کمیت الگوهای استفاده ویکی پدیا قبل از حرکت بازار سهام

بحران های مالی ناشی از ترکیبی فاجعه بار از اقدامات است. مجموعه داده های گسترده بازار سهام پنجره ای را برای برخی از اقدامات منجر به این بحران ها به ما ارائه می دهد. در اینجا ، ما بررسی می کنیم که آیا داده های تولید شده از طریق استفاده از اینترنت حاوی اثری از تلاش برای جمع آوری اطلاعات قبل از تصمیمات تجاری است. ما شواهدی را مطابق با این پیشنهاد جالب ارائه می دهیم که داده های مربوط به تغییر در صفحات ویکی پدیا که اغلب در رابطه با مالی مشاهده می شود ، ممکن است حاوی علائم اولیه حرکات بازار سهام باشد. نتایج ما نشان می دهد که داده های آنلاین ممکن است به ما اجازه دهد تا بینش جدیدی در مورد مراحل جمع آوری اطلاعات اولیه تصمیم گیری کسب کنیم.

معرفی

رفتار پیچیده جامعه ما ناشی از تصمیماتی است که توسط بسیاری از افراد اتخاذ می شود. در برخی از ترکیبات ، این تصمیمات بی شماری می تواند منجر به فاجعه ناگهانی شود ، همانطور که در هنگام بلایای جمعیت و بحران های مالی نشان داده شده است. داده های بازار سهام سوابق بسیار مفصلی از تصمیماتی را که معامله گران اتخاذ کرده اند ، در منطقه ای که فاجعه تأثیر گسترده ای دارد ، ارائه می دهد. در نتیجه ، این سوابق بورس سهام توجه علمی قابل توجهی 1،2،3،4،5،6،6،8،9،10،11،12،13،14 داشته است.

با این حال ، تصمیم گیری بشر فقط شامل اجرای نهایی یک اقدام انتخاب شده ، مانند تجارت ثبت شده در بورس اوراق بهادار نیست. درعوض ، در محدودیت منابع موجود ، ما اغلب با جمع آوری اطلاعات شروع می کنیم تا به ما کمک کنیم تا شناسایی کنیم که عواقب اقدامات ممکن ممکن است 15 باشد.

با گسترده شدن تأمین اینترنت ، منابع آنلاین به اولین بندر تماس در بسیاری از تلاشها برای اطلاعات جدید تبدیل شده اند. به عنوان یک قاعده ، ارائه دهندگان چنین منابع آنلاین داده های گسترده ای را در مورد استفاده از آنها جمع می کنند و به طیف وسیعی از اندازه گیری های جدید در مقیاس بزرگ رفتار جمعی انسانی 16،17،18،19،20،21 اضافه می کنند. به این ترتیب ، همه گیر بودن اینترنت در زندگی روزمره نه تنها شیوه جمع آوری اطلاعات را برای تصمیم گیری تغییر داده است ، بلکه راه های جدیدی را برای دانشمندان باز کرده است تا مراحل جمع آوری اطلاعات اولیه را برای مراحل جمع آوری اطلاعات انجام دهند.

مطالعات قبلی نشان داده اند که تجزیه و تحلیل داده های جستجو می تواند بینشی از رفتار فعلی یا حتی بعدی در دنیای واقعی ارائه دهد. به عنوان مثال ، تغییراتی در فرکانس که کاربران به دنبال شرایط خاصی در موتورهای جستجو مانند Google و Yahoo! با تغییر در تعداد گزارش های مربوط به عفونت های آنفولانزا در ایالات متحده 22 ، محبوبیت فیلم ها ، بازی ها و موسیقی در نسخه 23 آنها ، نرخ بیکاری 24،25 ، شماره توریستی 25 و حجم معاملات در بازارهای سهام ایالات متحده 26 همبستگی دارد. 27. یک مطالعه جدید نشان داد که کاربران اینترنت از کشورهایی که سرانه تولید ناخالص داخلی (تولید ناخالص داخلی) بالاتری دارند ، در مقایسه با کاربران اینترنت از کشورهایی که دارای تولید ناخالص داخلی سرانه پایین تر هستند ، اطلاعات متناسب بیشتری در مورد آینده را نسبت به گذشته جستجو می کنند.

در کارهایی که بیشتر با مطالعه ارائه شده در اینجا مرتبط است ، Preis ، Moat و Stanley تجزیه و تحلیل داده های تاریخی را بیان می کنند که نشان می دهد تغییر در حجم جستجو برای شرایط جستجوی مالی مرتبط با حرکات بازار سهام 29 مرتبط است. یک مطالعه دیگر داده های توییتر را مورد تجزیه و تحلیل قرار داده و احساسات معامله گران را به جای فرآیندهای جمع آوری اطلاعات آنها در نظر گرفته است ، و نشان می دهد که تغییر در آرامش پیام های توییتر می تواند با تغییر در قیمت بورس 30 مرتبط باشد.

