Twitter Kullanıcılarının Temettü Yatırımlarında Tercih Ettikleri Şirketlerin Metin Madenciliği ile Tespit Edilmesi

Bu makalenin ilk hali 27 Ocak 2023 tarihinde yayımlandı. https://dergipark.org.tr/tr/pub/dpusbe/article/1094979

Düzeltme Notu

Dergi 2023 yılı 75. Sayısı Murat Fatih Tuna ve Mesut Polatgil’in “Twitter Kullanıcılarının Temettü Yatırımlarında Tercih Ettikleri Şirketlerin Metin Madenciliği ile Tespit Edilmesi” başlıklı makalesinde yapılan düzeltmeler aşağıdaki gibidir. Düzeltme Açıklaması: Derginin dizgi aşamasında sehven yanlış yazılmıştır. Makale URL: https://dergipark.org.tr/tr/pub/dpusbe/issue/75630/1094979 Makale 24. sayfa, üst bilgi 4. satırda yer alan: Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 75, 13-23; 2022 Yerine Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 75, 13-23; 2023

Öz

Artan teknoloji kullanımıyla birlikte insanlar hemen her konuda görüşlerini rahatlıkla paylaşabilecekleri araç ve ortamlara sahip olmuştur. Bu fikirlerin önemli bir kısmını da yatırım ile ilgili konular oluşturmaktadır. Twitter bu konuda öne çıkmakta ve yapılan birçok çalışma için önemli bir veri kaynağı oluşturmaktadır. Birçok çalışmada Twitter üzerinden alınan fikirler analiz edilmekte ve birçok ürüne ilişkin fiyat tahmini yapılmaktadır. Öte yandan son yıllarda temettü emekliliği ve temettü yatırımcılığı özellikle küçük yatırımcı sınıfındaki bireyler için çok cezbedici bir hale gelmiş, buna bağlı olarak bireyler özellikle çocukları ve ailesi için bu yatırım kanalına yönelim göstermiştir. Bireyler ayrıca yaptıkları bu yatırımlarla ilgili Twitter platformunda paylaşımlar yapmakta ve birbirleriyle fikir alışverişinde bulunmaktadır. Bu noktada bahsedilen yatırım türünü tercih edecek kişiler hangi firmalara yatırım yapacakları konusunda bazen emin olamamaktadır. Bu çalışmanın amacı, Twitter kullanıcılarının en çok beğendiği ve yorumladığı temettü firmalarının tespit edilmesi ve alternatif yatırım portföylerinin oluşturulmasıdır. Dolayısıyla çalışmada en çok bahsedilen, en çok beğenilen, en çok yorumlanan ve en çok yönlendirilen (retweet edilen) tweet özelliklerine odaklanılmıştır. Dahası verilerden tespit edilen firmalar ile toplam beş portföy oluşturulmuştur. Bu portföylerin getiri durumları firmaların son bir yıllık getirileri baz alınarak modern portföy teorisi bağlamında verilmiştir. Portföylerden en iyi getiriyi retweet edilme durumuna göre oluşturulan portföyün oluşturduğu tespit edilmiştir. Çalışma kapsamında ortaya konan portföylerin ve içerdiği yatırım alternatiflerinin temettü yatırımcılığıyla ilgilenen tüketicilere fayda sağlayacağı düşünülmektedir.

Anahtar Kelimeler

• Metin Madenciliği
• Temettü
• Temettü Yatırımcılığı
• Portföy Yönetimi
• Hisse Senedi

Determining the Companies Preferred by Twitter Users for Dividend Investments via Text Mining

Bu makalenin ilk hali 27 Ocak 2023 tarihinde yayımlandı. https://dergipark.org.tr/tr/pub/dpusbe/article/1094979

Öz

With the increasing use of technology, people have had tools and environments where they can easily share their opinions on almost any subject. An important part of these ideas is related to investment issues. Twitter stands out in this regard and constitutes an important data source for many studies. In many studies, the ideas received on Twitter are analysed and price predictions are made for many products. On the other hand, dividend retirement and dividend investing have become extremely attractive especially for individuals in the small investor class in recent years, and accordingly, individuals have tended to this investment channel especially for their children and families. Individuals also share on Twitter platform about these investments they have made and exchange ideas with each other. At this point, people who will prefer the investment type mentioned are sometimes unsure about which companies to invest in. The aim of this study is to determine the dividend companies that Twitter users like and comment the most and to create alternative investment portfolios. Thus, it has been focused on the most mentioned, most liked, most commented, and most directed (retweeted) tweet features in the study. Moreover, a total of five portfolios have been created with the companies identified from the data. The return conditions of these portfolios have been given in the context of Modern Portfolio Theory based on the last year returns of the firms. It has been determined that the portfolio created according to the retweet status creates the best return from the portfolios. It is thought that the portfolios presented within the scope of the study and the investment alternatives they contain will benefit consumers who are interested in dividend investing.

