Journals / Uluslararası İktisadi ve İdari İncelemeler Dergisi / 2017 / 22. UPK Ahmet Hamdi İSLAMOĞLU Özel Sayısı

INVESTIGATION OF RELATIONSHIP BETWEEN SOCIAL MEDIA AND STOCK PRICE DAILY MOVEMENT DIRECTION: SENTIMENT ANALYSIS IMPLEMENTATION

SOSYAL MEDYA İLE HİSSE SENEDİ FİYATININ GÜNLÜK HAREKET YÖNÜ ARASINDAKİ İLİŞKİNİN İNCELENMESİ: DUYGU ANALİZİ UYGULAMASI

Pages
33–44
Publication Date
2017-12-25
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The obtained Spearman’s rank correlation coefficient result showed, a negative and moderate correlation exists between daily changes in the company’s stock prices with the public sentiments in tweets.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:People share their opinions and sentiments about companies, services and products on Internet.
📊
Key Findings & Data:The research period is the dates between 15.03.2017 and 15.05.2017.
💡
Conclusion & Impact:The obtained Spearman’s rank correlation coefficient result showed, a negative and moderate correlation exists between daily changes in the company’s stock prices with the public sentiments in tweets.
🔬Design:Research Article
📍Scope:2017 Verileri
⚙️Variables:Duygu Analizi · Mikro Blog · Sermaye Piyasası

Abstract

People share their opinions and sentiments about companies, services and products on Internet. This makes Electronic Word of Mouth to be an important research topic in recent years. Twitter is one of the major platform for Electronic Word of Mouth. Interaction of capital markets with Twitter has been highly increasing, it has been selected as our research topic. Research has been carried out on the company, which has been operating in telecommunications industry and whose shares are traded in Borsa Istanbul. The research period is the dates between 15.03.2017 and 15.05.2017. Daily opening and closing prices of the selected stock have been collected, daily raise and fall of the stock price has been classified accordingly. Sentiment analysis has been conducted for the same period and daily polarity values have been obtained. In this study, correlation analysis between public sentiment analysis and stock price movement direction is conducted. Spearman's rank correlation test was used. The obtained Spearman’s rank correlation coefficient result showed, a negative and moderate correlation exists between daily changes in the company’s stock prices with the public sentiments in tweets.

Özet

Elektronik ağızdan ağıza iletişim (eWOM), bireylerin çevrimiçi ortamda işletmeler, işletmelerin sunduğu ürün ve hizmetler hakkındaki duyguların ve düşüncelerin paylaşıldığı bir yapı olması nedeniyle önemli bir araştırma başlığı konumunu almıştır. Elektronik ağızdan ağıza iletişimin gerçekleştiği belli başlı platformlar arasında Twitter yer almaktadır. Ülkemizde ve dünyada yaygın olarak kullanılan mikro blog sistemleri arasında yer alan Twitter ile sermaye piyasalarının etkileşimi giderek artmaktadır. Pazarlama ve finansman konusunda yapılan araştırmaların arakesitinde yer alan başlık, araştırma konusu olarak seçilmiştir. Telekomünikasyon sektöründe yer alan, Borsa İstanbul’da hisseleri işlem gören firma üzerinden araştırma yürütülmüştür. Araştırma dönemi olarak 15.03.2017 ile 15.05.2017 tarihleri arasında Borsa İstanbul’da hisselerin işlem gördüğü günler seçilmiştir. Günlük olarak ilgili hissenin açılış ve kapanış değerleri elde edilmiş, açılış değeri kapanış değerlerinin farkı alınmış ve hisse hareket yönü o gün için negatif ya da pozitif olarak sınıflandırılmıştır. İlgili günler için twitter sayfasından bireylerin gönderdiği mesajlar üzerinden Duygu Analizi gerçekleştirilmiş, pozitif ve negatif olarak sınıflandırılmış, günlük duygu polaritesi değeri elde edilmiştir. Bu çalışmada duygu polarite değerleri ile hisse fiyatı hareketinin yönü arasında günlük bazda korelasyon analizi yapılmıştır. Elde edilen Spearman’nın sıra ilişkisi katsayısı değeri çerçevesinde iki veri seti arasında negatif ve orta düzeyde bir bağıntıya rastlanmıştır.

