시장감정

Market sentiment
"Bullish"는 여기서 방향을 바꾼다. 허브 앨퍼트와 티후아나 브라스(Tihuana Brass)의 앨범은 Bullish(앨범)를 참조한다.
투자자는 주가 상승 흐름을 보면 '약세'이고, 시장이 하락할 때는 '약세'이다. 황소는 뿔을 위로 올려서 공격하고, 곰은 아래로 내려가는 동작으로 발톱을 사용하여 공격한다.

시장 심리(투자자 관심이라고도 함)는 시장에서 예상되는 가격 개발에 대한 투자자들의 일반적인 태도다.[1] 이러한 태도는 물가사, 경제보고서, 계절적 요인, 국가 및 세계행사 등 다양한 근본적·기술적 요인이 축적된 것이다.

투자자들이 증시의 상승세 움직임을 기대한다면 이 같은 심리는 강세라고 한다. 반대로 시장심리가 약세를 보일 경우 대부분의 투자자들은 하락세 움직임을 예상한다. 시장 상황과 무관하게 정적 정서를 유지하는 시장 참여자를 각각 '퍼마블'과 '퍼마블'로 표현한다. 시장 심리는 대개 반대 지표로 간주된다: 대부분의 사람들이 기대하는 것은 반대편에 거는 좋은 것이다. 시장 심리가 이용되는 이유는 시장 움직임에 대한 좋은 예측 변수라고 생각되기 때문인데, 특히 극단적일 때는 더욱 그렇다.[2] 매우 약세적인 정서는 보통 시장이 정상보다 많이 상승하고 그 반대의 경우도 뒤따른다.[3]

상승 대 하락 종목 수, 신고 대 신저 비교 등 다양한 기술적, 통계적 방법으로 시장 심리를 모니터링한다. 개별 종목 전체 이동에서 차지하는 비중이 큰 것은 시장 심리 때문으로 풀이된다.[4] 증시가 이런 상황을 시연한 것은 흔히 '유행은 친구다'라는 유명한 월스트리트의 구절에서 모든 배가 조류와 함께 뜨거나 가라앉는 것으로 묘사된다. 최근 10년 동안 투자자들은 기업과 업종에 대한 텍스트 스토리에 대한 감정 분석이 포함된 뉴스 분석을 통해 시장 심리를 측정하는 것으로도 알려져 있다.

투자자 주의론

과학 문헌의 특정 줄기는 행동 금융의 결과, 금융 시장에 대한 투자자의 주의의 변화, 그리고 자산 가격 결정의 기본 원리인 바버리스 외 연구진(1998),[5] 바버리스 & 탈러(2003),[6] 베이커 & 워글러(2007)를 연결한다.[7] 저자들은 소매 투자자들의 행동 패턴이 시장 수익률에 상당한 영향을 미친다고 주장한다. 오늘날 과학 문헌에는 최소한 다섯 가지 주요 투자자의 관심 측정 접근법이 알려져 있는데, 금융 시장 기반 조치, 설문 조사 기반 감정 지수, 전문 온라인 자원의 텍스트 감정 데이터, 인터넷 검색 행동, 비경제적 요인 등이다.

첫 번째 접근법

첫 번째 접근방법에 따르면 투자자의 관심은 특정 금융시장 기반 조치와 근사하게 비교할 수 있다. 게르바이 외 연구진에 따르면. (2001)[8] 및 Hou 등. (2009년)[9] 거래량은 투자심리의 좋은 대용품이다. 특정 주식의 높은 거래량(낮은)은 그 가격에 대한 평가(감가상각)로 이어진다. 극단적인 하루 수익률도 투자자들의 관심을 끄는 것으로 알려졌다(Barber & Odean(2008)).[10] 잡음 거래자들은 수익률이 높은 주식을 사는 경향이 있다 Whaley(2001)[11]와 Baker & Wurgler(2007)는 시카고 보드 옵션 거래소(CBOE) 변동성 지수(VIX)를 대체 시장 심리 대책으로 제시한다.[7] 크레디트스위스 공포 바로미터(CSFB)는 3개월 뒤 만료되는 제로프리미엄 칼라 가격을 기준으로 한다. 이 지수는 VIX 지표의 대안으로 사용되기도 한다.[12] Acertus Market Sensitive Indicator(AMSI)에는 다음과 같은 다섯 가지 변수가 통합되어 있다(지표 내 무게 내림차순). 주가/이익 비율(증시 평가 척도), 가격 모멘텀(시장 심리 척도) 실현된 변동성(최근 과거 위험의 척도) 높은 수익률 채권 수익률(신용위험의 척도)과 TED 스프레드(시스템적 재무위험의 척도). 이러한 요소들은 각각 독특한 렌즈를 통해 시장 정서의 척도를 제공하며, 함께 시장 정서의 보다 견고한 지표를 제공할 수 있다.[13] 폐쇄형 펀드 디스카운트(상호펀드의 순자산가치가 시장가격과 같지 않은 경우)는 투자자 주의의 척도(Zweig(1973년)[14]와 리 외(1991년)[15]로 보고됐다.