در این مطالعه ، ما بررسی می کنیم که آیا داده های مربوط به استفاده از دائر ycl المعارف آنلاین ویکی پدیا 31،32،33،34 می تواند با تصمیمات بعدی اتخاذ شده در بازار سهام مرتبط باشد. به طور خاص ، آیا می توانیم شواهدی پیدا کنیم که تغییر در تعداد دیدگاه ها یا ویرایش ها به مقالات مربوط به شرکت ها و سایر مباحث مالی در ویکی پدیا ممکن است بینشی در مورد روند جمع آوری اطلاعات سرمایه گذاران ایجاد کند؟

نتایج

برای بررسی رابطه بین تغییرات در رفتار جمع آوری اطلاعات در مقیاس بزرگ در ویکی پدیا و تصمیمات تجاری شرکت کنندگان در بازار ، ما داده هایی را در مورد اینکه چند بار در ویکی پدیا زبان انگلیسی مشاهده شده است ، در نظر می گیریم و چند بار صفحات در ویکی پدیا زبان انگلیسی ویرایش می شود. ورودی های ویکی پدیا توسط هر کاربر اینترنتی قابل مشاهده و ویرایش است. داده های مربوط به صفحه ویکی پدیا از آمار سرویس آنلاین بارگیری شد. Grok. se و داده های ویرایش صفحه ویکی پدیا با تجزیه صفحه ویکی پدیا "تاریخ تجدید نظر" مرتبط با مقاله بدست آمد. ما داده های تولید شده بین 10 دسامبر 2007 را تجزیه و تحلیل می کنیم ، اولین تاریخی که داده های مشاهده ویکی پدیا از stats. grok. se و 30 آوریل 2012 در دسترس است.

ما دو اقدامات از فعالیت کاربر ویکی پدیا را محاسبه می کنیم: میانگین تعداد بازدید از صفحه و میانگین تعداد ویرایش های صفحه ای که برای یک صفحه ویکی پدیا معین در هفته T اتفاق افتاده است ، جایی که هفته ها را به عنوان پایان دادن به یکشنبه تعریف می کنیم. تمام نام صفحات ویکی پدیا مورد استفاده و جزئیات بیشتر در مورد پیش پردازش داده ها در اطلاعات تکمیلی ارائه شده است. برای تعیین کمیت تغییرات در رفتار جمع آوری اطلاعات ، ما یک اندازه گیری از فعالیت کاربر ویکی پدیا n (t) ، یا مشاهده صفحه یا صفحه ویرایش صفحه را انتخاب می کنیم و تفاوت بین صفحه نمایش یا حجم ویرایش صفحه را برای هفته t ، با میانگین صفحه یا محاسبه می کنیمحجم ویرایش صفحه برای هفته های قبلی Δ T: Δ N (t ، Δ t) = n (t) - n (t - 1 ، Δ t) با n (t - 1 ، Δ t) = (n (t - 1) + n (t - 2) +… + n (t - Δ t))/Δ t ، جایی که t در واحدهای هفته اندازه گیری می شود.

We begin our comparison of changes in Wikipedia usage to subsequent stock market movements in this historic data by implementing a hypothetical investment strategy that uses data on either Wikipedia page views or Wikipedia page edits to trade on the Dow Jones Industrial Average (DJIA), following the approach introduced by Preis, Moat and Stanley 29 . In this hypothetical strategy, we sell the DJIA at the closing price p ( t + 1) on the first trading day of week t + 1 if the volume of views or edits has increased in week t such that Δ n ( t , Δ t )>0. ما سپس با خرید DJIA با قیمت P (T + 2) در پایان اولین روز معاملاتی هفته بعد T + 2 موقعیت را می بندیم. بدون اینکه ابتدا آنها را داشته باشید. اگر در عوض حجم نماها یا ویرایش ها کاهش یافته یا در هفته T یکسان باقی مانده است به گونه ای که Δ N (T ، Δ T) ≤ 0 ، پس DJIA را با قیمت بسته شدن P (T + 1) در اولین روز تجارت خریداری می کنیمهفته T + 1 و DJIA را با قیمت P (T + 2) در پایان اولین روز معاملاتی هفته آینده T + 2 بفروشید تا موقعیت را ببندید.