Anahtar Kelimeler

• Text Mining
• Dividend
• Dividend Investment
• Portfolio Management
• Stock

Kaynakça

1. Affuso, E., ve Lahtinen, K. D. (2019). Social media sentiment and market behavior. Empirical Economics, 57(1), 105-127.
2. Allen, F., ve Michaely, R. (1995). Dividend Policy. R.A. Jarrow, V. Maksimovic and W.T. Ziemba (Ed.), in Handbooks in Operations Research and Management Science (pp. 793-837). Amsterdam: Elsevier.
3. Altınal, D., ve Amasyali, M. F. (2021). Building common sense database by using social media content. Proceedings of Innovations in Intelligent Systems and Applications Conference (ASYU), 1-6, DOI: 10.1109/ASYU52992.2021.9598965.
4. Armananzas, R., ve Lozano, J. A. (2005). A Multiobjective approach to the portfolio optimization problem. IEEE Congress on Evolutionary Computation, 2, 1388-1395.
5. Aybars, A., Öner, M., ve Zehi̇r, E. (2021). Kurumsal yönetim ve portföy performansı: BRICS Ülkeleri örneği. Maliye ve Finans Yazıları, 116, 57-72.
6. Bali, T. G., Hirshleifer, D., Peng, L., ve Tang, Y. (2021). Attention, social ınteraction, and ınvestor attraction to lottery stocks (Report No: 29543). Retrieved from National Bureau of Economic Research Working Paper Series website: https://www.nber.org/system/files/working_papers/w29543/w29543.pdf.
7. Bank, S., Yazar, E. E., ve Sivri, U. (2019). Can social media marketing lead to abnormal portfolio returns? European Research on Management and Business Economics, 25(2), 54-62.
8. Başar, G. P. ve Kuvat, Ö. (2020). Optimum portföy oluşturma: BIST kurumsal yönetim endeksi (XKURY) üzerine bir uygulama. Optimum Ekonomi ve Yönetim Bilimleri Dergisi, 7(1), 161-180.

