمترین همبستگی زیر 0. 6 را صرف نظر از تاخیر زمانی DNSI نشان می دهد. شاخص های بخش اختیاری و فن آوری اطلاعاتی با توجه به این که خدمات ارتباطی ، اصلی مصرف کننده ، مواد ، املاک و مستغلات و شاخص های بخش انتخاب ابزار همبستگی در حدود 0. 8 با DNSI نشان می دهد. شکل 2 تغییرات در سطح رابطه بین DNSI و شاخص های بخش را با میانگین مقادیر همبستگی با اختلاف تاخیر زمان نشان می دهد. جالب است از شکل 2 توجه داشته باشید که سطح اهمیت همبستگی با افزایش زمان DNSI برای بیشتر شاخص های بخش انتخابی به جز بخش های مالی ، املاک و مستغلات و ابزار کاهش می یابد ، دلالت بر این که به نظر می رسد احساسات COVID-19 تأثیر فوری داردسرمایه گذاری روز

4. 2اهمیت جستجوی گوگل مرتبط با Covi-19 در بازار سهام ایالات متحده توسط صنعت

جدول A1 ، جدول A2 ، جدول A3 ، جدول A4 و جدول A5 در ضمیمه A نتایج تست نمایش با فرکانس های نسبی جستجوهای گوگل برای پنج اصطلاح مربوط به کرونوویروس و اقتصاد برای 11 شاخص بخش انتخاب. جداول گزارش همبستگی و آمار T برای LAG 0 ، LAG1 ، LAG2 و 3 فرکانس نسبی جستجوهای Google توسط صنعت. شکل 3 تغییراتی در میزان همبستگی منفی بین جستجوی گوگل ایالات متحده برای پنج اصطلاح و شاخص های بخش را با میانگین مقادیر همبستگی با اختلاف تأخیر نشان می دهد.

نتایج تست در جدول A1 ، جدول A2 ، جدول A3 ، جدول A4 و جدول A5 نشان می دهد که جستجوهای Google ایالات متحده و در سراسر جهان برای پنج اصطلاح به طور قابل توجهی با تمام شاخص های بخش انتخابی در سطح 1 ٪ قابل توجه صرف نظر از تاخیر در زمان به استثنای مراقبت های بهداشتی مرتبط هستند. فهرست مطالب. نتایج آزمون برای ما (در سراسر جهان) LAG 2 (LAG 1) جستجوهای گوگل از "بیکاری" رابطه معنی داری با شاخص بخش انتخاب مراقبت های بهداشتی در سطح اهمیت 5 ٪ نشان می دهد ، اما مشخصات مراقبت های بهداشتی با ما رابطه معنی داری ندارد(در سراسر جهان) LAG 3 (LAG 2 و LAG 3) جستجوهای Google. همبستگی منفی نشان می دهد که سرمایه گذاران کمتر (بیشتر) در هنگام جستجوی شرایط مربوط به کرونوروس (کمتر) به طور مکرر ، در بورس سهام ایالات متحده سرمایه گذاری می کنند.

اهمیت رابطه بین جستجوهای گوگل "Coronavirus" و 11 شاخص بخش انتخاب در جدول A1 نشان داده شده است. سطح همبستگی منفی بین جستجوهای گوگل "Coronavirus" و 11 شاخص بخش انتخابی از 0. 65 تا 0. 95 متغیر است ، که بالاترین دامنه همبستگی بین جستجوی گوگل پنج اصطلاح مورد نظر در این مقاله است. خدمات ارتباطی ، اختیاری مصرف کننده و بخش های فناوری اطلاعات سطح بالایی از همبستگی را نشان می دهد در حالی که بخش های مالی و ابزار سطح پایین همبستگی با "Coronavirus" Google را در طول زمان تاخیر نشان می دهد. طرح "Coronavirus" در شکل 3 نشان می دهد که در حالی که بیشتر شاخص های بخش انتخابی رابطه پایدار را در طول زمان تاخیر نشان می دهند ، فناوری اطلاعات و مراقبت های بهداشتی (املاک و مستغلات و ابزار) در رابطه با تاخیر کاهش می یابد (افزایش می یابد)این که فرکانس جستجوهای گوگل "Coronavirus" در یک روز تأثیر بیشتری بر سرمایه گذاری در فناوری اطلاعات و بخش های مراقبت های بهداشتی در همان روز نسبت به چند روز بعد دارد.

