معامله کردن در بازار بورس یک هنر است. هنر استفاده از اطلاعات درست در زمان مناسب. یک معامله‌گر حرفه‌ای با داشتن اطلاعات مناسب سعی می‌کند آینده را پیش‌بینی کند. هر چقدر که پیش‌بینی شما دقیق‌تر باشد یعنی آینده را بهتر دیده‌اید.
برای مثال اگر شما 10 میلیون تومان پول داشته باشید و بدانید سهمی مثل فولاد در یک هفته 120% رشد می‌کند سود 12 میلیونی شما تضمین شده. حال فردی را در نظر بگیرید که مرتب سهم‌های مختلف را بررسی کرده و با درست دقت مناسبی سهم انتخاب می‌کند.
امّا تحلیل دقیق به این آسانی‌ها هم نیست. تغییرات قیمت سهام شرکت‌ها وابسه به متغیرهای بسیار زیادی است. داشتن استراتژی‌ای که از طریق آن بتوان تمام این متغیرها را دخیل کرد تقریباً ناممکن است.
حتی اگر ما تمام متغیرها را بشناسیم دسترسی به اطلاعات آنها کار آسانی نیست.
امّا ما می‌دانیم که بازار همیشه نگاهی آینده نگر دارد. یعنی بازار منعکس کننده‌ی دیدگاه افراد به آینده‌ی اقتصادی است.
پس درصورتی که ما بتوانیم دیدگاه فعالان را بدانیم و بفهمیم که نسبت به آینده خوشبین یا بدبین هستند می‌توانیم درک مناسبی از چشم انداز بازیگران بازار داشته باشیم.
اینجاست که الگوریتم‌های تحلیل متن و تحلیل سنتیمنت (sentiment analysis) به ما کمک می‌کنند تا توانیم در زمانی کم به نظر افراد در باره‌ی یک سهم یا بازار دسترسی داشته باشیم.
پردازش زبان طبیعی (NLP) روشی است که با استفاده از آن از طریق کامپیوتر محتوای متنی تحلیل می‌شود. نرم‌افزارهای تشخیص صدا، دستیارهای صوتی و تحلیل احساسی از جمله کاربردهای پردازش زبان طبیعی است.
تحلیل احساسی به کمک می‌کند که احساس هر تحلیل و پیام را متوجه شویم و آنرا دسته‌بندی کنیم و از این طریق متوجه شویم که در هر موضوع (یا درباره‌ی هر سهم) وضعیت به چه صورت است.
تعداد زیادی خبر و تحلیل در باره‌ی وضعیت بازار یا شرکت‌ها در طول روز بصورت عمومی منتشر می‌شود. این اطلاعات ممکن است در راستای تشویق افراد به خرید یا فروش یک سهم خاص شد و در قیمت سهام شرکت‌ها هم اثرگذار بگذارند.
بدلیل اینکه این اخبار و تحلیل‌ها حجم بسیار زیادی دارند و ساختار آنها استاندارد بخصوصی ندارد تحلیل متن به ما کمک می‌کند که در زمانی کوتاه حجم زیادی از اطلاعات را تحلیل کنیم.
خروجی تحلیل احساسی قابل اطمینان و بدون انحراف است. این قابل اطمینان بودن از اهمیت بالایی برخوردار است. معمولاً قضاوت افراد ممکن است تحت تاثیر عقایدشان متعصبانه باشد.
امّا هوش مصنوعی چگونه متوجه مثبت یا منفی بودن متن‌ها می‌شود؟
با استفاده از الگوریتم‌هایی که قبلاً با استفاده از حجم بسیار زیادی از اطلاعات و متن بوجود آمده‌اند می‌توان اطلاعات جدید را تحلیل کرد. امّا در زبان فارسی بدلیل ساختارهای ادبی برای بالا بردن دقت نیاز است که به کامپیوتر آموزش داد که چه متن‌هایی مثبت، منفی یا خنثی هستند.
برای اینکار ما در تلبورس بعد از انتخاب کردن الگوریتم مناسب، مثبت، منفی یا خنثی بودن بیش از 10هزار پیام مرتبط با بازار سرمایه را بدون دخالت کامپیوتر دسته‌بندی و به کامپیوتر دادیم. الگوریتم با داشتن این حجم از اطلاعات و یادگیری دسته‌بندی آنها بصورت خودکار ساختار جملات را متوجه شده و می‌تواند با عملکرد بهتری احساس پیام‌ها را تشخیص دهد.
امّا نوع تست این الگوریتم هم کار جالبیست. برای این کار ما تعداد پیام را (مثلاً 300پیام) بصورت فردی از لحاظ احساسی دسته‌بندی می‌کنیم. سپس همین پیام‌ها را به ماشین داده خروجی را با دسته‌بندی انسانی مقایسه می‌کنیم. با توجه به میزان تطبیق می‌توانیم عملکرد الگوریتم را سنجش کنیم.
زمانی که الگوریتم به خوبی ساختار جملات و معانی کلمات را متوجه شود می‌تواند بصورت شگفت‌انگیزی خوب کار کند. برای مثال مفاهیم “افزایش هزینه” و “افزایش درآمد” با اینکه هر دو نشان دهنده‌ی یک رشد هستند ولی یکی منفی و دیگری مثبت است. تشخیص اینگونه کلمات توسط انسان کار راحتی است امّا در صورتیکه الگوریتم به خوبی آموزش ندیده باشد ممکن است هر دو مورد را مثبت تشخیص دهد.
تشخیص روندهای بازار با استفاده از تحلیل شبکه‌های اجتماعی
حالا که ما با استفاده از هوش‌مصنوعی می‌توانیم حجم زیادی از اطلاعات را تحلیل کنیم می‌توانیم برخی از روندهای بازار را تشخیص دهیم. این نوع تحلیل چیزی فراتر از تحلیل تکنیکال و فاندامنتال است.
در بازار روزانه ما شاهد داستان‌ها و مطالبی هستیم که بعضی از آنها بیشتر از بعضی دیگر نشر پیدا می‌کنند. اگر این روندها را شناسایی کرده و آنها را دنبال کنیم می‌توانیم مهمترین عواملی که در روند بازار تاثیر گذارند شناسایی کنیم و از فرصت‌هایی که ایجاد می‌شود استفاده کنیم.
برای مثال به روند تعداد پیام‌هایی که برای سهم نوری (پتروشیمی نوری) بصورت روزانه تولید شده است نگاه کنید:
در این شکل حجم تعداد پیام‌ها در کنار نمودار قیمت نمایش داده شده است. با توجه به این موضوع شاهدیم که با رشد تعداد پیام در سهم روندهای مختلفی در سهم شکل گرفته است.
این موضوع نشان‌دهنده آن است که وقتی تعداد پیام‌ها و تحلیل‌های مربوط به یک سهم بیشتر می‌شود، این سهم توسط افراد بیشتری رصد شده و این رصد نهایتاً می‌تواند به در معاملات و روند آینده سهم تاثیر گذار باشد.
برای بررسی روندها و وضعیت سهم‌ها می‌توانید از داشبورد تلبورس استفاده کنید. تلبورس امکان ردیابی کلمات، هشتگ‌ها و سهم‌ها را در اختیار شما قرار می‌دهد تا بتوانید زودتر از بقیه از روندهای احتمالی بازار و سهم‌ها با خبر شوید.