ما بازده تجمعی R از یک استراتژی را با در نظر گرفتن ورود طبیعی نسبت مقدار نمونه کارها نهایی به مقدار نمونه کارها اولیه محاسبه می کنیم. اگر یک موقعیت کوتاه را بدست آوریم - با قیمت بسته شدن P (T + 1) و خرید با قیمت P (T + 2) - تغییر در بازگشت تجمعی R برای یک استراتژی ، ورود به سیستم است (P (T + 1)) - ورود به سیستم (P (T + 2)). اگر موقعیتی طولانی داشته باشیم - با قیمت بسته شدن P (T + 1) و فروش با قیمت P (T + 2) - تغییر در بازده تجمعی R واردات است (P (T + 2)) - ورود به سیستم (ورود به سیستم) (P (T + 2))P (t + 1)). به این ترتیب ، اقدامات خرید و فروش دارای تأثیرات متقارن بر بازده تجمعی یک استراتژی است. علاوه بر این ، ما از هزینه معاملات غفلت می کنیم ، زیرا حداکثر تعداد معاملات در سال هنگام استفاده از این استراتژی فقط 104 است که یک بسته شدن و یک معامله افتتاحیه در هفته امکان پذیر است. توجه داشته باشیم که در صورت استفاده از این استراتژی فرضی در دنیای واقعی ، گنجاندن هزینه های معامله کاهش می یابد. با این حال ، این فرض عواقبی برای نتیجه گیری در مورد رابطه بین فعالیت کاربر در ویکی پدیا و حرکات در DJIA ندارد.

ما بازده از استراتژی های مبتنی بر داده های ویکی پدیا را با بازده از یک استراتژی تصادفی مقایسه می کنیم. در استراتژی تصادفی ، هر هفته تصمیمی برای خرید یا فروش DJIA گرفته می شود. این احتمال که DJIA به جای فروخته شده خریداری شود ، همیشه 50 ٪ است و تصمیم در هفته های گذشته تحت تأثیر تصمیمات قرار نمی گیرد. این استراتژی تصادفی منجر به سود و زیان قابل توجهی نمی شود. برای مقایسه آماری گزارش شده در بخش های بعدی ، ما از 10،000 تحقق مستقل از این استراتژی تصادفی برای دوره بین 10 دسامبر 2007 و 30 آوریل 2012 استفاده می کنیم. منفی (میانگین بازده = 0. 0002 ، V = 25012353 ، P = 0. 97 ، α = 0. 05 ، Wilcoxon یک نمونه ای از تست رتبه بندی تقارن توزیع بازده در حدود 0). ما برای بررسی این نکته از یک تست غیر پارامتری استفاده می کنیم ، زیرا توزیع بازده به طور قابل توجهی از توزیع عادی منحرف می شود (1717/0 = d ، p<0.001, α = 0.05, Kolmogorov-Smiov test). Similarly, the remainder of the analyses of retu distributions reported here also use non-parametric tests. Throughout the rest of the results, the cumulative retus R of all non-random strategies are stated in terms of standard deviations above or below the mean cumulative retu of the random strategy.

نمودارها و ویرایش مقالات ویکی پدیا در مورد شرکتهای ذکر شده در DJIA

شکل 1 توزیع بازده از دو پرتفوی 30 استراتژی فرضی را نشان می دهد ، که هفتگی با DJIA معامله می شود. این استراتژی های معاملاتی مبتنی بر تغییراتی است که در چند بار 30 صفحه ویکی پدیا توصیف شرکت های DJIA (آبی) و ویرایش (قرمز) در دوره دسامبر 2007 - آوریل 2012 ، با Δ T = 3 هفته مشاهده شد. توزیع بازده از 10،000 تحقق مستقل از یک استراتژی تصادفی نیز نشان داده شده است (خاکستری).

We find that there are significant differences between these three distributions (χ 2 = 10.21, df = 2, p = 0.006, α = 0.05; Kruskal-Wallis rank sum test). Our analysis shows that the retus of Wikipedia page view based strategies for this period are significantly higher than the retus of the random strategies (mean R = 0.50; W = 199690, p = 0.005, α = 0.05, two-tailed two-sample Wilcoxon rank-sum test, Bonferroni correction applied). There is however no statistically significant difference between the retus from the Wikipedia edit based strategies and the random strategies (mean R = −0.09; W = 140781, p>0. 9 ، α = 0. 05 ، آزمون رتبه دو نمونه ای Wilcoxon دو نمونه ، تصحیح Bonferroni اعمال شده است).