폐쇄형 펀드 할인의 변동은 투자심리의 변동과 높은 상관관계가 있다는 연구결과가 나왔다. 브라운 외 (2003) 투자자 주의의 가능한 척도로서 매일 뮤추얼 펀드 흐름을 조사한다.[16][17] 다에 따르면(알.(2014년)[12]"...개인 투자자들 사모 펀드에서 부정적인 감정이 높은은 채권형 펀드로 바꾸다."배당금 보험료(배당을 지불하는 평균book-to-market률이나 모르는 것의 차이점 주식 지불하고)투자 심리(베이커 &, Wurgler(2004년)[18]과 Vieir에 잠재적으로 좋은 예측 인자는 아니었다.한(2011년)[19]cm이다. 소매 투자자 거래 데이터도 투자자의 관심을 대변할 수 있는 것으로 알려졌다(Kumar & Lee(2006년).[20] 이 연구는 소매 투자자 거래 "...개인이 함께 주식을 사거나 매도하는 등 체계적으로 상관관계가 있다는 것을 보여준다." 기업의 기업공개(IPO)는 잠재적으로 투자심리를 대리하는 데 활용할 수 있는 방대한 양의 정보를 창출한다. Ljungqvist 등. (2006)[21]과 베이커 & 워글러(2007)[7]는 특정 주식에 대한 투자자의 관심을 예측하기 위한 가장 유망한 후보 기업공개(IPO) 첫날 수익률과 기업공개(IPO) 규모를 보고한다. 특정 회사의 광고에 대한 높은 투자가 해당 주식에 대한 투자자의 높은 관심을 유발한다는 것은 놀라운 일이 아니다(Grulon et al. (2004)[22]). Chemmanur & Yan(2009)[23]의 저자들은 "더 많은 양의 광고가 광고 연도의 더 큰 주식 수익과 관련이 있지만 광고 연도의 다음 해에는 더 작은 주식 수익률"이라는 증거를 제시한다. 총신발행비율, 내부자거래자료, 기타 재무지표에 대한 지분문제가 베이커&워글러(2007)[7]에 보고되어 투자자의 주의력 측정절차에 유용하다.

앞서 언급한 시장 기반 대책은 한 가지 중요한 단점이 있다. 특히 다 외 연구진(2014년) [12]: "시장 기반의 대책은 비교적 높은 빈도로 쉽게 이용할 수 있다는 장점이 있지만, 투자심리 이외의 많은 경제세력의 균형적 결과라는 단점이 있다." 투자자의 관심으로 특정 시장지표가 몰린 것은 결코 장담할 수 없다는 얘기다. 게다가 일부 지표들은 친사이클로 작용할 수 있다. 예를 들어, 높은 거래량은 투자자의 관심을 끌 수 있다. 이에 따라 거래량은 더욱 늘어난다. 이는 결국 투자자들의 관심을 더 크게 이끌게 된다. 전반적으로 시장 기반 지표는 투자자의 관심을 측정하는 데 매우 중요한 역할을 하고 있다. 그러나 투자자는 다른 변수가 결과를 주도할 수 없도록 항상 노력해야 한다.

제2길

투자자들의 관심을 대리하는 두 번째 방법은 설문 조사 기반의 감정 지표를 이용하는 것이다. 가장 잘 알려진 지수 중에는 미시간대 소비자심리지수, 컨퍼런스보드 소비자신뢰지수, UBS/갤럽투자 낙관지수 등이 언급되어야 한다. 미시간대 소비자심리지수는 최소 500여건의 전화면접을 근거로 하고 있다. 그 설문에는 50개의 핵심 질문이 포함되어 있다.[24] 소비자신뢰지수는 응답자(5000가구)의 10배 이상이다. 그러나 이번 조사는 사업, 고용, 소득조건에 관한 5가지 주요 질문만으로 구성된다. 이 질문들은 "긍정적", "부정적" 또는 "중립적"의 세 가지 선택사항으로만 답할 수 있다.[25] 총 투자액이 1만 달러 이상인 1000가구를 대상으로 UBS/갤럽투자 낙관지수(Gallup Index of Investiginal Forbinance)를 구축하기 위해 면접을 본다.[26] 위에서 언급한 조사기준 심리지수는 금융시장 지표의 좋은 예측 변수인 것으로 보고되었다(Brown & Cliff (2005년).[27] 그러나 다 외 연구진(2014년)에 따르면 이러한 감정지표를 이용하는 것은 상당한 제약이 있을 수 있다.[12] 첫째, 조사 기반 데이터 세트의 대부분은 주간 또는 월간 빈도로 이용할 수 있다. 동시에 대체 정서 대책은 대부분 하루 빈도로 이용할 수 있다. 둘째,[28] 이러한 설문 조사에서 응답자들이 질문에 신중하고 진실하게 대답할 동기가 거의 없다. (노래자(2002) 요약하면, 설문 조사 기반의 심리지수가 금융 지표를 예측하는 데 도움이 될 수 있다. 그러나 이러한 지수의 사용은 구체적인 단점이 있으며 경우에 따라 제한될 수 있다.