🔖

Cite This Article

YILDIRIM, M., YÜKSEL, C. A. (2017). INVESTIGATION OF RELATIONSHIP BETWEEN SOCIAL MEDIA AND STOCK PRICE DAILY MOVEMENT DIRECTION: SENTIMENT ANALYSIS IMPLEMENTATION. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 22. UPK Ahmet Hamdi İSLAMOĞLU Özel Sayısı, 33–44. https://ajindex.com/articles/709276

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Agarwal, A., Xie, B., Vovsha, I., Rambow, O&Passonneau, R. (2011). Sentiment analysis of twit-ter data. In Proceedings of the ACL 2011 Workshop on Languages in Social Media,30–38. http://wing.comp.nus.edu.sg/~antho/W/W11/W11-07.pdf#page=40
  2. Akçetin, E.&Çelik, U., (2014). İstenmeyen elektronik posta (Spam) tespitinde karar ağacı algo-ritmalarının performans kıyaslaması. Internet Uygulamaları ve Yönetimi, 5(2),43-56 doi: 10.5505/iuyd.2014.43531 Albeni, M & Demir Y. (2005). Makroekonomik Göstergelerin Mali Sektör Hisse Senedi Fiyatları-na Etkisi (İMKB Uygulamalı). Muğla Üniversitesi SBE Dergisi, 1-18. http://www.sobbiad.mu.edu.tr/index.php/asd/article/viewFile/144/149 Bahadır İ., (2008). Bayes Teoremi Ve Yapay Sinir Ağları Modelleriyle Borsa Gelecek Değer Tah-mini Uygulaması,(Yayımlanmamış Yüksek Lisans Tezi). TOBB Ekonomi ve Teknoloji Üni-versite-si,Ankara.http://earsiv.etu.edu.tr/xmlui/bitstream/handle/20.500.11851/320/TZ00052_TZ00171.pdf?sequence=1
  3. Bollen, J., Mao, H & Zeng, X. (2011). Twitter Mood Predicts The Stock Market. Journal of Com-putational Science, 2(1), 1-8. https://arxiv.org/pdf/1010.3003&
  4. Büyüköztürk, Ş. (2011).Veri Analizi El Kitabı. Ankara:
  5. Pegem. Çalıskan, S. K. & Soğukpınar, İ. (2008). KxKNN: K-Means ve K En Yakin Komsu Yöntemleri Ile Ağ-larda Nüfuz Tespiti. EMO Yayınları,120–124. http://www.emo.org.tr/ekler/8c1874c96244659_ek.pdf
  6. Çalış. K, Gazdağı O & Yıldız O.( 2013). Reklam İçerikli Epostaların Metin Madenciliği Yöntemle-ri ile Otomatik Tespiti. Bilişim Teknolojileri Dergisi, 6(1),1-7. http://dergipark.gov.tr/download/article-file/75317
  7. Coşkun, C & Baykal, A. (2011). Veri Madenciliğinde Sınıflandırma Algoritmalarının Bir Örnek Üzerinde Karşılaştırılması. Akademik Bilişim, Malatya,51-58. http://ab.org.tr/ab11/kitap/coskun_baykal_AB11.pdf
  8. Dickinson, B & Hu, W. (2015). Sentiment analysis of investor opinions on twitter. Social Networking, 62-71. http://dx.doi.org/10.4236/sn.2015.43008
  9. Eliaçık, A. B & Erdoğan, N. (2015). Mikro Bloglardaki Finans Toplulukları için Kullanıcı Ağırlık-landırılmış Duygu Analizi Yöntemi.UYMS,782-793. https://pdfs.semanticscholar.org/5884/bb205781106c7bb970533cf61a6074e2c7bb.pdf
  10. Foster M. E, A., Gaschler,A & Giuliani. M., How can i help you’: Comparing engagement classifi-cation strategies for a robot bartender. 15th ACM on International Conf. on Multimo-dal Interaction, ICMI ’13, 1-7, http://www.dcs.gla.ac.uk/~mefoster/papers/foster-etal-icmi2013.pdf
  11. Karaatlı, M., Güngör, İ, Demir, Y & Kalaycı, Ş. (2005). Hisse