ความเชื่อมั่นของตลาดหรือที่รู้จักกันในชื่อความสนใจของนักลงทุนคือทัศนคติโดยทั่วไปของนักลงทุนเกี่ยวกับพัฒนาการของราคา ที่คาดการณ์ไว้ ในตลาด^{[ 1 ]} ทัศนคตินี้เป็นผลรวมของปัจจัย พื้นฐานและทางเทคนิคต่างๆรวมถึงประวัติราคา รายงานทางเศรษฐกิจ ปัจจัยตามฤดูกาล และเหตุการณ์ระดับชาติและระดับโลก หากนักลงทุนคาดหวังว่าราคาหุ้น จะเคลื่อนไหวขึ้น ความเชื่อมั่นนั้นจะเรียกว่าเป็นแบบขาขึ้น (bullish ) ในทางตรงกันข้าม หากความเชื่อมั่นของตลาดเป็นแบบขาลง (bearish ) นักลงทุนส่วนใหญ่คาดหวังว่าราคาจะเคลื่อนไหวลง ผู้เข้าร่วมตลาดที่รักษาความเชื่อมั่นแบบคงที่โดยไม่คำนึงถึงสภาวะตลาด จะถูกเรียกว่าpermabullsและpermabearsตามลำดับ ความเชื่อมั่นของตลาดมักถูกพิจารณาว่าเป็นตัวบ่งชี้แบบสวนทาง: สิ่งที่คนส่วนใหญ่คาดหวังเป็นสิ่งที่ดีที่จะเดิมพันสวนทาง ความเชื่อมั่นของตลาดถูกนำมาใช้เพราะเชื่อว่าเป็นตัวทำนายที่ดีของการเคลื่อนไหวของตลาด โดยเฉพาะอย่างยิ่งเมื่อมันสุดขั้วมากขึ้น^{[ 2 ]}ความเชื่อมั่นแบบขาลงอย่างมากมักตามมาด้วยตลาดที่ปรับตัวขึ้นมากกว่าปกติ และในทางกลับกัน^{[ 3 ]}ตลาดกระทิงหมายถึงช่วงเวลาต่อเนื่องของการเพิ่มขึ้นของราคาที่เกิดขึ้นจริงหรือที่คาดการณ์ไว้^{[ 4 ]}ในขณะที่ตลาดหมีใช้เพื่ออธิบายเมื่อดัชนีหรือหุ้นลดลง 20% หรือมากกว่าจากจุดสูงสุดล่าสุดเป็นระยะเวลานาน^{[ 5 ]}

ความเชื่อมั่นของตลาดได้รับการตรวจสอบด้วยวิธีการทางเทคนิคและสถิติที่หลากหลาย เช่น จำนวนหุ้นที่ราคาเพิ่มขึ้นเทียบกับหุ้นที่ราคาลดลง และการเปรียบเทียบราคาสูงสุดใหม่กับราคาต่ำสุดใหม่ ส่วนใหญ่ของการเคลื่อนไหวโดยรวมของหุ้นแต่ละตัวนั้นเกิดจากความเชื่อมั่นของตลาด^{[ 6 ]}การแสดงให้เห็นสถานการณ์ของตลาดหุ้นมักถูกอธิบายว่าเรือทุกลำลอยหรือจมไปตามกระแสน้ำในวลีที่นิยมในวอลล์สตรีทว่า " แนวโน้มคือเพื่อนของคุณ " ในทศวรรษที่ผ่านมา นักลงทุนยังใช้การวิเคราะห์ข่าว เพื่อวัดความเชื่อมั่นของตลาด ซึ่งรวมถึงการวิเคราะห์ความรู้สึกจากเรื่องราวเกี่ยวกับบริษัทและภาคส่วนต่างๆ

งานวิจัยทางวิทยาศาสตร์กลุ่มหนึ่งเชื่อมโยงผลลัพธ์จากการเงินเชิงพฤติกรรมการเปลี่ยนแปลงความสนใจของนักลงทุนในตลาดการเงิน และหลักการพื้นฐานของการกำหนดราคาสินทรัพย์ได้แก่ Barberis et al. (1998), ^{[ 7 ]} Barberis & Thaler (2003), ^{[ 8 ]}และ Baker & Wurgler (2007) ^{[ 9 ]}ผู้เขียนโต้แย้งว่ารูปแบบพฤติกรรมของนักลงทุนรายย่อยมีผลกระทบอย่างมากต่อผลตอบแทนของตลาด ปัจจุบันงานวิจัยทางวิทยาศาสตร์รู้จัก วิธีการวัดความสนใจของนักลงทุนอย่างน้อย5 วิธีหลัก ได้แก่ การวัดตามตลาดการเงิน ดัชนีความรู้สึกจากการสำรวจ ข้อมูลความรู้สึกจากแหล่งข้อมูลออนไลน์เฉพาะทาง พฤติกรรมการค้นหาทางอินเทอร์เน็ต และปัจจัยที่ไม่ใช่เศรษฐกิจ

