CC BY
62
ВЛИЯНИЕ СОЦИАЛЬНЫХ МЕДИА НА ВОЛАТИЛЬНОСТЬ ЦЕН НА АКЦИИ: СОСТОЯНИЕ ПРОБЛЕМЫ
А. В. Дубко К. Буассье
В статье рассматривается растущий интерес к социальным медиа со стороны инвестиционных фондов. В статье приводятся самые яркие примеры влияния постов в социальных сетях на движение рыночных цен, положившие начало практическому интересу к этой проблеме, а также обзор существующих на сегодняшний день академических исследований. В конце подробно описывается авторская модель факторов, определяющих силу воздействия сообщения.
The paper introduces the growing interest toward social media from investment funds. Article discusses the most vivid examples of social media influence on volatility of stock prices that stimulated the practical interest toward the problem. Also the paper reviews the existing academic researches. In the end it presents the authors' model of the factors, defining the influential power of the message in the social media.
Ключевые слова: социальные медиа, социальные сети, Твиттер, волатильность цен на акции.
Key words: social media, social networks, Twitter, volatility pf stock prices.
За последние 10 лет социальные медиа стали полноправной составляющей жизни. Для поколения 2000-х они стали так же естественны, как машины или горячее водоснабжение. И хотя вначале они воспринимались исключительно как новое развлечение, вскоре, по мере присоединения все новых возрастных и профессиональных групп пользователей, специалисты из самых разных областей раскрыли их потенциал: одной из первых областей стал маркетинг и реклама, затем рекрутинг - в настоящее время привлечение персонала через социальные сети, позволяющий связываться даже с пассивными кандидатами, становится все более популярным. Затем появился целый ряд публикаций, посвященных роли социальных медиа в распространении и координации протестных движений. (Gonzalez-Bailon et al., 2011). Теперь настала очередь экономики. Критическим условием для распространения влияния через социальные медиа является число вовлеченных пользователей. Как только число профессиональных инвесторов, трейдеров и экономистов, которые на регулярной основе стали взаимодействовать через социальные сети, стало достаточным, их посты в социальных медиа стали влиять на рынок. Как обнаружили в Colt Technology Services, в 2013 г. 45 % сотрудников финансовой сферы назвали социальные медиа среди “отстающих” индикаторов и использовали его для подтверждения своих трейдерских решений (Sukumar N., 2013).
Структура социальных медиа, позволяющая сообщению распространяться, подобно вирусу, всего за час, согласуется с давно обсуждаемой в литературе опасностью, которую представляют высокочастотные трейдеры. Они получают микроприбыли за миллисекунды и используют для этого сверхбыстрые и практически автономные системы, которые действуют на основании алгоритмов и не обладают критическим мышлением. Первые замет-
554
ные события, обнаружившие потенциальную угрозу со стороны социальных медиа в отношении финансовой сферы, произошли в 2013 г. Через взломанный аккаунт известного американского издания Associated Press было опули-ковано сообщение о ранении Барака Обамы в результат взрыва в Белом Доме. Сообщение было мгновенно распространено, достигнув 4000 ре-постов. Хотя атака была вскоре обнаружена и заблокирована, трейдерские аналитические системы, сканирующие в том числе и социальные медиа, отреагировали на внезапное увеличение числа негативных сигналов и изменили стратегию, соответственно начав закрывать позиции, что привело к снижению индекса S&P500 на 0,9 % (Matthews C., 2013). Другой яркий пример произошел спустя несколько месяцев, когда известный инвестор Карл Икан написал в своем Твиттере: «В настоящий момент мы занимаем длинную позицию в Apple. Мы полагаем, что компания серьезно недооценена. Говорил с Тимом Куком сегодня. Продолжение следует». После этого вроде бы неформального заявления цена акций Apple выросла с $475.76 до $494.66 только за один час (Pressman A., 2013).
Однако в академической среде исследование этого вопроса появился раньше. В 2011 г. было опубликовано одно из первых исследований, посвященное предсказанию изменений цен на акции на основе твитов простых пользователей. Исходя из предположения, что движения на рынке во многом определяются ожиданиями людей, ученые проанализировали значительный пласт твитов, затем выделили доминирующие ожидания людей и сравнили их с реальными движениями рынка на следующий день. Им удалось обнаружить статистически значимые корреляции (Zhang X. et al., 2011). В том же году Bol-len показал, что общественное настроение, считанное из Твиттера, можно использовать для предсказания промышленного индекс Доу-Джонса (Bollen et al., 2010). В 2014 г. Sul, Dennies, и Yuan собрали все твиты, упоминающие фирмы из S&P500 и предположили, что положительные и отрицательные ожидания и утверждения о той или иной компании статистически значимо коррелируют с доходностью акций этой компании (Sul et al., 2014). Хотя большинство исследователей применяет обобщенный подход: они берут общие данные и уже в них ищут упоминания биржевых тикеров компании, названия, ключевые слова, в 2015 г. появилась одна из первых работ, в качестве исходного материала использующая сообщения самой фирмы для предсказания гомогенных групп акций с похожим изменением доходности (Liu L. et al., 2015).
