رسانه‌های اجتماعی و نوسانات سهام ایران‌خودرو

نویسندگان

    حمیدرضا وکیلی * کارشناسی ارشد، گروه مدیریت تکنولوژی گرایش نوآوری تکنولوژی، دانشگاه علم و صنعت، تهران، ایران hamidrezavkili@gmail.com

کلمات کلیدی:

رسانه‌های اجتماعی, بازده سهام, نوسانات سهام, ایران‌خودرو, Google Trends, الگوی NARDL

چکیده

هدف پژوهش حاضر بررسی اثرات نامتقارن مؤلفه‌های مرتبط با رسانه‌های اجتماعی، شامل شدت جست‌وجوی اینترنتی نام ایران‌خودرو، افشای اطلاعات و اخبار قرعه‌کشی محصولات، بر بازده و نوسانات سهام این شرکت در کوتاه‌مدت و بلندمدت بود. این پژوهش با رویکرد کمی و بر اساس داده‌های سری زمانی روزانه طی دوره 30 بهمن 1398 تا 31 فروردین 1402 انجام شد. داده‌های بازده سهام و افشای اطلاعات از سامانه کدال، اطلاعات قرعه‌کشی از وبگاه رسمی ایران‌خودرو و شاخص جست‌وجوی عبارت «ایران‌خودرو» از Google Trends استخراج شد. برای تفکیک آثار افزایشی و کاهشی متغیرها و برآورد روابط کوتاه‌مدت و بلندمدت، از الگوی خودرگرسیونی با وقفه‌های توزیعی غیرخطی استفاده شد. همچنین، آزمون کرانه‌ها برای بررسی وجود رابطه بلندمدت، آزمون‌های تقارن برای ارزیابی تفاوت میان شوک‌های مثبت و منفی و آزمون مجموع تجمعی مجذورات پسماندهای بازگشتی برای سنجش ثبات پارامترها اجرا شد. تحلیل داده‌ها با نرم‌افزارهای Excel و EViews 12 صورت گرفت. وقفه نخست بازده سهام اثر مثبت و معناداری بر بازده جاری داشت. در کوتاه‌مدت، شوک مثبت جست‌وجوی ایران‌خودرو و شوک‌های مثبت و منفی نرخ بازده، بازده سهام را افزایش دادند؛ درحالی‌که شوک منفی جست‌وجو و شوک‌های مثبت و منفی افشای اطلاعات، اثر منفی داشتند. شوک مثبت قرعه‌کشی بازده را کاهش داد، اما وقفه نخست شوک منفی قرعه‌کشی موجب افزایش بازده شد. آماره آزمون کرانه‌ها برابر با 10.12753 بود و وجود رابطه بلندمدت را تأیید کرد. در بلندمدت، شوک مثبت جست‌وجو، شوک‌های مثبت و منفی نرخ بازده و شوک منفی قرعه‌کشی اثر مثبت داشتند؛ در مقابل، شوک منفی جست‌وجو، شوک مثبت قرعه‌کشی و هر دو شوک افشای اطلاعات اثر منفی نشان دادند. آزمون‌های تقارن نیز وجود عدم تقارن معنادار در روابط کوتاه‌مدت و بلندمدت را تأیید کردند. واکنش بازده سهام ایران‌خودرو به اطلاعات منتشرشده در فضای مجازی، افشای اطلاعات و اخبار قرعه‌کشی، خطی و متقارن نیست و جهت شوک اطلاعاتی در شدت و جهت واکنش بازار نقش تعیین‌کننده دارد. بنابراین، رصد شاخص‌های جست‌وجوی اینترنتی و مدیریت به‌موقع، دقیق و شفاف انتشار اطلاعات می‌تواند به بهبود تصمیم‌گیری سرمایه‌گذاران و کاهش عدم‌اطمینان بازار کمک کند.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Barzegari Khanqah, J., Hejazi, R., & Rezazadeh, F. (2016). The effect of media coverage on investors' decision-making in the stock market. Financial Accounting and Auditing Research, 9(33), 107-124.

Bikhchandani, S., & Sharma, S. (2000). Herd behavior in financial markets. IMF Staff Papers, 279-310.

Bloom, N. (2009). The impact of uncertainty shocks. Econometrica, 77(3), 623-685.

Bloom, N., Bond, S., & Van Reenen, J. (2007). Uncertainty and investment dynamics. Review of Economic Studies, 74, 391-415.

