Շուկայի նարատիվների հասկացում․ նույնականացման և վերլուծության միջդիսցիպլինար մոտեցում
DOI:
https://doi.org/10.46991/SBMP/2025.8.1.017Բանալի բառեր:
շուկայի նարատիվներ, նարատիվային տնտեսագիտություն, վարքային ֆինանսներ, ներդրողների տրամադրություն, բնական լեզվի մշակում (NLP), մեքենայական ուսուցում, նարատիվների նույնականացում, տրամադրության վերլուծությունԱմփոփում
Շուկայի նարատիվները՝ համատեղ կիսվող պատմություններն ու տնտեսական դիսկուրսները, զգալի ազդեցություն ունեն ներդրողների վարքագծի, շուկայի տրամադրության և ակտիվների գնագոյացման դինամիկայի վրա: Նարատիվ տնտեսագիտության գաղափարը, որը առաջադրել է Ռոբերտ Շիլլերը, ընդգծում է այս նարատիվների տարածման և ազդեցության ըմբռնման կարևորությունը, հատկապես մերօրյա թվային դարաշրջանում, որտեղ սոցիալական մեդիան և թվային նորությունները արագորեն տարածում են շուկայի պատմությունները: Չնայած ճանաչված կարևորությանը, շուկայի նարատիվների համակարգված նույնականացումը և վերլուծությունը զգալի մեթոդաբանական մարտահրավերներ են առաջացնում: Նարատիվները բնույթով սուբյեկտիվ են, դինամիկ զարգացող և հաճախ ներդրված մեծ քանակությամբ աղմկոտ տեքստային տվյալների մեջ: Այս բարդությունը դժվարացնում է նարատիվների առաջացման հայտնաբերումը, դրանց ազդեցության չափումը ֆինանսական շուկաների վրա և շուկայի աղմուկից իմաստալից ազդանշանների տարբերակումը: Այս հոդվածը անդրադառնում է շուկայի նարատիվների գիտական նույնականացման և վերլուծության հետ կապված կարևոր մարտահրավերներին: Մենք ուսումնասիրում ենք միջդիսցիպլինար մեթոդաբանություններ՝ ինտեգրելով վարքագծային ֆինանսների, բնական լեզվի մշակման (NLP) և մեքենայական ուսուցման ոլորտների պատկերացումները՝ առաջարկելու ամուր շրջանակներ նարատիվների հայտնաբերման և գնահատման համար: Ուսումնասիրությունը քննադատաբար վերանայում և գնահատում է մեթոդներ, ներառյալ կառուցվածքային վեկտորային ավտոռեգրեսիաները (SVAR) նարատիվային սահմանափակումներով, վերանկարագրման հանքարդյունահանումը, պատմության պատմման ալգորիթմները, նարատիվային քարտեզագրումը, նորությունների կլաստերացումը և տեքստային վերլուծությունը: Օգտագործելով էմպիրիկ դեպքերի ուսումնասիրություններ, հատկապես կենտրոնացած Microsoft Corporation-ի վրա, վերլուծվում է յուրաքանչյուր տեխնիկայի արդյունավետությունը՝ ընդգծելով դրանց համապատասխան ուժեղ և թույլ կողմերը: Մեր հետազոտությունը առաջարկում է հիբրիդ վերլուծական շրջանակ, որը համատեղում է նորությունների կլաստերացումը, նարատիվային քարտեզագրումը և առաջադեմ NLP տեխնիկաները՝ նարատիվային համահունչության բարելավման, թեմատիկ հստակության բարձրացման և արդյունավետ տրամադրության վերլուծության համար: Շուկայի պատմության գիտությունը զարգացնելով՝ այս մոտեցումը ներդրողներին, վերլուծաբաններին և քաղաքականություն մշակողներին տրամադրում է գործնական պատկերացումներ՝ բարելավելով նրանց կարողությունը կանխատեսելու շուկայի փոփոխությունները, կառավարելու ֆինանսական ռիսկերը և պահպանելու շուկայի կայունությունը:
Հղումներ
1. Antolín-Díaz, Juan, and Juan F. Rubio-Ramírez. (2018) Narrative Sign Restrictions for SVARs. American Economic Review 108 (10): 2802–29. https://www.doi.org/10.1257/ aer.20161852
2. Bhargava R., Lou X., Ozik G., Sadka R., Whitmore T. (2023) Quantifying Narratives and their Impact on Financial Markets. Journal of Portfolio Management, 49 (5) 82-95 http://dx.doi.org/10.2139/ssrn.4166640
3. Brian F. K. N., Tanushree M. (2021) Narrative Maps: An Algorithmic Approach to Represent and Extract Information Narratives Proceedings of the ACM on Human-Computer Interaction, Volume 4, Issue CSCW3 Article No.: 228, Pages 1 – 33 https://doi.org/10.1145/3432927
4. Damodaran A. (2017). Narrative and Numbers: The Value of Stories in Business. Columbia University Press. https://doi.org/10.7312/damo18048
5. Deveikyte J., Geman H., Piccari C., Provetti A. (2022) A sentiment analysis approach to the prediction of market volatility. Front. Artif. Intell. 5:836809. https://doi.org/10.3389/frai.2022.836809
6. Fisher W. R. (1984) The Narrative Paradigm: in the Beginning, Journal of Communication, Volume 34, Issue 1, Pages 74–87, https://doi.org/10.1111/j.1460-2466.1984.tb02986.x
7. Goetzmann W. N., Kim D., Shiller R. J., (2022) Crash Narratives. NBER Working Paper No. w 30195, OFR 23-10, https://ssrn.com/abstract=4153089
8. Hayrapetyan D., Melkumyan H (2024). Noisy Trader Behavior in Adaptive Markets: Decision-Making Biases and Modeling Approaches. «Bulletin of Yerevan University G: Economics» Vol. 16, N2 (24), 2024թ., էջ. 57-66 https://doi.org/10.46991/BYSU.G/ 2024.15.2.057
9. James, N., & Menzies, M. (2023). An exploration of the mathematical structure and behavioural biases of 21st century financial crises. Physica A: Statistical Mechanics and its Applications, 630, 129256. https://doi.org/10.1016/j.physa.2023.129256
10. Mangee N. (2021) How Novelty and Narratives Drive the Stock Market: Black Swans, Animal Spirits and Scapegoats. Cambridge: Cambridge University Press.
11. Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge University Press.
12. Parida, L., & Ramakrishnan, N. (2005). Redescription mining: Structure theory and algorithms. In Proceedings of the 20th National Conference on Artificial Intelligence (pp. 837–843). AAAI Press.
13. Roos M., Reccius M. (2023) Narratives in economics. Journal of Economic Surveys,1–39. https://doi.org/10.1111/joes.12576
14. Shiller R. J. (2019) Narrative Economics: How Stories Go Viral and Drive Major Economic Events. Princeton University Press. https://doi.org/10.2307/j.ctvdf0jm5
15. Taffler R. J., Agarwal V., Obring M. (2024) Narrative Emotions and Market Crises, Journal of Behavioral Finance, https://doi.org/10.1080/15427560.2024.2365723
16. Tetlock P. C. (2007) Giving Content to Investor Sentiment: The Role of Media in the Stock Market. Journal of Finance, Forthcoming. http://dx.doi.org/10.2139/ssrn.685145
Ներբեռնումներ
Հրատարակվել է
Թողարկում
Բաժին
Արտոնագհր
Copyright (c) 2025 Davit Hayrapetyan
Այս աշխատանքն արտոնագրված է որպես a Creative Commons Attribution-NonCommercial 4.0 International License.