نمودارها و ویرایش مقالات ویکی پدیا در مورد موضوعات مالی

ما بررسی می کنیم که آیا این نتایج به مقالات ویکی پدیا در مورد مباحث مالی عمومی تر گسترش می یابد. برای پرداختن به این سؤال ، ما از این واقعیت استفاده می کنیم که ویکی پدیا شامل لیست صفحات مربوط به موضوعات خاص است. در اینجا ، ما مشاهده و ویرایش داده ها برای 285 صفحه مربوط به مفاهیم عمومی اقتصادی را بررسی می کنیم ، همانطور که در زیر بخش "مفاهیم عمومی اقتصادی" در صفحه ویکی پدیا زبان انگلیسی ذکر شده است.

شکل 2 نتایج حاصل از تجزیه و تحلیل توزیع بازده از دو پرتفوی 285 استراتژی فرضی را نشان می دهد ، که هفتگی با DJIA معامله می شود. این استراتژی ها مبتنی بر تغییرات در چند بار این 285 صفحه ویکی پدیا مرتبط با مالی (آبی) و ویرایش (قرمز) در مدت مشابه ، دوباره با Δ t = 3 هفته است. مانند گذشته ، می فهمیم که بین بازده های ایجاد شده توسط استراتژی های تصادفی ، استراتژی های مبتنی بر ویکی پدیا و استراتژی های مبتنی بر ویرایش ویکی پدیا تفاوت معنی داری وجود دارد (χ 2 = 307. 88 ، df = 2 ، p<0.001, α = 0.05; Kruskal-Wallis rank sum test). As before, the retus of Wikipedia page view based strategies are significantly higher than the retus of random strategies for this period (mean R = 1.10; W = 2286608, p <0.001, α = 0.05, two-tailed two-sample Wilcoxon rank-sum test, Bonferroni correction applied). Once again however, we find no evidence of a statistically significant difference between the retus from the Wikipedia edit based strategies and the random strategies (mean R = 0.12; W = 1516626, p = 0.19, α = 0.05, two-tailed two-sample Wilcoxon rank-sum test, Bonferroni correction applied).

عدم وجود رابطه برای داده های مربوط به ویرایش های ویکی پدیا ممکن است به سادگی نشان دهنده تفاوت قابل توجهی در حجم داده های موجود برای نمایش و ویرایش ها باشد ، با وجود تعداد بسیار بیشتری از صفحات در نظر گرفته شده در این تجزیه و تحلیل دوم. به عنوان مثال ، در کل دوره ، مقالات ویکی پدیا در مورد مباحث مالی به طور متوسط 1،351،796 بازدید هر یک داشت ، اما فقط 431 ویرایش. از این صفحات ، در مقایسه با 4832 ویرایش ، صفحه مشاهده شده دارای 14449. 973 بازدید بود. کمترین صفحه مشاهده شده 2،033 بازدید داشت ، در حالی که 43 از 285 صفحه مورد نظر به هیچ وجه ویرایش نداشتند. برای اهداف این مطالعه ، بنابراین داده های ویرایش را بیشتر در نظر نمی گیریم.

استراتژی در سالهای مختلف باز می گردد

مدت زمانی که ما در اینجا بررسی می کنیم شامل افت بزرگ DJIA در سال 2008 است. بنابراین ما بررسی می کنیم که بازده این استراتژی های تجاری برای هر سال فردی در دوره مطالعه ما چه بوده است. باز هم ، ما بازده استراتژی ها را بر اساس تغییر در دیدگاه های 285 صفحه ویکی پدیا مرتبط با مالی ، دوباره با Δ T = 3 هفته در نظر می گیریم. در شکل 3 ، توزیع بازده از استراتژی های معاملاتی برای هر یک از چهار سال که ما داده های مشاهده صفحه ویکی پدیا کامل (آبی) را در کنار بازده استراتژی های تصادفی برای آن سال (خاکستری) نشان داده ایم.

اثر Δ t

ما تأثیر تغییرات در Δ T در بازده استراتژی های معاملاتی را بررسی می کنیم. باز هم ، ما اوراق بهادار استراتژی های معاملاتی را بر اساس تغییر در دیدگاه های 285 صفحه ویکی پدیا مرتبط با مالی در نظر می گیریم. میانگین بازده از استراتژی های معاملاتی ، بیان شده در انحراف استاندارد بازده استراتژی تصادفی ، در شکل S1 (به اطلاعات تکمیلی مراجعه کنید) برای Δ T = 1 تا 10 هفته نشان داده شده است. ما می دانیم که میانگین بازده استراتژی ها برای مقادیر مختلف Δ T که آزمایش شده است متفاوت است (χ 2 = 93. 26 ، df = 9 ، p<0.001; Kruskal-Wallis rank sum test). However, the mean retu remains greater than 0 for all values of Δ t between 1 and 10 weeks (all W s>1950000 ، همه P S<0.001; all two-tailed two-sample Wilcoxon rank sum tests, using comparisons to the random strategy distribution for the whole period).