اهمیت رابطه بین جستجوهای گوگل در مورد "اخراج" و 11 شاخص بخش انتخابی در جدول A2 نشان داده شده است. سطح همبستگی منفی بین جستجوهای «از کار افتاده» گوگل و 11 شاخص بخش انتخابی از 0. 45 تا 0. 90 متغیر است. خدمات ارتباطی و بخش‌های اختیاری مصرف‌کننده سطح بالایی از همبستگی را نشان می‌دهند در حالی که بخش‌های مالی و خدماتی سطح پایینی از همبستگی را با جستجوهای «از کار افتاده» Google در طول وقفه‌های زمانی نشان می‌دهند. نمودار "اخراج" در شکل 3 نشان می دهد که سطح معنی داری همبستگی با افزایش زمان تاخیر برای همه شاخص های بخش انتخابی کاهش می یابد. به ویژه، بخش مراقبت‌های بهداشتی کاهش قابل‌توجهی را در تاخیر 3 تجربه می‌کند. این نتایج نشان می‌دهد که میزان علاقه مردم به "اخراج" در یک روز تأثیر بیشتری بر سرمایه‌گذاری در بیشتر بخش‌ها در همان روز نسبت به چند روز بعد دارد.

اهمیت رابطه بین جستجوهای گوگل در مورد "بیکاری" و 11 شاخص بخش منتخب در جدول A3 نشان داده شده است. سطح همبستگی منفی بین جستجوهای گوگل "بیکاری" و 11 شاخص بخش منتخب از 0. 30 تا 0. 80 متغیر است. بخش‌های مالی و صنعتی سطح بالایی از همبستگی را نشان می‌دهند در حالی که بخش‌های مراقبت‌های بهداشتی و فناوری اطلاعات سطح پایینی از همبستگی را با جستجوهای «بیکاری» گوگل در طول وقفه‌های زمانی نشان می‌دهند. نکته جالب توجه از پانل A و B در جدول A3 این است که بین شاخص مراقبت های بهداشتی و جستجوهای گوگل با تاخیر 3 (تأخیر 2 و تاخیر 3) ایالات متحده (در سراسر جهان) رابطه معنی داری وجود ندارد. مانند مورد جستجوهای «اخراج شده» در Google، نمودار «بیکاری» در شکل 3 نشان می‌دهد که سطح معنی‌داری همبستگی با افزایش زمان تاخیر برای همه شاخص‌های بخش انتخابی کاهش می‌یابد و ترتیب سطح اهمیت برای 11 صنعت به طور کلی حفظ می‌شود. تاخیر زمانیاین نتایج نشان می‌دهد که سطح نگرانی مردم در مورد «بیکاری» در یک روز تأثیر بیشتری بر سرمایه‌گذاری در بیشتر بخش‌ها در همان روز نسبت به چند روز بعد دارد.

اهمیت رابطه بین جستجوهای گوگل "رکود اقتصادی" و 11 شاخص بخش انتخاب در جدول A4 نشان داده شده است. سطح همبستگی منفی بین "رکود اقتصادی" جستجوهای Google و 11 شاخص بخش انتخابی از 0. 45 تا 0. 85 متغیر است. بخش های اختیاری ، مراقبت های بهداشتی و فناوری اطلاعات ، سطح بالایی از همبستگی را نشان می دهد در حالی که بخش های مالی و ابزار همبستگی با "رکود اقتصادی" Google در طول زمان تاخیر نشان می دهد. طرح "رکود اقتصادی" در شکل 3 نشان می دهد که با افزایش تاخیر زمان برای بیشتر شاخص های بخش انتخاب ، سطح قابل توجهی از همبستگی افزایش می یابد. به ویژه ، مراقبت های بهداشتی ، عناصر مصرف کننده ، املاک و مستغلات و بخش های ابزار افزایش قابل توجه را در تاخیر تجربه می کنند. این نتایج نشان می دهد که فراوانی جستجوی گوگل "رکود" در یک روز تأثیر بیشتری در سرمایه گذاری در بیشتر بخش ها چند روز دیرتر از آن دارددر همان روز. به عبارت دیگر ، میزان نگرانی مردم در "رکود اقتصادی" تأثیر تأخیر در بازار سهام را نشان می دهد و نه تأثیر فوری.

اهمیت رابطه بین جستجوی گوگل "واکسن" و 11 شاخص بخش انتخاب در جدول A5 نشان داده شده است. سطح همبستگی منفی بین "واکسن" جستجوهای Google و 11 شاخص بخش انتخاب از 0. 60 تا 0. 90 است. بخش های انرژی ، مالی و صنعتی سطح بالایی از همبستگی را نشان می دهند در حالی که بخش های مراقبت های بهداشتی و فناوری اطلاعات سطح کم همبستگی با "واکسن" جستجوهای گوگل را در طول زمان تاخیر نشان می دهد. طرح "واکسن" در شکل 3 نشان می دهد که با افزایش تاخیر زمان برای بیشتر شاخص های بخش انتخاب ، سطح اهمیت همبستگی افزایش می یابد. به ویژه ، بخش های مراقبت های بهداشتی و املاک و مستغلات افزایش قابل توجهی را در تاخیر تجربه می کنند. این نتیجه حاکی از آن است که فراوانی جستجوی گوگل "واکسن" در یک روز تأثیر بیشتری در سرمایه گذاری در بخش های مراقبت های بهداشتی و املاک و مستغلات چند روز دیرتر از آن داردهمان روز. مانند مورد "رکود اقتصادی" در جستجوی گوگل ، سطح علاقه مردم به "واکسن" تأثیر تأخیر در بازار سهام را نشان می دهد و نه تأثیر فوری.