제3방향

1920년대 철도회사들의 시장심리는 신시장인 만큼 강세였고 투자자들은 장기 전망을 봤다.

세 번째 방향에서 연구자들은 텍스트 마이닝과 감정 분석 알고리즘을 사용하여 소셜 네트워크, 미디어 플랫폼, 블로그, 신문 기사 및 기타 관련 텍스트 데이터 출처(뉴스 분석이라고도 함)에서 투자자의 기분에 관한 정보를 추출할 것을 제안한다. 한 줄기의 간행물(Barber & Odean(2008)과 [10]Dougal 외 연구진(2012),[29] Aheon & Soshyura(2015)[30]은 주가의 행태에 대한 금융기사와 선정적인 뉴스의 영향을 크게 보고한다. 월 스트리트 저널, 뉴욕 타임즈, 파이낸셜 타임즈와 같은 인기 있는 뉴스의 출처가 시장에 지대한 영향을 끼친다는 것도 놀라운 일이 아니다. 충격의 강도는 특정 저널 내부에서도 칼럼니스트마다 다를 수 있다(Dougal et al. (2012).[29] 테틀록(2007)[31]은 미국 월스트리트저널(WSJ) 인기 칼럼 '장외시장'에 '부정' 단어 수를 세어 투자자들의 기분을 가늠해 볼 수 있는 성공적 척도를 제시한다. 장 외 연구진(2011년)[32]과 볼렌 외 연구진(2011년)[33]은 트위터를 감정 데이터의 극히 중요한 원천으로 보고하며, 이는 주가 및 변동성을 예측하는 데 도움이 된다. 마이크로블로그 플랫폼의 데이터가 주가 행태에 미치는 영향을 분석하는 통상적인 방법은 특별한 분위기 추적 지수를 구축하는 것이다.

가장 쉬운 방법은 각각의 관련 트윗에서 "긍정적"과 "부정적" 단어의 수를 세고 이 데이터를 기반으로 결합 지표를 작성하는 것이다. 나세리 외 연구진(2014년)[34]은 주가 행태와 관련해 스톡트위츠(거래 관련 의견 교환에 특화된 트위터급 플랫폼) 데이터의 예측력을 보고한다. 대안이기는 하지만 더 까다로운 방법은 인간 전문가들을 참여시켜 예상 주가 움직임으로 많은 트윗에 주석을 달게 한 다음 예측을 위한 기계 학습 모델을 구축하는 것이다. 트위터의 분위기에 대한 이벤트 연구 방법론의 적용은 누적된 비정상적 수익률과 유의미한 상관관계를 보여준다(스프레저 외(2014),[35] 란코 외 (2015),[36] 가브로프셰크 외 (2017).[37] 카라불루트(2013년)[38]는 페이스북이 투자자들의 기분에 대한 좋은 정보원이 될 것이라고 보고한다. 전반적으로 가장 인기 있는 소셜 네트워크, 금융 관련 미디어 플랫폼, 잡지, 저널은 피터슨(2016)에 요약된 감정 데이터의 귀중한 원천이 될 수 있다.[39] 그러나 이러한 유형의 데이터를 수집하는 것이 상대적으로 더 어렵다는 것을 알아두는 것이 중요하다(대부분의 경우 연구자는 특별한 소프트웨어를 필요로 한다. 또한, 그러한 데이터의 분석에는 심층적인 기계 학습과 데이터 마이닝 지식도 필요할 수 있다(Hotto 등). (2005)[40]).