Но возможен и другой подход - не через анализ массового мнения, но через анализ сообщений ключевых фигур - лидеров мнения, которые и формируют ожидания масс. Как показали реальные примеры, в обоих случаях значительные изменения на рынке были вызваны единичным входящим сигналом, который потом был распространен большим числом людей, но изначальный источник был всего один.
Теперь мы бы хотели кратко рассмотреть основные группы факторов, определяющих силу воздействия сообщения в социальных медиа. В нашей модели мы выделяем три группы факторов: (1) факторы получателя сообщения; (2) свойства технологии; (3) свойства и качества отправителя. Первая группа включает черты личности получателя, которые характеризуют степень
555
его подверженности влиянию социальных медиа. Сюда мы включаем (а) склонность к риску - общую готовность принимать риск и участвовать в деятельности с высоким уровнем неопределенности; (б) готовность доверять - базовый уровень доверия, сформированный в раннем детстве, на основе которого выстраивается доверие в каждом конкретном случае; (в) локус контроля - степень, до которой люди приписывают себе способность контролировать события, происходящие с ними. Поскольку мы наблюдаем, как самые разные люди оказываются втянуты в процесс распространения информации, вероятно, эта группа факторов не самая значимая, когда речь идет о массовых процессах.
Вторая группа относится к технологическим различия социальных медиа. Здесь наиболее важными являются (а) политика безопасности: социальные сети существенно различаются по структуре своей системы безопасности и настройкам приватности. В бизнес-сетях (например, LinkedIn) попытка добавить кого-то в контакт-лист представляет собой сложную процедуру, требующую усилий и максимально ограничивающую любые мошеннические действия. При попытке добавить абсолютного незнакомца инициатору придется столкнуться с рядом проверок на благонадежность задолго до того, как объект его усилий хотя бы узнает о попытках с ним связаться. Напротив, в социальной сети “ВКонтакте” процедура добавления в друзья - это простой выбор между “Добавить/ Оставить в подписчиках”. Выбор зачастую производится импульсивно, под воздействием ситуативных переменных. Различия в структуре приватности и безопасности ведут к различиям в формировании доверия к сообщениям, поступающим через эти сети; (б) доступные инструменты для распространения информации. Например, в некоторых сетях возможно добавление медиа-контента - в других нет; (в) алгоритм распространения информации. Сети различаются по тому, какую информацию они по умолчанию включают в новостную ленту пользователя. Например, новостная лента Фейсбук отражает не только прямые действия контактов - что они написали или добавили себе на страницу, но и все их косвенные действия - что они отметили значком “лайк” или прокомментировали, в то время как ВКонтакте отражаются только прямые действия. Ключевым условием в процессе влияния на доходность акций является скорость. С этой точки зрения наилучшим инструментом является Твиттер. Система ограничивает сообщение 140 символами, форма сообщений единообразна, что облегчает механическую обработку. По мнению некоторых специалистов, Твиттер даже не является в чистом виде социальной сетью, а включается в особый подвид социальных медиа - информационные сети (Ben Parr, 2010), поскольку его основной фокус не на социальных связях - они лишь средство для распространения информации. Поскольку различия в численности пользователей между ведущими сетями несущественны, Твиттер в настоящий момент - лучший инструмент для создания каскадов поведения.
Наконец, третья и возможно самая интересная для нас группа факторов - свойства и качества источника - отправителя. (а) Проверяемость и достоверность источника. В примере выше Associated Press (AP) был надежным источником, чьи новости, пусть и настолько невероятные, поначалу воспринимались с доверием. (б) Свойства самого сообщения - структурные и се-
556
мантические элементы, делающие одно сообщение более привлекательным для распространения, нежели другое (Лепехин Н.Н., Дубко А.В., 2011). (в) Сила воздействия источника, определяемая (1) размером персональной сети; (2) активностью и приверженностью последователей - одного лишь числа контактов недостаточно, для эффективного распространения информации они должны быть активными пользователями и лояльны к инициатору. Иначе сообщение рискует остаться в первом круге контактов, в то время как каскадное поведение образуется только в случае продолжения ре-постов. (3) Плотность сети. Чем ближе и сильнее связи между источником и его контактами, тем вероятнее, что они разделяют схожие интересы и ценности, и соответственно, более вероятно, что они распространят его сообщение. (4) Положение в сети описывает как источник расположен в сети: находится ли он в центре плотно взаимосвязанного кластера или имеет большое число слабых связей, дающих ему доступ к другим плотным сообществам, увеличивая тем самым вероятность, что его сообщение достигнет разных людей. Возвращаясь к примеру с AP, если бы это не был популярный источник, расположенный в центре разнообразной сети связей, такого бы эффекта достичь не удалось, поскольку против хакеров, запустивших сообщение, работало время. Таким образом, только положение в центре разнообразной сети позволила сообщению успеть стать вирусным до контрдействий.