میانگین بازگشت DJIA به دنبال افزایش و کاهش دیدگاه های ویکی پدیا

برای تکمیل تجزیه و تحلیل استراتژی تجارت ، ما تجزیه و تحلیل دیگری از بازده هفتگی DJIA را به دنبال افزایش و کاهش دیدگاه مقالات ویکی پدیا در مورد مباحث مالی انجام می دهیم.

For each of the 285 Wikipedia articles on financial topics, we identify all weeks t within our study period in which the volume of page views increased in week t such that Δ n ( t , Δ t )>0 ، با استفاده از δ t = 3. در طی این مجموعه هفته ها ، میانگین بازده DJIA را در هفته T + 1 ، ورود به سیستم (P (t + 2)) محاسبه می کنیم - ورود به سیستم (P (T + 1)). به طور مشابه ، ما میانگین بازده DJIA را در هفته T + 1 برای مجموعه هفته هایی که در آن حجم نماهای صفحه در هفته T کاهش یافته است ، محاسبه می کنیم به گونه ای که Δ N (T ، Δ T)<0.

نمایش و ویرایش مقالات ویکی پدیا در مورد بازیگران و فیلمسازان

فرض ما تاکنون این بوده است که فقط داده های استفاده ویکی پدیا مربوط به صفحات دارای مفاهیم مالی ، بینشی در مورد فرآیندهای جمع آوری اطلاعات قبل از تصمیمات تجارت و بنابراین تغییرات آینده در DJIA ارائه می دهد. برای تأیید این فرض ، ما تجزیه و تحلیل بیشتری از داده های مشاهده مربوط به 233 صفحه ویکی پدیا را توصیف می کنیم که بازیگران و فیلمسازان را توصیف می کنند ، همانطور که در این دو زیر بخش "مقاله های برجسته" و "مقالات خوب" در صفحه ویکی پدیا زبان انگلیسی "ویکی پدیا: بازیگران ویکی پدیا ذکر شده است. و فیلمسازان ". ما پیشنهاد می کنیم که چنین صفحاتی دارای مفاهیم مالی کمتری باشند.

ما توزیع بازده برای یک نمونه کارها از 233 استراتژی معاملاتی فرضی را بر اساس تغییر در این صفحات مشاهده می کنیم ، که هفتگی با δ T = 3 هفته برای مدت مشابه در دوره های مشابه انجام می شود. ما اطمینان حاصل کردیم که این مجموعه از صفحات ، از اندازه مشابه با مجموعه صفحات مربوط به مباحث مالی ، حداقل در طول دوره تحقیق ، حداقل ترافیک معادل داشته است تا اطمینان حاصل شود که هرگونه عدم پیدا کردن رابطه به دلیل عدم وجود مشکلات ناشی از کمبود نبوده است. داده های مربوط به دیدگاه های ویکی پدیا. در کل دوره ، صفحات بازیگران و فیلمسازان به طور متوسط 5،440،304 بازدید هر کدام (در مقایسه با 1،351،796 برای صفحات مرتبط با مالی) ، که در آن کمترین صفحه محبوب 2،261 بازدید (در مقایسه با 2،033 بازدید برای حداقل صفحه مرتبط با محبوبیت در صفحه مالی دارای 2،261 بازدید بود.) و محبوب ترین صفحه 63،629،258 بازدید (در مقایسه با 14449. 973 بازدید برای محبوب ترین صفحه مرتبط با مالی).

در شکل 4 ، بازده این 233 استراتژی را بر اساس تغییر در تعداد دیدگاه های ویکی پدیا در مورد بازیگران و فیلمسازان (آبی) نشان می دهیم ، در کنار بازده استراتژی های تصادفی (خاکستری). ما می دانیم که بین بازده تولید شده توسط استراتژی های تصادفی و استراتژی های مبتنی بر نمای ویکی پدیا تفاوت معنی داری وجود ندارد (میانگین R = 0. 04 ؛ W = 1189114 ، P = 0. 59 ، α = 0. 05 ، دو نمونه دو نمونه ای از رتبه ویلککسون رتبه بندیتست).