동일로4길

이슬라마바드 증권거래소 불

네 번째 길은 투자자의 관심에 대한 중요한 정보원이다. 이러한 접근방식은 사람들이 관련 정보를 수집함으로써 의사결정 과정을 시작한다고 [41]결론짓는 사이먼(1955)의 결과에 의해 뒷받침된다. 대부분의 인터넷 검색 서비스의 검색 볼륨에 대한 공개 가용 데이터는 2004년부터 시작한다. 그 이후로 많은 저자들이 투자자의 주의와 시장 수익률 예측에 있어 그러한 데이터의 유용성을 보여주었다(Da et al. (2014),[12] Preis et al. (2013),[42] Curme et al. (2014).[43] 대부분의 연구는 검색량 데이터를 추출하고 투자자의 관심을 조사하기 위해 구글 트렌드(GT) 서비스를 이용하고 있다. 인터넷 검색 데이터의 유용성도 야후를 기반으로 증명되었다! 기업 데이터(Bordino et al. (2012)).[44] 인터넷 검색 데이터의 적용은 서로 다른 재정 문제를 해결하는 데 있어 유망한 결과를 준다. Kristoufek(2013b)[45]의 저자들은 포트폴리오 다양화 문제에 GT 데이터의 적용에 대해 논의한다. 논문 다각화 절차에서 제안된 내용은 인터넷 질의에서 특정 주식의 인기가 이 주식의 위험성과 상관관계가 있다는 가정에 근거한다. 저자는 이 같은 다변화 절차가 포트폴리오 수익률 향상에 크게 도움이 된다고 보고 있다. Da et al. (2014)[12]와 Dimpfl & Jank (2015)[46]는 가장 인기 있는 두 가지 변동성 척도의 GT 데이터의 예측 능력을 조사한다: 실현 변동성(RV)과 CBOE 일일 시장 변동성 지수(VIX)이다. 두 연구 모두 인터넷 검색 데이터와 변동성 조치 사이에 긍정적이고 유의미한 의존성을 보고하고 있다. 보르디노 외 연구진(2012년)[44]과 프레이스 외 연구진(2010년)[47]은 인터넷 검색 데이터가 미국 증시의 거래량을 예측하는 능력을 공개한다. 보르디노 외 연구진(2012년)에 따르면,[44] "...쿼리 볼륨은 많은 경우에 하루 또는 그 이상의 거래 정점을 예상한다. 일부 연구자들은 GT 데이터의 유용성을 외화 시장의 변동성을 예측하는 데 발견한다(2012년).[48] 인터넷 검색 데이터의 중요성이 점점 더 커지고 있는 것은 암호화폐(예: 비트코인) 가격 예측(Kristoufek (2013a))[49]에서 인정되고 있다. 구글 트렌드 데이터도 매일 뮤추얼 펀드 흐름에 좋은 예측 변수가 될 것으로 알려졌다. 다 외 연구진(2014년)[12]은 이러한 유형의 감정 데이터는 "...주식형 및 채권형 펀드의 미래 일일 자금 흐름 혁신에 대한 유의미한 예측력을 가지고 있다"고 결론짓는다. 인터넷 검색 데이터의 또 다른 유망한 원천은 금융 관련 위키피디아 페이지(Wikipedia 페이지 통계[50])의 방문 횟수(Moat et al.(2013)와 [51]Kristoufek(2013a)[49]이다. 요약하자면 가계의 인터넷 검색 행태는 비교적 새롭고 투자자들의 관심을 끌 만한 유망한 대용품이다. 이러한 유형의 감정 데이터는 다른 출처의 추가 정보를 필요로 하지 않으며 과학 연구에 독립적으로 사용될 수 있다.

다섯 번째 소스

"모든 배는 조수와 함께 떠다니거나 가라앉는다."

마지막으로 투자자들의 관심의 다섯 번째 원천은 일부 비경제적 요인에 따라 달라질 수 있다. 매일 많은 비경제적 사건들(예: 뉴스, 날씨, 건강 상태 등)이 우리의 기분에 영향을 미치고, 이는 용어상 우리의 위험 혐오 및 거래 행동 수준에 영향을 미친다. 에드만스 외 (2007) 스포츠 이벤트가 투자자의 거래 행동에 미치는 영향에 대해 논의한다.[52] 저자들은 주요 축구 경기에서 패한 후 비정상적으로 마이너스 수익률을 보인다는 유력한 증거를 보고하고 있다. 손실 효과는 국제 크리켓, 럭비, 농구 경기 이후에도 유효하다. 카플란스키&레비(2010년)[53]는 악재(방재)가 주가에 미치는 영향을 조사한다. 저자들은 나쁜 소식(예: 항공 재해에 관한)이 주식 수익률의 큰 하락을 야기할 수 있다고 결론짓는다(특히 작거나 위험한 주식의 경우). 특정한 날의 일조 분수가 거래자의 행동에 영향을 미친다는 증거는 아크타리(2011년)[54]와 히르슐리퍼 & 썸웨이(2003년)에 제시되어 있다.[55] 저자들은 "햇볕 효과"가 통계적으로 유의미하며 다른 모델 사양에 견줄 만하다고 결론짓는다. 주식 수익률에 미치는 온도의 영향은 Cao & Wei(2005)에서 논의된다.[56]