Bollen, J., Mao, H., & Zeng, X. J. (2011). Twitter mood predicts the stock market. Journal of Computational Science, 2, 1-8.

Chevalier, J. A., & Mayzlin, D. (2006). The effect of word of mouth on sales: Online book reviews. Journal of Marketing Research, 43, 345-354.

Day, G. S. (2011). Closing the marketing capabilities gap. Journal of Marketing, 75(July), 183-195.

Geva, T., & Zahavi, J. (2014). Empirical evaluation of an automated intraday stock recommendation system incorporating both market data and textual news. Decision Support Systems, 57, 212-223.

Hirshleifer, D., & Hong Teoh, S. (2003). Herd behaviour and cascading in capital markets: A review and synthesis. European Financial Management, 9(1), 25-66.

Hull, J. (2018). Risk Management and Financial Institutions (5th ed.).

Leahy, J. V., & Whited, T. M. (1996). The effect of uncertainty on investment: Some stylized facts. Journal of Money, Credit and Banking, 28(1).

Luo, X. (2009). Quantifying the long-term impact of negative word of mouth on cash flows and stock prices. Marketing Science, 28(1), 148-165.

Merilkas, A., & Prasad, D. (2003). Factors influencing Greek investor behavior on the Athens Stock Exchange. Annual Meeting of Academy of Financial Services, Colorado.

Moe, W. W., & Trusov, M. (2011). The value of social dynamics in online product ratings forums. Journal of Marketing Research, 48(June), 444-456.

Moradi, M., & Marandi, Z. (2018). Examining the relationship between media consumption and investment in financial assets. Media, 29(4).

Nazari, M., Mohseni, S. M., Aghili, S. V., & Sharifi, M. (2017). Designing a model for investment development in the stock exchange with emphasis on the central role of domestic television networks. Investment Knowledge, 7(28).

Neubeck, K. J., & Glasberg, D. S. (2004). Sociology: Diversity, conflict, and change. Recording for the Blind & Dyslexic.

Pesaran, M. H., Shin, Y., & Smith, R. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16, 289-326.

Raei, R., Hosseini, S. F., & Kiani Harchgani, M. (2016). Examining the ability of social network users' opinions to predict stock direction and prices in the Tehran Stock Exchange. Investment Knowledge, 5(19).

Raymond, S. (2011). Media coverage of corporate governance scandals and stock market.

Shepard, J. M. (2012). Cengage Advantage Books: Sociology. Cengage Learning.

Shin, J. I., Chung, K. H., Oh, J. S., & Lee, C. W. (2013). The effect of site quality on repurchase intention in internet shopping through mediating variables: The case of university students in South Korea. International Journal of Information Management, 33(3), 453-463.

Taghizadeh, H., & Shokri, A. (2015a). The relationships among agility empowerers from the viewpoint of gaining competitive advantage. International Journal of Trade and Global Markets, 8(3), 253-265.

Taghizadeh, H., & Shokri, A. (2015b). The study of knowledge management infrastructures in Islamic Azad University from faculty members' point of view: Case study. Asian Social Science, 11(25), 39.

Tehrani, R., Talebnia, G., & Jalili, S. (2007). Evaluating the extent to which traders in the Tehran Stock Exchange rely on accounting and non-accounting information in investment decisions. Financial Research(21), 27-46.

Tirunillai, S., & Tellis, G. J. (2012). Does chatter really matter? Dynamics of user-generated content and stock performance. Marketing Science, 31(2), 198-215.

Van Dieijen, M., Borah, A., Tellis, G. J., & Franses, P. H. (2018). Big data analysis of volatility spillovers of brands across social media and stock markets. Elsevier.

Van Dieijen, M., Borah, A., Tellis, G. J., & Franses, P. H. (2020). Big data analysis of volatility spillovers of brands across social media and stock markets. Industrial Marketing Management, 88(3), 465-484.

دانلود

چاپ شده

۱۴۰۲/۰۳/۰۱

ارسال

۱۴۰۱/۱۰/۰۱

بازنگری

۱۴۰۲/۰۲/۰۸

پذیرش

۱۴۰۲/۰۲/۱۶

شماره

نوع مقاله

مقالات

ارجاع به مقاله

وکیلی ح. (1402). رسانه‌های اجتماعی و نوسانات سهام ایران‌خودرو. مدیریت پویا و تحلیل کسب و کار، 2(1)، 169-181. https://dmbaj.org/index.php/dmba/article/view/414

مقالات مشابه

11-20 از 324

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.