Similarly, for each of the 233 Wikipedia articles on actors and filmmakers, we calculate the retu of the DJIA during week t + 1 for all weeks t where views of the article increased in comparison to views in the previous Δ t = 3 weeks such that Δ n ( t , Δ t )>0 و به طور جداگانه برای همه هفته ها در جایی که دیدگاه مقاله در مقایسه با دیدگاه ها در Δ t = 3 هفته کاهش یافته است به گونه ای که Δ n (t ، Δ t)<0. We find no significant difference in the mean retu of the DJIA during week t + 1 for these two sets of weeks ( W = 28186, p = 0.47, α = 0.05, two-tailed two-sample Wilcoxon rank-sum test).

به طور خلاصه ، نه یک تجزیه و تحلیل مبتنی بر استراتژی تجارت فرضی و نه تجزیه و تحلیل مکمل DJIA هفتگی ، هیچ مدرکی را پیدا نمی کند که تغییر در دیدگاه های مقالات ویکی پدیا مربوط به بازیگران و فیلمسازان با تغییرات آینده در DJIA ارتباط دارد.

بحث

به طور خلاصه ، نتایج ما مطابق با این فرضیه است که داده های استفاده تاریخی از ویکی پدیا دائره المعارف آنلاین بین دسامبر 2007 و آوریل 2012 ممکن است بینشی در مورد روندهای آینده در رفتار بازیگران بازار مالی فراهم کرده باشد. در تجزیه و تحلیل ما ، شواهدی از افزایش تعداد صفحه نمایش مقالات مربوط به شرکت ها یا سایر مباحث مالی قبل از سقوط بازار سهام پیدا می کنیم. با این حال ، ما هیچ گونه رابطه ای برای تغییر در تعداد هفتگی دیدگاه های مقالات ویکی پدیا در مورد موضوع بازیگران و فیلمسازان ، صفحاتی با مفاهیم مالی کمتر آشکار پیدا نمی کنیم.

ما یک توضیح بالقوه را مطابق با این نتایج پیشنهاد می کنیم. ما ابتدا پیشنهاد می کنیم که سوابق ویکی پدیا ممکن است اندازه گیری پروکسی از روند جمع آوری اطلاعات زیر مجموعه ای از سرمایه گذاران را برای دوره مورد بررسی ارائه دهد. ما بیشتر توجه می کنیم که مطالعات قبلی در اقتصاد رفتاری نشان داده است که انسان از دست دادن 35 است: یعنی آنها بیشتر نگران از دست دادن 5 پوند از آنچه در مورد از دست دادن فرصتی برای به دست آوردن 5 پوند هستند ، نگران هستند. با این منطق ، می توان ادعا كرد كه تصمیم معاملاتی بیشترین نتیجه برای معامله گر فروش سهام با قیمت پایین تر از آنچه قبلاً معتقد بودند ارزش آن را دارد ، می باشد. اگر فرض کنیم که سرمایه گذاران ممکن است مایل باشند قبل از تصمیم گیری که به نظر می رسد نتیجه بیشتری داشته باشد ، تلاش های بیشتری را در جمع آوری اطلاعات سرمایه گذاری کنند ، پس از آن این نتیجه می گیرد که افزایش در جمع آوری اطلاعات ، مطابق با نتایج ما ، کاهش قیمت بورس می شود. بشر

نتایج ما نشان می دهد که داده های استفاده از اینترنت ممکن است پنجره ای را در فرآیندهای جمع آوری اطلاعات ارائه دهد که پیش از اقدامات ضبط شده در مجموعه داده های رفتار دنیای واقعی است. با ترکیب این مجموعه داده های بزرگ ، ممکن است بتوانیم بینش جدیدی را در مراحل مختلف تصمیم گیری جمعی بدست آوریم.

