Online media analysis and financial markets

dc.contributor.advisorEratalay, Hakan, juhendaja
dc.contributor.advisorSharma, Rajesh, juhendaja
dc.contributor.authorLapitskaya, Darya
dc.contributor.otherTartu Ülikool. Sotsiaalteaduste valdkond
dc.date.accessioned2026-02-26T09:01:55Z
dc.date.available2026-02-26T09:01:55Z
dc.date.issued2026-02-26
dc.descriptionDoktoritöö elektrooniline versioon ei sisalda publikatsioone
dc.description.abstractDigimeedial on tänapäeva maailmas teabe levitamisel ülioluline roll ning selle tähtsust globaalses majanduses ja finantsturgudel ei saa alahinnata. On selgelt näha, et digitaalsete meediaplatvormide levik ja populaarsus on oluliselt muutnud inimeste suhtlemis- ja teabejagamise viise. Näiteks kontrollivad erinevate kaupade ostjad enne ostu sooritamist pidevalt veebipõhiseid arvustusi, trende ja mõjutajate (isikud, kes on saavutanud populaarsuse ja maine oma veebipõhise kohaloleku ja aktiivsuse kaudu) arvamusi. Samuti jälgivad professionaalsed aktsia- ja finantsvarade kauplejad regulaarselt digitaalseid meediaplatvorme, et saada värskeimat teavet ja ülevaadet turutrendidest, ning leidub juhtumeid, kus üksainus viraalne postitus või kommentaar näib mõjutavat aktsia või vara hinda juba mõne tunni jooksul pärast selle veebis avaldamist. Seetõttu on oluline mõista, kuidas sellist seost analüüsida ning milliseid tööriistu saab kasutada täpseks analüüsiks. Käesolev doktoritöö on pühendatud uurimisele, kuidas veebiallikate kaudu leviv teave mõjutab ettevõtteid ja tavapärast ostukäitumist. Töös käsitletakse erinevaid meetodeid, sealhulgas ökonomeetrilisi ja masinõppel põhinevaid lähenemisi, et selgitada välja kõige tõhusamad viisid aktsia- ja krüptovaluuta hindade analüüsimiseks. Doktoritöös sisalduvad uuringud analüüsivad digimeedia sentimentide kasutamist finantsprognoosides, kombineerides traditsioonilisi ökonomeetrilisi mudeleid ja kaasaegseid masinõppetehnikaid. Töös kasutatakse mitmesuguseid kvalitatiivseid ja kvantitatiivseid meetodeid, sealhulgas masinõppe regressioone, ökonomeetrilisi mudeleid, sentimentanalüüsi ja küsitlusi. Uurimuses käsitletakse erinevaid hinnanalüüsi meetodeid, tuuakse esile seos digimeedia sentimentide ja aktsiate tootluse vahel ning arutletakse turuanalüüsi kõige täpsemate metoodikate üle. Samuti pakub töö põhjaliku ülevaate digimeedia mõjust tavakasutajatele ja finantsturgudele ning avab uusi võimalusi edasiseks teadustööks. Uurimistulemused näitavad, millist mõju digimeedia finantsturgudele avaldab, ning soovitavad erinevat tüüpi analüüside jaoks kõige sobivamaid tehnikaid.
dc.description.abstract Online media plays a crucial role in the spread of information in the modern world, and its significance in the global economy and the financial market cannot be overlooked. We can observe that the spread and popularity of online media platforms have drastically changed the way people communicate and share information. For example, buyers of various goods constantly check online reviews, trends, and opinions of online media influencers (individuals who have gained their popularity and reputation through their online presence and activity) before completing the purchase. Moreover, professional stock and financial assets traders also regularly check online media platforms for the latest news and market trends, and we can see examples where a single viral post or comment seems to affect a stock or asset price within hours after appearing online. Therefore, it is important to understand how to analyse this correlation and which tools can be used for accurate analysis. This doctoral thesis is dedicated to investigating how information spread through online sources affects companies and the everyday purchasing behaviour of regular buyers. It explores various methods, including econometric and machine learning approaches, to determine the most effective way to analyse the stock and cryptocurrency prices. The studies included in this doctoral thesis analyse the usage of online media sentiment for financial predictions using a combination of traditional econometric models and modern machine learning techniques. In this thesis, various qualitative and quantitative methods are used: machine learning regressions, econometric models, sentiment analysis, and surveys. The thesis investigates different methods for price analysis, highlighting the correlation between online media sentiments and stock returns, and discusses the most accurate methodologies for market analysis. This research also provides a detailed overview of how online media impacts regular users and the financial market and opens up opportunities for future research. The results of the study demonstrate the effect online media tends to have on financial markets and recommend the most suitable techniques for various types of analysis.
dc.description.urihttps://www.ester.ee/record=b6037040
dc.identifier.isbn978-9908-57-143-0
dc.identifier.isbn978-9908-57-144-7 (pdf)
dc.identifier.issn1406-1309
dc.identifier.issn2806-254X (pdf)
dc.identifier.urihttps://hdl.handle.net/10062/119232
dc.language.isoen
dc.publisherTartu Ülikooli Kirjastus
dc.relation.ispartofseriesDissertationes rerum oeconomicarum Universitatis Tartuensis; 93
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Estoniaen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ee/
dc.subjectdoktoritöödet
dc.titleOnline media analysis and financial markets
dc.title.alternativeVeebimeedia analüüs ja finantsturud
dc.typeThesisen

Failid

Originaal pakett

Nüüd näidatakse 1 - 1 1
Laen...
Pisipilt
Nimi:
lapintskaya_darya.pdf
Suurus:
1.42 MB
Formaat:
Adobe Portable Document Format