4. 3نتایج حاصل از مدل های رگرسیون سری زمانی

نتایج حاصل از مدل رگرسیون سری زمانی با تغییر در DNSI به عنوان پیش بینی کننده در جدول 3 گزارش شده است. جدول 3 ضرایب تخمین زده شده و مقادیر P را برای LAG 0 ، LAG1 ، LAG2 و 3 تغییر در DNSI از مدل رگرسیون سری زمانی گزارش می دهد (3)آخرین ستون ضریب تعیین (R 2). ما می دانیم که تغییرات LAG 0 و LAG 1 در DNSI به طور مثبت بازده انرژی و مالی را پیش بینی می کند در حالی که تاخیر 0 و 3 تغییر در DNSI به طور مثبت بازده برای صنعتی را در سطح اهمیت 5 ٪ پیش بینی می کند. مشخص شده است که صنعت خدمات مصرف کننده دارای ضریب مثبت تغییرات LAG 0 در DNSI است. با این حال ، هیچ مدرکی مبنی بر پیش بینی برای صنایع دیگر وجود ندارد.

4. 4بحث

با بررسی پیوندها بین 11 شاخص انتخابی بخش و احساسات COVID-19 اندازه گیری شده توسط DNSI و فرکانس نسبی جستجوهای گوگل از پنج اصطلاح مربوط به Coronavirus و اقتصاد ، این مطالعه یک نمای کلی از تأثیر اولیه احساسات COVID-19 بر ما ارائه می دهد. بازار سهام و چگونگی تفاوت آن با صنعت. بر اساس نتایج آزمایش تجربی تجزیه و تحلیل همبستگی ، 11 صنایع برای هر اندازه گیری از احساسات COVID-19 به سه گروه طبقه بندی می شوند تا تأثیر احساسات COVID-19 را در بازار سهام ایالات متحده تشخیص دهند. جدول 4 طبقه بندی صنعت از نتایج تجربی برای هر اندازه گیری از احساسات COVID-19 را خلاصه می کند.

در بین 11 صنایع ، خدمات ارتباطی ، اختیاری مصرف کننده ، صنعتی ، انرژی و بخش های مادی در گروه همبستگی سطح بالا یا در حالی قرار دارد که بخش ابزار در گروه همبستگی سطح متوسط یا پایین گنجانده شده است. به ویژه ، بخش های مالی ، فناوری اطلاعات و مراقبت های بهداشتی در هر سه گروه گنجانده شده است ، در حالی که بخش های املاک و مستغلات و مصرف کننده فقط در گروه همبستگی سطح متوسط گنجانده شده است. نتایج در جدول 4 اثرات متمایز احساسات COVID-19 را در صنایع مختلف نشان می دهد و تجزیه و تحلیل مقایسه احساسات COVID-19 با اختلاف تاخیر در زمان ، تأثیر قابل توجه آن را در صنایع مختلف نشان می دهد. علاوه بر این ، نتایج حاصل از مدل رگرسیون سری زمانی نشان می دهد که احساسات COVID-19 اندازه گیری شده توسط DNSI بازده صنعت را از جمله خدمات ارتباطی ، انرژی ، مالی و صنعتی پیش بینی می کند. در مقابل ، هیچ مدرکی مبنی بر پیش بینی برای سایر بازده های صنعت وجود ندارد ، که دلالت بر تفاوت در پیش بینی بازگشت صنعت با احساسات COVID-19 در بین 11 صنایع دارد. شهود اقتصادی تحت این نتایج این است که انتشار اطلاعات در صنایع متفاوت است و منجر به پیش بینی مختلف بازده در صنایع می شود [28،29].

اطلاعات حاصل از نتایج تجربی برای سرمایه گذاران استراتژیک محتاطانه است زیرا علایق اصلی آنها در شناسایی صنعت است که از نزدیک با احساسات COVID-19 مرتبط است یا به ندرت با آن مرتبط است. این ممکن است به مدیران صندوق کمک کند تا با معاملات سهام خود در صنایعی که به طور قابل توجهی نسبت به احساسات COVID-19 یا مواردی که نیستند ، در معرض خطر پرتفوی خود قرار دهند. این همچنین پیامدهای ارزشمندی را برای سرمایه گذاران بازار سهام ایالات متحده در زمان COVID-19 ارائه می دهد.