상기 연구 결과에 따르면, 온도와 주식 수익률 사이에 전체 온도 범위에서 부정적인 의존도가 있다(즉, 날씨가 추울 때 수익률이 더 높다). 계절적 정서장애(SAD)도 투자자의 기분을 예측하는 요인으로 알려져 있다(캄스트라 외). (2003)[57]). 이는 SAD가 날씨 상태에 대한 정보를 통합하기 때문에 예상되는 결과물이다. 일부 연구자들은 더 나아가 달의 위상과 주식시장 수익률 사이의 의존성을 밝혀낸다(위안 외). (2006)[58]). 디체브 & 제인스(2001)에 따르면:[59] "...신월일을 전후해 15일 동안 돌아오는 것은 보름달 날짜를 전후해 오는 15일 동안의 수익률의 약 두 배"라고 한다. 지자기 활동도 주식 수익률에 영향을 미치는 것으로 보고되고 있다(C. Robotti(2003년).[60] 요약하자면, 비경제적인 사건들은 무역업자의 행동에 상당한 영향을 끼친다. 투자자는 화창하지만 서늘한 날, 보름 동안 별다른 지자기 활동 없이, 가급적 중요한 스포츠 이벤트에서 승리하고 난 다음 날에 높은 시장 수익을 기대할 수 있다. 대부분의 경우 그러한 데이터는 투자자의 주의를 측정할 때 보충 자료로 취급되어야 하지만 완전히 독립적인 자료처럼 취급되어서는 안 된다.

통화시장

특히 포렉스 시장에 대한 심리를 가늠할 수 있는 지표가 추가로 존재한다. 포렉스 시장은 분산(중앙거래소에서 거래되지 않음)되어 있지만, 다양한 소매 포렉스 중개업체들은 자사 거래처의 거래 행태에 관한 포지셔닝 비율(Put/Call 비율과 유사함)과 기타 자료를 발행한다.[61][62][63][64] 대부분의 소매 화폐 거래자들이 성공하지 못하기 때문에,[65] 포렉스 시장 정서의 척도는 전형적으로 반대 지표로 사용된다.[66] 일부 연구자들은 인터넷 검색 데이터(예: 구글 트렌드)가 외환시장의 변동성을 예측하는 데 유용하다고 보고한다.[48] 인터넷 검색 데이터와 (관련) 위키백과 페이지뷰 데이터는 암호화폐(예: 비트코인) 가격 예측에 유용한 것으로 보고되고 있다.[49]

