Новости

18 сентября в 11.00 состоится защита диссертации В. Баклановой по теме "Моделирование влияния сентимента на биржевые характеристики криптоактивов" (Modelling the influence of sentiment on the stock characteristics of cryptoassets).

Соискатель:Бакланова Валерия Сергеевна
Руководитель:Теплова Тамара Викторовна (др. работы под рук-вом)

Диссертационное исследование посвящено анализу влияния метрик сентимента инвесторов на пять биржевых характеристик криптовалюты Bitcoin, а также на суммарный объем дневных продаж NFT-активов. В  работе предложены авторские индексы сентимента RedditSI и NFT Hype Index для рынков Bitcoin и NFT соответственно. Индексы были построены на текстовых данных из социальных сетей с применением методов обработки естественного языка (NLP). RedditSI показал значимое влияние на биржевые характеристики BTC согласно всем рассмотренным методам статистического и событийного анализа, доказав, что может выступать в качестве полноценного индикатора настроений инвесторов на рынке ведущей криптовалюты. NFT Hype Index использовался в качестве одного из признаков при моделировании рынка NFT алгоритмами машинного обучения. Все подходы объяснимого искусственного интеллекта продемонстрировали превосходство NFT Hype Index над другими известными индексами сентимента при прогнозировании объема продаж NFT-токенов. Полученные результаты подтверждают гипотезу о том, что динамика рынков криптоактивов во многом определяется настроениями инвесторов в социальных сетях, выраженных через индексы сентимента.

ТЕКСТ по ссылке  https://www.hse.ru/sci/diss/1011449663

Сотрудница ЦФИАнД Бакланова Валерия представила доклад "RedditSI and NFT Hype Index: is it possible to capture investor sentiment in the crypto markets?" на конференции International Doctoral Forum в Пекине (4-14 июля 2025 г.).
https://www.cufe.edu.cn/info/1186/23932.htm

Работа Т.В. Тепловой и М.С. Файзулина (НИУ ВШЭ) «Decoding Russian Stock Market Trends through Ensemble Methods and Sentiment Analysis of Social Media» была принята к публикации в топовом рецензируемом журнале (1 квартиль Скопус и WoS) Annals of Operations Research. Электронная версия работы ожидается в IV квартале 2025 года.

Исследование посвящено российскому фондовому рынку, влиянию метрик настроений инвесторов, извлечённых из сообщений в российских социальных медиа, на доходности и объёмы торгов акциями. Работа опирается на анализ более 2 млн сообщений пользователей платформ Tinkoff Pulse и MFD, с применением методов машинного обучения и ансамблевых моделей (Stacking), что позволило достичь точности классификации около 62%.

Ключевые результаты показывают, что настроения розничных инвесторов оказывают статистически значимое влияние на доходности и объемы торгов большинства акций.  Сила влияния зависит от ликвидности ценных бумаг и особенностей поведения различных групп участников рынка. Так, молодые инвесторы ориентируются на сигналы Tinkoff Pulse, тогда как более опытные пользователи MFD склонны воспринимать оптимизм как сигнал к продаже акций российских компаний. В статье показано, что важную роль играют авторские индексы внимания и дивергенции мнений, отражающие когнитивные особенности инвесторов. Настроения инвесторов также объясняют изменения в объёмах торгов, особенно при учёте отдельных групп эшелонов акций. Исследование заполняет значимый пробел в понимании психологии розничных инвесторов на российском рынке и имеет практическое значение для инвесторов, регуляторов и разработчиков онлайн‑платформ.

Исследование выполнено при поддержке Программы фундаментальных исследований НИУ ВШЭ.
#Центры_превосходства

Статья сотрудников Центра финансовых исследований и анализа данных ФЭН НИУ ВШЭ  Т.В. Тепловой, М.С. Файзулина и А.В. Куркина «Early Warning System for Russian Stock Market Crises: TCN-LSTM-Attention Model Using Imbalanced Data and Attention Mechanism» принята к публикации в одном из ведущих рецензируемых журналов Socio-Economic Planning Sciences. Исследование посвящено разработке системы раннего предупреждения кризисов на российском рынке акций. Работа имеет высокую практическую значимость для национального финансового сектора: она предлагает действенные инструменты для своевременного выявления рыночных потрясений, что особенно актуально для нестабильной макроэкономической среды. 

Авторы представили гибридную модель TCN-LSTM-Attention, сочетающую методы глубинного обучения и «механизм внимания». Модель эффективно обрабатывает неравномерные данные и достигает точности 78,70% при прогнозе кризисных событий в день наблюдения и 78,85% на следующий торговый день. Использование месячной повторной тренировки и адаптивных временных окон позволило довести точность до 83,87%. Ключевыми факторами, влияющими на предсказания, оказались биржевые индикаторы (аналог технического анализа), капитализация компаний-эмитентов акций и рыночные курсы валют.

Публикация ожидается в электронной версии журнала ориентировочно в четвертом квартале 2025 года.Предварительная версия работы доступна по ссылке: https://www.sciencedirect.com/science/article/pii/S0038012125001417

Исследование выполнено при поддержке #Программы фундаментальных исследований НИУ ВШЭ в рамках проекта #Центры_превосходства