Каково же практическое применение? В теории инвестирования в ценные бумаги различают два вида менеджеров: активные и пассивные. Цель пассивных менеджеров - лишь повторить показатель индекса, в то время как активные целенаправленно выбирают классы активов и ценных бумаг, которые будут включены в портфель. Результат активных менеджеров складывается из двух составляющих. Первая - способность выбрать ценные бумаги, а вторая - способность выбрать подходящий момент, т. е. предугадать поведение рынка и затем изменить подверженность своего портфеля риску, увеличивая или уменьшая его бета-коэффициент.
Альфа-коэффициент, который можно рассматривать, как добавленную стоимость, позволяет оценивать и сравнивать результаты работы менеджеров. Он показывает высокие или низкие результаты по сравнению с базовой линией, которой выступает индекс. Таким образом, у пассивных менеджеров Альфа-коэффициент будет равен 0, в то время как у активных альфа будет отличаться от базы.
Анализ социальных медиа - одно из новейших средств, позволяющее улучшить альфа-коэффициент, поскольку предоставляет менеджерам информацию о непредсказуемых событиях, которые повлияют на поведение рынка, в невероятно короткий срок, до того, как сам рынок отреагирует на них, тем самым повышая их способность предугадывать последующие изменения на рынке.
Поэтому с момента возникновения анализ социальных медиа стал активно применяться и развиваться в инвестиционной отрасли в основном хедж-фондами для улучшения Альфа-коэффициента своих инвестиционных стратегий.
Растущий интерес к данной теме как со стороны ученых, так и со стороны практиков косвенно подтверждает растущую важность этой темы для ин-
557
вестиционной деятельности. Мы полагаем, что тестирование нашей модели поможет обнаружить существующие корреляции между мнением, транслируемым ключевыми фигурами, и движениями цен на акции и даст возможность для более точного прогноза. Это хороший пример устойчивости и глобальности мировых процессов.
Список литературы
Bollen, J., Mao, H., & Zeng, Twitter mood predicts the stock market. Journal of Computational Science, 2(1), 1-8. (2010).
Gonzalez-Bailon, S., Borge-Holthoefer, J., Rivero, A. &Moreno, Y. The Dynamics of Protest Recruitment through an Online Network. Sci. Rep. 1, 197; DOI:10.1038/srep00197 (2011).
Liu L., Wu J., Li P., Li Q. A social-media-based approach to predicting stock comovement / Expert Systems with Applications 42, 3893-3901 (2015) Sul, H. K., Dennies, A. R., & Yuan, L. I. Trading on twitter: The financial information content of emotion in social media. In: Hawaii international conference on system sciences (HICSS) (p. 10). (2014).
Zhang X. Fuehres H., Gloor P. Predicting Stock Market Indicators Through Twitter “I hope it is not as bad as I fear”/ Procedia - Social and Behavioral Sciences 26, 55 - 62 (2011).
Лепехин Н.Н., Дубко А.В. Доверие к виртуальной идентичности в Интернет-среде // Вестн. С.-Петерб. ун-та. Сер. 12. 2011. Вып. 4. С. 145-151.
Matthews C. How Does One Fake Tweet Cause a Stock Market Crash? (2013) // http://business.time.com/2013/04/24/how-does-one-fake-tweet-cause-a-stock-market-crash/ Pressman A. Carl Icahn's Multibillion-Dollar Tweet Boosts Apple Stock (2013) // http://finance.yahoo.com/blogs/the-exchange/carl-icahn-multibillion-dollar-tweet-boosts-apple-stock-205938760. htm l
Sukumar N. Twitter, Facebook Influence Share-Price Moves, Study Says (2013)
http://www.bloomberg.com/news/articles/2013-02-12/twitter-facebook-influence-share-price-
moves-study-says
Parr B. Facebook, Twitter and The Two Branches of Social Media (2010) // http://mashable.com/2010/10/11/facebook-twitter-social/
558