5. نتیجه گیری ها

کاوش در حرکت بازار سهام بسیاری از محققان را در رشته های مختلف از جمله امور مالی ، اقتصاد ، علوم کامپیوتر ، آمار و تحقیقات عملیات به خود جلب کرده است. اخیراً ، بسیاری از محققان نشان داده اند که اطلاعات آنلاین به دست آمده از حوزه عمومی مانند اخبار اخبار رسانه های اصلی و بحث در مورد رسانه های اجتماعی مانند توییت می تواند تأثیر قابل توجهی در تصمیم گیری توسط سرمایه گذاران بورس داشته باشد. به ویژه ، در زمان بحران بازار ، هرگونه احساسات مثبت یا منفی عمومی مربوط به بحران بازار سهام می تواند تأثیر گسترده ای در تصمیم گیری توسط سرمایه گذاران در بورس سهام داشته باشد.

در حالی که همه گیر COVID-19 به پایان نرسیده است ، این مطالعه به بررسی تأثیر اولیه احساسات COVID-19 بر بازار سهام ایالات متحده با استفاده از DNSI و Google Trends داده های بزرگ در مورد جستجوهای مربوط به کروناویروس می پردازد. این مطالعه با بررسی همبستگی بین احساسات COVID-19 و 11 شاخص بخش انتخابی و همچنین پیش بینی بازده صنعت توسط احساسات COVID-19 ، یک دیدگاه جامع از تأثیر اولیه احساسات COVID-19 بر روی بازار سهام ایالات متحده ارائه می دهد. نتایج تجربی اثرات متمایز احساسات COVID-19 را در صنایع مختلف نشان می دهد: خدمات ارتباطی ، اختیاری مصرف کننده ، صنعتی ، انرژی و مادی در گروه همبستگی سطح بالا یا طبقه بندی طبقه بندی می شوند در حالی که بخش ابزار در وسط طبقه بندی می شودیا گروه همبستگی سطح پایین. بخش های مالی ، فناوری اطلاعات و مراقبت های بهداشتی در هر سه گروه طبقه بندی می شوند ، در حالی که بخش های املاک و مستغلات و مصرف کننده فقط در گروه همبستگی سطح متوسط قرار دارند. آنها همچنین برنامه ریزی سرمایه گذاری استراتژیک را با توجه به دیدگاه های تاخیر در زمان با تجسم تغییرات در سطح همبستگی با تفاوت های تاخیر زمانی پیشنهاد می کنند. علاوه بر این ، نتایج حاصل از مدل رگرسیون سری زمانی ، نشان دهنده پیش بینی بازده صنعت توسط DSNI برای خدمات ارتباطی ، انرژی ، مالی و صنعتی است.

برای حفظ مزیت رقابتی در زمان همه گیر COVID-19 ، سرمایه گذاران بورس سهام نه تنها نیاز به درک ماهیت بحران بازار ناشی از شوک ناگهانی دارند ، بلکه یک تصمیم سرمایه گذاری استراتژیک است که می تواند بازده مثبت را تحقق بخشد یا ضرر را به دلیل ضرر به حداقل برساندشوکه شدن. هنگامی که بورس سهام از یک شوک ناگهانی و بی سابقه مانند همه گیر Covid-19 رنج می برد ، تجزیه و تحلیل احساسات با استفاده از داده های بزرگ رسانه های اجتماعی به ویژه منبع عالی اطلاعات است و می تواند بینش هایی را که استراتژی های سرمایه گذاری را تعیین می کند ، در اختیار سرمایه گذاران قرار دهد. از آنجا که همه گیر Covid-19 در حال انجام است و هنوز هم نمی توان پیش بینی تأثیر آن در سراسر جهان را پیش بینی کرد ، این مطالعه محدودیت های بالقوه ای دارد. این ممکن است برای نتیجه گیری جامع در مورد تأثیر احساسات COVD-19 در بازار سهام ایالات متحده در این مقاله کافی نباشد ، اما زمان آن رسیده است که وضعیت فعلی را تشخیص داده و به جستجوی راه حلی برای تغییرات مختلف در بازارهای سهام ناشی از COVID بپردازیم-19 همه گیر. در حالی که همه گیر Covid-19 در حال انجام است ، این مطالعه در صدر تحقیقات در مورد این موضوع قرار دارد. با استفاده از داده های به روز شده برای همه گیر و سهام COVID-19 ، تحقیقات آینده را می توان با تجزیه و تحلیل آنچه که همه گیر Covid-19 در بازارهای جهانی سهام و با توسعه استراتژی های جدید سرمایه گذاری برای مدیران دارایی در زمان COVID-19 غنی شده است.