9. Bustos, O., ve Pomares-Quimbaya, A. (2020). Stock market movement forecast: A Systematic review. Expert Systems with Applications, 156, 113464.
10. Cade, N. L. (2018). Corporate social media: How two-way disclosure channels ınfluence ınvestors. Accounting, Organizations and Society, 68, 63-79.
11. Cao, X., Zhang, Y., Feng, X., ve Meng, X. (2021). Investor ınteraction and price efficiency: Evidence from social media. Finance Research Letters, 40, 101747.
12. Cao, Y., Gong, F., ve Zeng, T. (2020). Antecedents and consequences of using social media for personal finance. Journal of Financial Counseling and Planning, 31(1), 162-176.
13. Casey, G., ve Wells, M. (2015). Remixing to design learning: Social media and peer-to-peer ınteraction. Journal of Learning Design, 8(1), 38-54.
14. Chahine, S., ve Malhotra, N. K. (2018). Impact of social media strategies on stock price: The case of twitter. European Journal of Marketing, 52(7/8), 1526-1549.
15. Colicev, A., Malshe, A., Pauwels, K., ve O’Connor, P. (2018). Improving consumer mindset metrics and shareholder value through social media: The Different roles of owned and earned media. Journal of Marketing, 82(1), 37-56.
16. Çelenli, A. Z. , Eğrioğlu, E. ve Çorba, B. Ş. (2015). İMKB 30 indeksini oluşturan hisse senetleri için parçacık sürü optimizasyonu yöntemlerine dayalı portföy optimizasyonu. Doğuş Üniversitesi Dergisi, 16(1) , 25-33.
17. Çelenli Başaran, A. Z. (2021). Sharpe oranı ve treynor endeksi performans ölçülerine dayalı genetik algoritma yaklaşımı. Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi Fen Dergisi, 16(1), 17-34.
18. Eierle, B., Klamer, S., ve Muck, M. (2022). Does it really pay off for ınvestors to consider ınformation from social media? International Review of Financial Analysis, 81, 102074.
19. Gopalan, R., Nanda, V. K., ve Seru, A. (2007). Do business groups use dividends to fund ınvestments? Social Science Research Network (SSRN), Paper ID: 967328, http://dx.doi.org/10.2139/ssrn.967328.
20. Guo, T., Finke, M., ve Mulholland, B. (2015). Investor attention and advisor social media interaction. Applied Economics Letters, 22(4), 261-265.
21. Gül, Y. (2020). Kripto paralar ve portföy çeşitlendirmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 65, 125-141.
22. Hsu, L., ve Lawrence, B. (2016). The Role of social media and brand equity during a product recall crisis: A shareholder value perspective. International Journal of Research in Marketing, 33(1), 59-77.
23. Huang, L., Li, W., Wang, H., ve Wu, L. (2022). Stock dividend and analyst optimistic bias in earnings forecast. International Review of Economics & Finance, 78, 643-659.
24. Knyazeva, A. (2008). Which companies deliver on the dividend promise? New evidence on dividend smoothing and dynamic dividend behavior. Social Science Research Network (SSRN), Paper ID: 1101063.
25. Koratamaddi, P., Wadhwani, K., Gupta, M., ve Sanjeevi, S. G. (2021). Market sentiment-aware deep reinforcement learning approach for stock portfolio allocation. Engineering Science and Technology, an International Journal, 24(4), 848-859.
26. Kumar, S., ve Raju, G. (2013). Does the dividend announcement matter in the ındian stock market? Asia-Pacific Journal of Management Research and Innovation, 9(1), 1-7.
27. Kuutila, M., Mäntylä, M., ve Raulamo-Jurvanen, P. (2016). Benchmarking web-testing—selenium versus watir and the choice of programming language and browser, arXiv:1611.00578, https://doi.org/10.48550/arXiv.1611.00578.
28. Leow, E. K. W., Nguyen, B. P., ve Chua, M. C. H. (2021). Robo-Advisor using genetic algorithm and bert sentiments from tweets for hybrid portfolio optimisation. Expert Systems with Applications, 179, 115060.
29. Li, Q., Wang, T., Li, P., Liu, L., Gong, Q., ve Chen, Y. (2014). The Effect of news and public mood on stock movements. Information Sciences, 278, 826-840.
30. Li, T. R., Chamrajnagar, A. S., Fong, X. R., Rizik, N. R., ve Fu, F. (2019). Sentiment-Based prediction of alternative cryptocurrency price fluctuations using gradient boosting tree model. Frontiers in Physics, 7, No: 98, 1-8.
31. Liew, J. K.-S., ve Wang, G. Z. (2016). Twitter sentiment and IPO performance: A Cross-Sectional examination. The Journal of Portfolio Management, 42(4), 129-135.
32. Lohman, P. (2017). Portfolio ınvestment strategy based on twitter sentiment (Umeå Universitet/ Civilingenjör industriell ekonomi, risk management examensarbate). Erişim adresi: https://www.diva-portal.org/smash/get/diva2:1113099/FULLTEXT01.pdf.
33. Lu, Z., Jiang, Y., Lu, C., Naaman, M., ve Wigdor, D. (2020). The Government’s dividend: Complex perceptions of social media misinformation in China. Proceedings of the ACM CHI Conference on Human Factors in Computing Systems, 485, 1-12 .
