Please use this identifier to cite or link to this item:
http://cmuir.cmu.ac.th/jspui/handle/6653943832/71060
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | เริงชัย ตันสุชาติ | - |
dc.contributor.advisor | จิราคม สิริศรีสกุลชัย | - |
dc.contributor.advisor | ณฉัตร์ชพงษ์ แก้วสมพงษ์ | - |
dc.contributor.author | ชนม์นิภา จันทร์เอี่ยม | en_US |
dc.date.accessioned | 2020-10-22T08:18:37Z | - |
dc.date.available | 2020-10-22T08:18:37Z | - |
dc.date.issued | 2020-03 | - |
dc.identifier.uri | http://cmuir.cmu.ac.th/jspui/handle/6653943832/71060 | - |
dc.description.abstract | This study presents the creation of information obtained from Twitter to represent investor’s sentiment proxy in DJI during an uncertain event, such as US-China Trade war. The data collection is divided into 2 periods, which are 10th –14th September 2018 (Normal period) and 17th –21st September 2018 (Abnormal period). The abnormal period is a peak period of twitter users discussed about the US-China Trade war. The samples of tweets were collected by using 5 key hashtags on Twitter API. 9 new variables from Twitter data at the same period were created, including hourly twitter volume and hourly twitter moods (8 Basic emotion). The results show that, during normal period time, we are unable to use Twitter data to represent investors’ sentiment proxy. As both Twitter data have no statistically significant correlation with DJI performance. During abnormal period time, The results showed a statistically significant positive correlation between Twitter data and DJI performance. Moreover, The results also demonstrated that the MA (1) with GARCH (1,1) - FEAR and MA (1) with GARCH (1,1) - JOY models provided more accurate volatility in DJI returns than the MA (1) with GARCH (1,1), which was created without using Twitter data | en_US |
dc.language.iso | other | en_US |
dc.publisher | เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่ | en_US |
dc.subject | ทวิตเตอร์ | en_US |
dc.subject | ความเชื่อมั่น | en_US |
dc.subject | นักลงทุน | en_US |
dc.subject | ตลาดหลักทรัพย์ | en_US |
dc.subject | สงครามการค้า | en_US |
dc.subject | ข้อมูล | en_US |
dc.title | การศึกษาและจัดการข้อมูลทางทวิตเตอร์เพื่อเป็นตัวแทนความเชื่อมั่นของนักลงทุนในดัชนีตลาดหลักทรัพย์ กรณีศึกษาระยะสั้น : สงครามการค้า สหรัฐอเมริกา-จีน | en_US |
dc.title.alternative | The Study and management information on twitter for investor’s sentiment proxy in the stock market index short-period case Study : US-China trade war | en_US |
dc.type | Thesis | |
thesis.degree | master | en_US |
thesis.description.thaiAbstract | การศึกษานี้นำเสนอการสร้างข้อมูลจากทวิตเตอร์เพื่อเป็นตัวแทนความเชื่อมั่นของนักลงทุนในดัชนีตลาดหลักทรัพย์อุตสาหกรรมดาวโจนส์ ในช่วงที่เกิดเหตุการณ์ความไม่แน่นอนอย่าง เหตุการณ์สงครามการค้าสหรัฐ-จีน โดยแบ่งการเก็บข้อมูลออกเป็น 2 ช่วงเวลาคือวันที่ 10-14 กันยายน พ.ศ.2561 (ช่วงเวลาปกติ) กับวันที่ 17-21 กันยายน พ.ศ.2561 (ช่วงเวลาไม่ปกติ) ซึ่งเป็นช่วงเวลาที่มีการพูดถึงสงครามการค้าสหรัฐอเมริกา-จีนเป็นจำนวนมากเปรียบเทียบกัน ผู้วิจัยจึงได้สร้างตัวแปรขึ้นมาใหม่จากข้อมูลในทวิตเตอร์ (Twitter data) ที่มีการเก็บข้อมูลรายชั่วโมงตั้งแต่เวลา 9.30-16.30 EST และทำการกรองข้อมูลผ่าน 5 hashtag (#) บน Twitter API ณ ช่วงเวลานั้น ได้แก่ตัวแปร Twitter volume จากการรวบรวมข้อความ และ Twitter moods ประกอบด้วย 8 อารมณ์พื้นฐาน ผลการศึกษาพบว่าในช่วงเวลาปกติเราไม่สามารถที่จะใช้ข้อมูลทวิตเตอร์เป็นตัวแทนความเชื่อมั่นของนักลงทุนได้เนื่องจากพบว่าทั้ง Twitter data ไม่มีความสัมพันธ์กันกับตัวชี้วัดของดัชนีตลาดหลักทรัพย์อุตสาหกรรมดาวโจนส์ ในด้านช่วงเวลาไม่ปกติมีความสัมพันธ์อย่างมีนัยสำคัญทางสถิติระหว่าง Twitter data กับตัวชี้วัดของดัชนีตลาดหลักทรัพย์อุตสาหกรรมดาวโจนส์และพบว่าแบบจำลอง MA (1) and GARCH (1,1) - FEAR และ MA(1) and GARCH (1,1) - JOY ให้การประมาณค่าความผันผวนของผลตอบแทนที่แม่นยำมากขึ้นกว่าแบบจำลอง MA(1) and GARCH (1,1) ดั้งเดิม | en_US |
Appears in Collections: | ECON: Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
601631003 ชนม์นิภา จันทร์เอี่ยม.pdf | 5.42 MB | Adobe PDF | View/Open Request a copy |
Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.