منابع

• FEHR ، E. علوم رفتاری - اقتصاد بی حوصلگی. طبیعت 415 ، 269-2272 (2002). ArticleCasadSpubmedGoogle Scholar
• Lillo ، F. ، Farmer ، J. D. & Mantegna ، R. N. Econophysics - منحنی اصلی برای عملکرد تأثیر قیمت. طبیعت 421 ، 129-130 (2003). ArticleCasadSpubmedGoogle Scholar
• Gabaix ، X. ، Gopikrishnan ، P. ، Plerou ، V. & Stanley ، H. E. نظریه توزیع قدرت قانون در نوسانات بازار مالی. طبیعت 423 ، 267-270 (2003). ArticleCasadSpubmedGoogle Scholar
• Preis ، T. ، Kenett ، D. Y. ، Stanley ، H. E. ، Helbing ، D. & Ben-Jacob ، E. کمیت رفتار همبستگی سهام تحت استرس بازار. علمیRep 2 ، 752 (2012). ArticleadspubmedPubmed CentralGoogle Scholar
• Preis ، T. ، Schneider ، J. J. & Stanley ، H. E. فرآیندهای تعویض در بازارهای مالی. پروکناتلACADعلمیایالات متحده آمریکا 108 ، 7674-7678 (2011). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Podobnik ، B. ، Horvatic ، D. ، Petersen ، A. M. & Stanley ، H. E. همبستگی بین تغییر حجم و تغییر قیمت. پروکناتلACADعلمیایالات متحده آمریکا 106 ، 22079 22084 (2009). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Mantegna ، R. N. & Stanley ، H. E. رفتار مقیاس در پویایی یک شاخص اقتصادی. طبیعت 376 ، 46-49 (2002). Articleadsgoogle Scholar
• Farmer ، J. D. ، Patelli ، P. & Zovko ، I. I. قدرت پیش بینی اطلاعات صفر در بازارهای مالی. پروکناتلACADعلمیایالات متحده آمریکا 102 ، 2254 2259 (2005). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Feng ، L. ، Li ، B. ، Podobnik ، B. ، Preis ، T. & Stanley ، H. E. پیوند مدل های مبتنی بر عامل و مدل های تصادفی بازارهای مالی. پروکناتلACADعلمیایالات متحده آمریکا 109 ، 8388-8393 (2012). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Hommes ، C. H. مدل سازی حقایق تلطیف شده در امور مالی از طریق سیستم های تطبیقی ساده غیرخطی. پروکناتلACADعلمیایالات متحده 99 ، 7221-7228 (2002). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Lux ، T. & Marchesi ، M. Scaling and Certigyity در یک مدل چند عامل تصادفی از یک بازار مالی. طبیعت 397 ، 498-500 (1999). ArticleCasadsGoogle Scholar
• Soette ، D. & Von Der Becke ، S. Clactity Clouds مدل های دارای خطر مالی. طبیعت 471 ، 166 (2011). ArticleCasadSpubmedGoogle Scholar
• Johnson ، N. F. ، Jefferies ، P. & Hui ، P. M. پیچیدگی بازار مالی (آکسفورد دانشگاه مطبوعات ، آکسفورد ، 2003).
• Kenett ، D. Y. et al. تجزیه و تحلیل نیروی منسجم شاخص نشان می دهد که بازار ایالات متحده از سال 2002 مستعد سقوط سیستمیک شد. PLOS ONE 6 ، E19378 (2011). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Simon ، H. A. یک مدل رفتاری از انتخاب منطقی. فصلنامه اقتصاد 69 ، 99 118 (1955). Articlegoogle Scholar
• کینگ ، G. اطمینان از آینده غنی از داده های علوم اجتماعی. Science 331 ، 719-721 (2011). ArticleCasadSpubmedGoogle Scholar
• Vespignani ، A. پیش بینی رفتار سیستم های فنی و اجتماعی. Science 325 ، 425-428 (2009). ArticlemathscinetCasadspubmedGoogle Scholar
• Lazer ، D. et al. علوم اجتماعی محاسباتی. Science 323 ، 721-723 (2009). ArticleCaspubMedPubmed CentralGoogle Scholar
• نقره ، N. سیگنال و سر و صدا (گروه پنگوئن ، لندن ، 2012).
• Perc ، M. تکامل رایج ترین کلمات و عبارات انگلیسی در طول قرن. J. R. Soc. رابط 9 ، 3323-3328 (2012). ArticlePubmedPubmed CentralGoogle Scholar
• Petersen ، A. M. ، Tenenbaum ، J. N. ، Havlin ، S. ، Stanley ، H. E. & Perc ، M. زبانها در هنگام گسترش: مقیاس بندی آلومتری و نیاز کاهش به کلمات جدید. علمیRep 2 ، 943 (2012). ArticleadspubmedPubmed CentralGoogle Scholar
• گینزبرگ ، جی. و همکاران. تشخیص اپیدمی آنفلوانزا با استفاده از داده های پرس و جو موتور جستجو. طبیعت 457 ، 1012-1014 (2009). ArticleCasadSpubmedGoogle Scholar
• Goel ، S. ، Hofman ، J. M. ، Lahaie ، S. ، Peock ، D. M. ، Watts ، D. J. پیش بینی رفتار مصرف کننده با جستجوی وب. پروکناتلACADعلمیایالات متحده آمریکا 107 ، 17486-17490 (2010). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Askitas ، N. & Zimmerma ، K. F. Google اقتصاد سنج و پیش بینی بیکاری. فصلنامه اقتصاد کاربردی 55 ، 107-120 (2009). Articlegoogle Scholar
• Choi ، H. & Varian ، H. پیش بینی حال با Google Trends. رکورد اقتصادی 88 ، 2-9 (2012). Articlegoogle Scholar
• Preis ، T. ، Reith ، D. & Stanley ، H. E. پویایی پیچیده زندگی اقتصادی ما در مقیاس های مختلف: بینش از داده های پرس و جو موتور جستجو. فیلترانس. R. Soc. A 368 ، 5707-5719 (2010). ArticleadspubmedGoogle Scholar
• بوردینو ، I. و همکاران. نمایش داده های جستجوی وب می تواند حجم بازار سهام را پیش بینی کند. PLOS ONE 7 ، E40014 (2012). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Preis ، T. ، Moat ، H. S. ، Stanley ، H. E. & Bishop ، S. R. کمیت مزیت نگاه به جلو. علمیRep 2 ، 350 (2012). ArticleadspubmedPubmed CentralGoogle Scholar
• Preis ، T. ، Moat ، H. S. & Stanley ، H. E. کمیت رفتار تجارت در بازارهای مالی با استفاده از روندهای Google. علمیRep 3 ، 1684 (2013). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Bollen ، J. ، Mao ، H. & Zeng ، X. Twitter Mood بازار سهام را پیش بینی می کند. مجله علوم محاسباتی 2 ، 1-8 (2011). Articlegoogle Scholar
• Capocci ، A. et al. دلبستگی ترجیحی در رشد شبکه های اجتماعی: دائر ycl المعارف اینترنتی ویکی پدیا. فیزیکRev. E 74 ، 036116 (2006). ArticleCasadsGoogle Scholar
• Muchnik ، L. ، Itzhack ، R. ، Solomon ، S. & Louzoun ، Y. خودآگاهی از درختان دانش: استخراج سلسله مراتب ویکی پدیا. فیزیکRev. E 76 ، 016106 (2007). Articleadsgoogle Scholar
• Yasseri ، T. ، Koai ، A. & Kertész ، J. یک رویکرد عملی به پیچیدگی زبان: یک مطالعه موردی ویکی پدیا. PLOS ONE 7 ، E48386 (2012). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Yasseri ، T. ، Sumi ، R. & Kertész ، J. الگوهای شبانه روزی فعالیت تحریریه ویکی پدیا: تجزیه و تحلیل جمعیتی. PLOS ONE 7 ، E30091 (2012). ArticleCasadSpubmedPubmed CentralGoogle Scholar
• Tversky ، A. & Kahneman ، D. Dropversion از دست دادن در انتخاب بی خطر: یک مدل وابسته به مرجع. فصلنامه اقتصاد 106 ، 1039-1061 (1991). Articlegoogle Scholar
• Wickham ، H. GGPLOT2: گرافیک های ظریف برای تجزیه و تحلیل داده ها (اسپرینگر ، نیویورک ، 2009).
• سیلورمن ، B. W. تخمین تراکم (چاپمن و هال ، لندن ، 1986).

