سعید شیپوریان چشم انداز حسابداری و مدیریت 2645-4572 7 98 2025 01 20 Modeling the Impact of Investor Psychology on Stock Price Behavior Using Machine Learning Methods (Case Study in Tehran Stock Exchange) مدلسازی تاثیر روانشناسی سرمایه گذاران بر رفتار قیمتی سهام با استفاده از روش های یادگیری ماشین (مطالعه موردی در بورس اوراق بهادار تهران) 80 93 218158 FA سپیده خلفی استادیار گروه مالی و حسابداری، موسسه آموزش عالی الکترونیکی ایرانیان، تهران، ایران. 0009-0008-6548-6183 میر سجاد مسجد موسوی استادیار گروه مالی و حسابداری، موسسه آموزش عالی الکترونیکی ایرانیان، تهران، ایران. 0009-0004-4891-4933 سید ابوالقاسم سیدی دانشجوی کارشناسی‌ ارشد مدیریت‌ مالی‌، موسسه‌ آموزش عالی الکترونیکی‌ ایرانیان، تهران، ایران. Journal Article 2025 01 18 In today's world, where financial and psychological data are abundantly available (such as social media data, economic and analytical news, and search trends), the use of machine learning methods as a powerful tool for analyzing complex and large data sets seems essential. Machine learning not only has the ability to identify hidden patterns in data, but also can model nonlinear and multidimensional relationships with high accuracy. In financial markets, investor behavior plays a significant role in stock price fluctuations and returns. This study investigates the impact of investor psychology on stock price behavior in the Tehran Stock Exchange using machine learning methods. For modeling purposes, the market sentiment index was extracted based on historical data from social networks, trading volume, and changes in the total index. Then, using machine learning algorithms such as random forest, support vector machine, and artificial neural networks, the impact of sentiment on stock volatility and returns was analyzed. The results show that investor sentiment has a significant impact on stock price behavior and the artificial neural network algorithm is able to predict return changes with higher accuracy than other methods. The findings of this study can help investors make better decisions and improve financial policies. در دنیای امروز که داده‌های مالی و روانشناختی به وفور در دسترس هستند (مانند داده‌های شبکه‌های اجتماعی، اخبار اقتصادی و تحلیلی، و روندهای جستجو)، بهره‌گیری از روش‌های یادگیری ماشین به عنوان ابزاری قدرتمند برای تحلیل داده‌های پیچیده و بزرگ، ضروری به نظر می‌رسد. یادگیری ماشین نه تنها توانایی شناسایی الگوهای پنهان در داده‌ها را دارد، بلکه می‌تواند روابط غیرخطی و چندبعدی را با دقت بالا مدل‌سازی کند. در بازارهای مالی، رفتار سرمایه‌گذاران نقش قابل‌توجهی در نوسانات قیمتی و بازده سهام ایفا می‌کند. پژوهش حاضر به بررسی تأثیر عوامل روانشناسی سرمایه‌گذاران بر رفتار قیمتی سهام در بورس اوراق بهادار تهران با استفاده از روش‌های یادگیری ماشین می‌پردازد. به‌منظور مدل‌سازی، شاخص احساسات بازار بر اساس داده‌های تاریخی از شبکه‌های اجتماعی، حجم معاملات و تغییرات شاخص کل استخراج شده است. سپس با استفاده از الگوریتم‌های یادگیری ماشین از جمله جنگل تصادفی، ماشین بردار پشتیبان و شبکه‌های عصبی مصنوعی، تأثیر احساسات بر نوسانات و بازده سهام تحلیل شده است. نتایج نشان می‌دهد که احساسات سرمایه‌گذاران تأثیر معناداری بر رفتار قیمتی سهام دارند و الگوریتم شبکه‌های عصبی مصنوعی با دقت بالاتری نسبت به سایر روش‌ها قادر به پیش‌بینی تغییرات بازده است. یافته‌های این پژوهش می‌تواند به تصمیم‌گیری بهتر سرمایه‌گذاران و بهبود سیاست‌‌گذاری مالی کمک کند. https://www.jamv.ir/article_218158_70be275bfdff514d896e3ed4490e2fc9.pdf