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

Year 2017, , 33 - 44, 25.12.2017

Metin Yıldırım , Cenk Arsun Yüksel

https://doi.org/10.18092/ulikidince.352414

Cited By: 6

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.

Keywords

Sentiment Analysis, Micro Blog, Capital Market, eWOM (Electronic Word Of Mouth)

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

Abstract

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.

Keywords

Duygu Analizi, Mikro Blog, Sermaye Piyasası, Elektronik Ağızdan Ağıza İletişim, ewom

References

• 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
• 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
• 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&
• Büyüköztürk, Ş. (2011).Veri Analizi El Kitabı. Ankara: 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
• 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
• 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
• 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
• 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
• 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
• Karaatlı, M., Güngör, İ, Demir, Y & Kalaycı, Ş. (2005). Hisse senedi fiyat hareketlerinin yapay si-nir ağları yöntemi ile tahmin edilmesi. Balıkesir Üniversitesi İİBF Dergisi, 2(1), 38-48. http://dergipark.ulakbim.gov.tr/yead/article/view/5000170465/5000153884
• Liu, B & Zhang, L. (2012). A survey of opinion mining and sentiment analysis. Aggarwal, C., Zhai, C. (Ed.), Mining Text Data, (s.415–463).USA: Springer. https://pdfs.semanticscholar.org/adff/fadbac235d89bed96aeecb6911c9b2cf6267.pdf
• Miranda, M & Sassi, R,(2014). Using Sentiment Analysis to Assess Customer Satisfaction in an Online Job Search Company. Business Information Systems Workshops, Springer, Lec-ture Notes in Business Information Processing, Volume 183, 2014, 17 – 27. http://www.springer.com/cda/content/document/cda_downloaddocument/9783319114590-c2.pdf?SGWID=0-0-45-1480330-p176985437
• Moe, W. W., & Trusov, M (2011), The value of social dynamics in online product ratings fo-rums, Journal of Marketing Research, Vol. 48, No. 3, 444-456.
• Nguyen, VD., Varghese, B & Barker A.( 2013). The royal birth of 2013: Analysing and visualising public sentiment in the UK using Twitter. IEEE International Conference on Big Data. 1-9. https://arxiv.org/pdf/1308.1847.pdf;
• Pagolu, V., Challa, K., Panda, G & Majhi, B. (2016). Sentiment analysis of Twitter data for pre-dicting stock market movements. SCOPES 2016,1-5. https://arxiv.org/pdf/1610.09225.pdf
• Rao, T, and Srivastava S. (2012).Analyzing stock market movements using twitter sentiment analysis. Proceedings of the 2012 International Conference on Advances in Social Networks Analysis and Mining (ASONAM 2012). IEEE Computer Society, 1-5
• Rao T and Srivastava S. (2012), Twitter sentiment analysis: How to hedge your bets in the stock markets. Working paper, Indian Institute of Technology, Delhi, 1-22 Sezgin E. & Çelik Y.(2013). Veri madenciliğinde kayıp veriler için kullanılan yöntemlerin karşılaş-tırılması, Akademik Bilişim Konferansı, 1-4. http://ab.org.tr/ab13/bildiri/184.pdf
• Xue, Z, Fuehres, H & P Gloor. A (2010). Predicting Stock Market Indicators Through Twitter I hope it is not as bad as I fear. In Collaborative Innovations Networks Conference (CO-INs)., 55-62, https://www.sciencedirect.com/science/article/pii/S1877042811023895
• http://www.msn.com/tr-tr/finans/hissesenediayrintilari
• http://www.cs.waikato.ac.nz/ml/weka/mooc/dataminingwithweka/transcripts/Transcript2-5.txt