참고 항목

참조

  1. ^ "Market Sentiment Definition". Investopedia.
  2. ^ 감성: 스톡 불스의 의미 있는 변화? 알파 찾기 알파 찾기
  3. ^ " AAII: The American Association of Individual Investors". American Association of Individual Investors.
  4. ^ 토머스 도시, 포인트·피규격 차팅, 센티멘트는 "개별 주식의 전반적인 이동에 66%의 영향을 미친다"
  5. ^ Barberis, Nicholas; Shleifer, Andrei; Vishny, Robert W. (1998). "A Model of Investor Sentiment". Journal of Financial Economics. 49 (3): 307–343. doi:10.1016/S0304-405X(98)00027-0. S2CID 154782800.
  6. ^ Barberis, Nicholas; Thaler, Richard (2003-01-01). Finance, BT - Handbook of the Economics of (ed.). Financial Markets and Asset Pricing. Financial Markets and Asset Pricing. 1, Part B. Elsevier. pp. 1053–1128. doi:10.1016/S1574-0102(03)01027-6. ISBN 9780444513632.
  7. ^ Jump up to: a b c d Baker, Malcolm; Wurgler, Jeffrey (2007). "Investor Sentiment in the Stock Market". Journal of Economic Perspectives. 21 (2): 129–152. doi:10.1257/jep.21.2.129.
  8. ^ Gervais, Simon; Kaniel, Ron; Mingelgrin, Dan H. (2001-06-01). "The High-Volume Return Premium". The Journal of Finance. 56 (3): 877–919. CiteSeerX 10.1.1.540.2997. doi:10.1111/0022-1082.00349. ISSN 1540-6261.
  9. ^ Hou, Kewei; Xiong, Wei; Peng, Lin (2009-01-16). "A Tale of Two Anomalies: The Implications of Investor Attention for Price and Earnings Momentum". Rochester, NY: Social Science Research Network. SSRN 976394. Cite 저널은 필요로 한다. journal= (도움말)
  10. ^ Jump up to: a b Barber, Brad M.; Odean, Terrance (2008-04-01). "All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors". Review of Financial Studies. 21 (2): 785–818. doi:10.1093/rfs/hhm079. ISSN 0893-9454.
  11. ^ Whaley, Robert E (2000-03-01). "The Investor Fear Gauge". The Journal of Portfolio Management. 26 (3): 12–17. doi:10.3905/jpm.2000.319728. ISSN 0095-4918. S2CID 154699901.
  12. ^ Jump up to: a b c d e f g Da, Zhi; Engelberg, Joseph; Gao, Pengjie (2014-10-17). "The Sum of All FEARS Investor Sentiment and Asset Prices". Review of Financial Studies. 28 (1): 1–32. doi:10.1093/rfs/hhu072. ISSN 0893-9454.
  13. ^ "A New Market Sentiment Indicator". Journal of Indexes.
  14. ^ Zweig, Martin E. (1973). "An Investor Expectations Stock Price Predictive Model Using Closed-End Fund Premiums". The Journal of Finance. 28 (1): 67–78. doi:10.1111/j.1540-6261.1973.tb01346.x. JSTOR 2978169.
  15. ^ Lee, Charles; Shleifer, Andrei; Thaler, Richard (1991). "Investor Sentiment and the Closed-End Fund Puzzle". Journal of Finance. 46 (1): 75–109. doi:10.1111/j.1540-6261.1991.tb03746.x.
  16. ^ Brown, Stephen J.; Goetzmann, William N.; Hiraki, Takato; Shirishi, Noriyoshi; Watanabe, Masahiro (February 2003). "Investor Sentiment in Japanese and U.S. Daily Mutual Fund Flows". NBER Working Paper No. 9470. doi:10.3386/w9470.
  17. ^ 우울한 펀드 투자자 - MarketWatch
  18. ^ Baker, Malcolm; Wurgler, Jeffrey (2004). "Appearing And Disappearing Dividends: The Link To Catering Incentives" (PDF). Journal of Financial Economics. 73 (2): 271–288. doi:10.1016/j.jfineco.2003.08.001. S2CID 18519141.
  19. ^ Elisabete Simões Vieira (2011-10-18). "Investor sentiment and the market reaction to dividend news: European evidence". Managerial Finance. 37 (12): 1213–1245. doi:10.1108/03074351111175100. hdl:10773/6575. ISSN 0307-4358.
  20. ^ Kumar, Alok; Lee, Charles M.c. (2006-10-01). "Retail Investor Sentiment and Return Comovements". The Journal of Finance. 61 (5): 2451–2486. doi:10.1111/j.1540-6261.2006.01063.x. ISSN 1540-6261.
  21. ^ Ljungqvist, Alexander; Singh, Rajdeep; Nanda, Vikram K. (2003-11-06). "Hot Markets, Investor Sentiment, and IPO Pricing". Rochester, NY: Social Science Research Network. SSRN 282293. Cite 저널은 필요로 한다. journal= (도움말)
  22. ^ Grullon, Gustavo; Kanatas, George; Weston, James P. (2004-04-01). "Advertising, Breadth of Ownership, and Liquidity". Review of Financial Studies. 17 (2): 439–461. doi:10.1093/rfs/hhg039. ISSN 0893-9454.
  23. ^ Chemmanur, Thomas J.; Yan, An (2010-01-14). "Advertising, Investor Recognition, and Stock Returns". SSRN Working Paper Series. doi:10.2139/ssrn.1536753. ISSN 1556-5068.
  24. ^ "Surveys of Consumers". www.sca.isr.umich.edu. Retrieved 2016-04-26.
  25. ^ "Consumer Confidence Index® The Conference Board". www.conference-board.org. Retrieved 2016-04-26.