34. Lusardi, A., ve Mitchell, O. S. (2011). Financial literacy around the world: An overview. Journal of Pension Economics & Finance, 10(4), 497-508.
35. Mądra-Sawicka, M., ve Paliszkiewicz, J. (2020). Information sharing strategies in the social media era: The Perspective of financial performance and CSR in the food ındustry. Information, 11(10), 463-474.
36. Malandri, L., Xing, F. Z., Orsenigo, C., Vercellis, C., ve Cambria, E. (2018). Public mood–driven asset allocation: The importance of financial sentiment in portfolio management. Cognitive Computation, 10(6), 1167-1176.
37. McGurk, Z., Nowak, A., ve Hall, J. C. (2020). Stock returns and ınvestor sentiment: Textual analysis and social media. Journal of Economics and Finance, 44(3), 458-485.
38. Miller, M. H., ve Modigliani, F. (1961). Dividend policy, growth, and the valuation of shares. The Journal of Business, 34(4), 411-433.
39. Modigliani, F., ve Miller, M. H. (1958). The cost of capital, corporation finance and the theory of investment. The American Economic Review, 48(3), 261-297.
40. Nguyen, T. H., ve Shirai, K. (2015). Topic modeling based sentiment analysis on social media for stock market prediction. Proceedings of the Annual Meeting of the Association for Computational Linguistics, 1, 1354-1364.
41. Nguyen, T. H., Shirai, K., ve Velcin, J. (2015). Sentiment analysis on social media for stock movement prediction. Expert Systems with Applications, 42(24), 9603-9611.
42. Nofer, M., ve Hinz, O. (2015). Using twitter to predict the stock market. Business & Information Systems Engineering, 57(4), 229-242.
43. Oh, C., ve Sheng, O. (2011). Investigating predictive power of stock micro blog sentiment in forecasting future stock price directional movement. Proceedings of International Conference on Information Systems (ICIS), 17, 1-19.
44. Özcan, M. (2021). Sosyal medya platformlarının hisse senedi piyasalarına etkisi: BIST30 örneği. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 12(1), 160-172.
45. Özdemir, O. (2020). Google trends’te muhasebe terimlerinin arama sonuçları üzerine bir araştırma. M. Mete (Ed.), İktisadi ve İdari Bilimlerde Teori ve Araştırmalar II- Cilt 2, (ss. 357-380). Ankara: Gece Publishing.
46. Peswani, S., ve Joshipura, M. (2022). Low-Risk ınvestment strategy: Sector bets or stock bets? Managerial Finance, 48(3), 521-539.
47. Pettit, R. R. (1972). Dividend announcements, security performance, and capital market efficiency. The Journal of Finance, 27(5), 993-1007.
48. Salisu, A. A., ve Obiora, K. (2021). COVID-19 Pandemic and the crude oil market risk: Hedging options with non-energy financial ınnovations. Financial Innovation, 7(1), 34.
49. Saxton, G. D., ve Wang, L. (2014). The social network effect: The Determinants of Giving through social media. Nonprofit and Voluntary Sector Quarterly, 43(5), 850-868.
50. Sharpe, William F. (1966). Mutual fund performance, Journal of Business, 39(1), 119–138.
51. Sprenger, T. O., Tumasjan, A., Sandner, P. G., ve Welpe, I. M. (2014). Tweets and trades: the ınformation content of stockmicroblogs. European Financial Management, 20(5), 926-957.
52. Uddin, G. S., Yahya, M., Goswami, G. G., Lucey, B., ve Ahmed, A. (2022). Stock market contagion during the COVID-19 pandemic in emerging economies. International Review of Economics & Finance, 79, 302-309.
53. Wagner, A. F. (2020). What the stock market tells us about the Post-COVID-19 World. Nature Human Behaviour, 4(5), 440-440.
54. Wechta, P. (2022). Dividend policy from the perspective of social system theory. The Economic and Labour Relations Review (Online First), https://doi.org/10.1177/10353046221078879.
55. Yakıcı Ayan, T., ve Akay, A. (2014). Tahmine dayalı portföy optimizasyonu: Modern portföy teorisinde risk ve beklenen getiri kavramlarına alternatif bir yaklaşım. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, XIV. Uluslararası Ekonometri Yöneylem Araştırması ve İstatistik Sempozyumu Özel Sayısı, 119-132.
56. Yavuz, M. (2019). Yatırımcı Tweetleri ile finansal getiri arasındaki asimetrik nedensellik ilişkisi: Nasdaq teknoloji sektöründe uygulama [Yayımlanmamış yüksek lisans tezi], Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü, Denizli.
57. Yu, J.-R., Chiou, W. P., Hung, C.-H., Dong, W.-K., ve Chang, Y.-H. (2022). Dynamic rebalancing portfolio models with analyses of ınvestor sentiment. International Review of Economics & Finance, 77, 1-13.
58. Zaremba, A., Aharon, D. Y., Demir, E., Kizys, R., ve Zawadka, D. (2021). COVID-19, Government policy responses, and stock market liquidity around the world: A note. Research in International Business and Finance, 56, 101359.