سپاسگزاریها

این کار توسط فعالیت پروژه های تحقیقاتی پیشرفته اطلاعات (IARPA) از طریق وزارت مرکز تجارت داخلی (DOI/NBC) شماره قرارداد D12PC00285 پشتیبانی شد. دولت ایالات متحده مجاز به تولید مثل و توزیع چاپ مجدد برای اهداف دولتی با وجود هرگونه حاشیه نویسی حق چاپ در آن است. سلب مسئولیت: نظرات و نتیجه گیری های موجود در اینجا از نویسندگان است و نباید به عنوان لزوماً نمایانگر سیاست های رسمی یا تأییدیه ها ، یا بیان یا ضمنی از IARPA ، DOI/NBC یا دولت ایالات متحده باشد. علاوه بر این ، این کار تا حدی توسط بنیاد تحقیقات آلمان Grant PR 1305/1-1 (به T. P.) و توسط شوراهای تحقیقاتی UK Grant EP/K039830/1 (به H. S. M. و T. P.) پشتیبانی شد.

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. گروه مهندسی عمران ، محیط زیست و زمین شناسی ، UCL ، خیابان Gower ، WC1E 6BT ، لندن ، هلن سوزانا مات
2. مرکز مطالعات پلیمر ، گروه فیزیک ، دانشگاه بوستون ، خیابان 590 مشترک المنافع ، 02215 ، بوستون ، ماساچوست ، هلن سوزانا مات ، ایالات متحده ، چستر کورم ، آدام آواکیان ، درور ی. کنت و H. یوگن استنلی
3. دانشکده بازرگانی وارویک ، دانشگاه وارویک ، جاده اسکارمن ، کاونتری ، CV4 7AL ، انگلستان هلن سوزانا مات و توبیاس پریز

1. هلن سوزانا مات