  26. ^ "UBS / Gallup Investor Optimism Index". ciser.cornell.edu. Retrieved 2016-04-26.
  27. ^ Brown, Gregory W.; Cliff, Michael T. (2005-01-01). "Investor Sentiment and Asset Valuation". The Journal of Business. 78 (2): 405–440. CiteSeerX 10.1.1.196.6127. doi:10.1086/427633. JSTOR 10.1086/427633.
  28. ^ Singer, Eleanor (2002-01-01). "The Use of Incentives to Reduce Nonresponse in Household Surveys". Cite 저널은 필요로 한다. journal= (도움말)
  29. ^ Jump up to: a b Dougal, Casey; Engelberg, Joseph; García, Diego; Parsons, Christopher A. (2012-03-01). "Journalists and the Stock Market". Review of Financial Studies. 25 (3): 639–679. doi:10.1093/rfs/hhr133. ISSN 0893-9454.
  30. ^ Ahern, Kenneth R.; Sosyura, Denis (2015-01-24). "Rumor Has It: Sensationalism in Financial Media". Review of Financial Studies. 28 (7): 2050–2093. CiteSeerX 10.1.1.650.9703. doi:10.1093/rfs/hhv006. ISSN 0893-9454.
  31. ^ Tetlock, Paul C. (2007-06-01). "Giving Content to Investor Sentiment: The Role of Media in the Stock Market". The Journal of Finance. 62 (3): 1139–1168. doi:10.1111/j.1540-6261.2007.01232.x. ISSN 1540-6261.
  32. ^ Zhang, Xue; Fuehres, Hauke; Gloor, Peter A. (2011-01-01). "Predicting Stock Market Indicators Through Twitter "I hope it is not as bad as I fear"". Procedia - Social and Behavioral Sciences. The 2nd Collaborative Innovation Networks Conference - COINs2010. 26: 55–62. doi:10.1016/j.sbspro.2011.10.562.
  33. ^ Bollen, Johan; Mao, Huina; Zeng, Xiao-Jun (2011). "Twitter mood predicts the stock market". Journal of Computational Science. 2 (1): 1–8. arXiv:1010.3003. doi:10.1016/j.jocs.2010.12.007. ISSN 1877-7503. S2CID 14727513.
  34. ^ Nasseri, Alya Al; Tucker, Allan; Cesare, Sergio de (2014-10-08). Džeroski, Sašo; Panov, Panče; Kocev, Dragi; Todorovski, Ljupčo (eds.). Big Data Analysis of StockTwits to Predict Sentiments in the Stock Market. Lecture Notes in Computer Science. Springer International Publishing. pp. 13–24. doi:10.1007/978-3-319-11812-3_2. ISBN 9783319118116.
  35. ^ Sprenger, Timm O.; Tumasjan, Andranik; Sandner, Philipp G.; Welpe, Isabell M. (2014-11-01). "Tweets and Trades: the Information Content of Stock Microblogs". European Financial Management. 20 (5): 926–957. doi:10.1111/j.1468-036x.2013.12007.x. ISSN 1468-036X. S2CID 156505712.
  36. ^ Ranco, Gabriele; Aleksovski, Darko; Caldarelli, Guido; Grčar, Miha; Mozetič, Igor (2015-09-21). "The Effects of Twitter Sentiment on Stock Price Returns". PLOS ONE. 10 (9): e0138441. arXiv:1506.02431. Bibcode:2015PLoSO..1038441R. doi:10.1371/journal.pone.0138441. ISSN 1932-6203. PMC 4577113. PMID 26390434.
  37. ^ Gabrovšek, Peter; Aleksovski, Darko; Mozetič, Igor; Grčar, Miha (2017-02-24). "Twitter sentiment around the Earnings Announcement events". PLOS ONE. 12 (2): e0173151. arXiv:1611.02090. Bibcode:2017PLoSO..1273151G. doi:10.1371/journal.pone.0173151. ISSN 1932-6203. PMC 5325598. PMID 28235103.
  38. ^ Karabulut, Yigitcan (2013-08-13). "Can Facebook Predict Stock Market Activity?". Rochester, NY: Social Science Research Network. SSRN 1919008. Cite 저널은 필요로 한다. journal= (도움말)
  39. ^ Peterson, Richard (2016-03-21). Trading on Sentiment: The Power of Minds Over Markets. John Wiley & Sons. ISBN 9781119122760.
  40. ^ Hotho, Andreas; Nürnberger, Andreas; Paaß, Gerhard (2005-01-01). "A brief survey of text mining". LDV Forum - GLDV Journal for Computational Linguistics and Language Technology. CiteSeerX 10.1.1.153.6679.
  41. ^ Simon, Herbert A. (1955-01-01). "A Behavioral Model of Rational Choice". The Quarterly Journal of Economics. 69 (1): 99–118. doi:10.2307/1884852. JSTOR 1884852.
  42. ^ Preis, Tobias; Moat, Helen Susannah; Stanley, H. Eugene (2013-04-25). "Quantifying Trading Behavior in Financial Markets Using Google Trends". Scientific Reports. 3: 1684. Bibcode:2013NatSR...3E1684P. doi:10.1038/srep01684. ISSN 2045-2322. PMC 3635219. PMID 23619126.
  43. ^ Curme, Chester; Preis, Tobias; Stanley, H. Eugene; Moat, Helen Susannah (2014-08-12). "Quantifying the semantics of search behavior before stock market moves". Proceedings of the National Academy of Sciences. 111 (32): 11600–11605. Bibcode:2014PNAS..11111600C. doi:10.1073/pnas.1324054111. ISSN 0027-8424. PMC 4136609. PMID 25071193.
  44. ^ Jump up to: a b c Bordino, Ilaria; Battiston, Stefano; Caldarelli, Guido; Cristelli, Matthieu; Ukkonen, Antti; Weber, Ingmar (2012-07-19). "Web Search Queries Can Predict Stock Market Volumes". PLOS ONE. 7 (7): e40014. arXiv:1110.4784. Bibcode:2012PLoSO...740014B. doi:10.1371/journal.pone.0040014. ISSN 1932-6203. PMC 3400625. PMID 22829871.
  45. ^ Kristoufek, Ladislav (2013-09-19). "Can Google Trends search queries contribute to risk diversification?". Scientific Reports. 3: 2713. arXiv:1310.1444. Bibcode:2013NatSR...3E2713K. doi:10.1038/srep02713. ISSN 2045-2322. PMC 3776958. PMID 24048448.
  46. ^ Dimpfl, Thomas; Jank, Stephan (2012-06-06). "Can Internet Search Queries Help to Predict Stock Market Volatility?". Rochester, NY: Social Science Research Network. SSRN 1941680. Cite 저널은 필요로 한다. journal= (도움말)
  47. ^ Preis, Tobias; Reith, Daniel; Stanley, H. Eugene (2010-12-28). "Complex dynamics of our economic life on different scales: insights from search engine query data". Philosophical Transactions of the Royal Society of London A: Mathematical, Physical and Engineering Sciences. 368 (1933): 5707–5719. Bibcode:2010RSPTA.368.5707P. doi:10.1098/rsta.2010.0284. ISSN 1364-503X. PMID 21078644.
  48. ^ Jump up to: a b Smith, Geoffrey Peter (2012-06-01). "Google Internet search activity and volatility prediction in the market for foreign currency". Finance Research Letters. 9 (2): 103–110. doi:10.1016/j.frl.2012.03.003.
  49. ^ Jump up to: a b c Kristoufek, Ladislav (2013-01-01). "Bitcoin meets Google Trends and Wikipedia: quantifying the relationship between phenomena of the Internet era". Scientific Reports. 3: 3415. Bibcode:2013NatSR...3E3415K. doi:10.1038/srep03415. ISSN 2045-2322. PMC 3849639. PMID 24301322.
  50. ^ "Pageviews Analysis". tools.wmflabs.org. Retrieved 2016-04-26.
  51. ^ Moat, Helen Susannah; Curme, Chester; Avakian, Adam; Kenett, Dror Y.; Stanley, H. Eugene; Preis, Tobias (2013-05-08). "Quantifying Wikipedia Usage Patterns Before Stock Market Moves". Scientific Reports. 3: 1801. Bibcode:2013NatSR...3E1801M. doi:10.1038/srep01801. ISSN 2045-2322. PMC 3647164.
  52. ^ Edmans, Alex; García, Diego; Norli, Øyvind (2007-08-01). "Sports Sentiment and Stock Returns". The Journal of Finance. 62 (4): 1967–1998. CiteSeerX 10.1.1.323.2017. doi:10.1111/j.1540-6261.2007.01262.x. ISSN 1540-6261.
  53. ^ Kaplanski, Guy; Levy, Haim (2010-02-01). "Sentiment and stock prices: The case of aviation disasters". Journal of Financial Economics. 95 (2): 174–201. doi:10.1016/j.jfineco.2009.10.002. S2CID 141066554.
  54. ^ Akhtari, Mitra (29 May 2011). "Reassessment of the Weather Effect: Stock Prices and Wall Street Weather". Undergraduate Economic Review. 7 (1).
  55. ^ Hirshleifer, David; Shumway, Tyler (2003-01-01). "Good Day Sunshine: Stock Returns and the Weather". The Journal of Finance. 58 (3): 1009–1032. doi:10.1111/1540-6261.00556. JSTOR 3094570.
  56. ^ Cao, Melanie; Wei, Jason (2005-06-01). "Stock market returns: A note on temperature anomaly". Journal of Banking & Finance. 29 (6): 1559–1573. doi:10.1016/j.jbankfin.2004.06.028.
  57. ^ Kamstra, Mark J.; Kramer, Lisa A.; Levi, Maurice D. (2003-10-01). "Winter Blues: A SAD Stock Market Cycle". Rochester, NY: Social Science Research Network. SSRN 208622. Cite 저널은 필요로 한다. journal= (도움말)
  58. ^ Zheng, Lu; Yuan, Kathy; Zhu, Qiaoqiao (2001-09-05). "Are Investors Moonstruck? - Lunar Phases and Stock Returns". Rochester, NY: Social Science Research Network. SSRN 283156. Cite 저널은 필요로 한다. journal= (도움말)
  59. ^ Dichev, Ilia D.; Janes, Troy D. (2001-08-01). "Lunar Cycle Effects in Stock Returns". Rochester, NY: Social Science Research Network. SSRN 281665. Cite 저널은 필요로 한다. journal= (도움말)
  60. ^ Robotti, Cesare; Krivelyova, Anya (2003-10-01). "Playing the Field: Geomagnetic Storms and the Stock Market". Rochester, NY: Social Science Research Network. SSRN 375702. Cite 저널은 필요로 한다. journal= (도움말)
  61. ^ "Decentralized Market Definition".
  62. ^ "Oanda Forex Open Position Ratios".
  63. ^ "SWFX Sentiment Index".
  64. ^ "ForexBold Realtime Brokers Sentiment Index".
  65. ^ Finberg, Ron (2014-05-18). "Final Q1 2014 US Retail Forex Profitability Report". forexmagnates.com. Forex Magnates. Retrieved 19 July 2014.
  66. ^ "Sentiment Trading White Paper" (PDF).