ตามแนวทางแรกความสนใจของนักลงทุนสามารถประมาณได้ด้วยมาตรการเฉพาะที่อิงตามตลาดการเงินตามที่ Gervais et al. (2001) ^{[ 10 ]}และ Hou et al. (2009) ^{[ 11 ]}ปริมาณการซื้อขาย เป็นตัวแทนที่ดีสำหรับความเชื่อมั่นของนักลงทุน ปริมาณการซื้อขายสูง (ต่ำ) ในหุ้นใดหุ้นหนึ่งนำไปสู่การเพิ่มขึ้น (ลดลง) ของราคา นอกจากนี้ยังมีการรายงานว่า ผลตอบแทนรายวันที่สูงมากดึงดูดความสนใจของนักลงทุน (Barber & Odean (2008) ^{[ 12 ]}นักลงทุนที่ซื้อขายตามสัญญาณรบกวนมักจะซื้อ (ขาย) หุ้นที่มีผลตอบแทนสูง (ต่ำ) Whaley (2001) ^{[ 13 ]}และ Baker & Wurgler (2007) ^{[ 9 ]}แนะนำ ดัชนีความผันผวนของ ตลาด Chicago Board Options Exchange (CBOE) ( VIX ) เป็นมาตรการความเชื่อมั่นของตลาดทางเลือก Credit Suisse Fear Barometer (CSFB) อิงตามราคาของคอลลาร์ แบบไม่มีเบี้ยประกัน ที่หมดอายุในสามเดือน ดัชนีนี้บางครั้งใช้เป็นทางเลือกแทนดัชนี VIX ^{[ 14 ]}ตัวชี้วัดความเชื่อมั่นของตลาด Acertus (AMSI) ประกอบด้วยตัวแปรห้าตัว (เรียงลำดับตามน้ำหนักจากมากไปน้อยในตัวชี้วัด): อัตราส่วนราคาต่อกำไร (การวัดมูลค่าตลาดหุ้น); โมเมนตัม ราคา (การวัดจิตวิทยาตลาด); ความผันผวนที่เกิดขึ้นจริง (การวัดความเสี่ยงทางประวัติศาสตร์ล่าสุด); ผลตอบแทนพันธบัตรผลตอบแทนสูง (การวัดความเสี่ยงด้านเครดิต); และสเปรด TED (การวัดความเสี่ยงทางการเงิน เชิงระบบ ) ปัจจัยแต่ละอย่างเหล่านี้ให้การวัดความเชื่อมั่นของตลาดผ่านมุมมองที่เป็นเอกลักษณ์ และเมื่อรวมกันแล้วอาจให้ตัวชี้วัดความเชื่อมั่นของตลาดที่แข็งแกร่งยิ่งขึ้น^{[ 15 ]} ส่วนลด ของกองทุนปิด (กรณีที่มูลค่าสินทรัพย์สุทธิของกองทุนรวมไม่เท่ากับราคาตลาด) ได้รับการรายงานว่าเป็นมาตรการที่เป็นไปได้ของความสนใจของนักลงทุน (Zweig (1973) ^{[ 16 ]}และ Lee et al. (1991) ^{[ 17 ]} )

การศึกษาชี้ให้เห็นว่าการเปลี่ยนแปลงส่วนลดของกองทุนปิดมีความสัมพันธ์อย่างมากกับความผันผวนของความเชื่อมั่นของนักลงทุน Brown et al. (2003) ^{[ 18 ]}ศึกษา การไหลเวียน ของกองทุนรวม รายวัน ว่าเป็นตัวชี้วัดความสนใจของนักลงทุนได้^{[ 19 ]}ตามที่ Da et al. (2014) ^{[ 14 ]} กล่าวไว้ ว่า "...นักลงทุนรายบุคคลจะเปลี่ยนจากกองทุนหุ้นไปเป็นกองทุนพันธบัตรเมื่อความเชื่อมั่นเชิงลบสูง" เบี้ย ประกันเงินปันผล (ความแตกต่างระหว่างอัตราส่วนมูลค่าทางบัญชีต่อมูลค่าตลาดเฉลี่ยของหุ้นที่จ่ายเงินปันผลและหุ้นที่ไม่จ่ายเงินปันผล) อาจเป็นตัวทำนายความเชื่อมั่นของนักลงทุนได้ดี (Baker & Wurgler (2004) ^{[ 20 ]}และ Vieira (2011) ^{[ 21 ]} ) นอกจากนี้ยังมีการรายงานว่าข้อมูลการซื้อขาย ของนักลงทุนรายย่อยสามารถแสดงถึงความสนใจของนักลงทุนได้ (Kumar & Lee (2006) ^{[ 22 ]} ) การศึกษาแสดงให้เห็นว่าธุรกรรมของนักลงทุนรายย่อย "...มีความสัมพันธ์กันอย่างเป็นระบบ กล่าวคือ บุคคลซื้อ (หรือขาย) หุ้นพร้อมกัน" การเสนอขายหุ้นครั้งแรก (IPO) ของบริษัทสร้างข้อมูลจำนวนมากที่อาจใช้เป็นตัวแทนของความเชื่อมั่นของนักลงทุนได้ Ljungqvist et al. (2006) ^{[ 23 ]}และ Baker & Wurgler (2007) ^{[ 9 ]}รายงานว่าผลตอบแทนในวันแรกของการเสนอขายหุ้น IPO และปริมาณการเสนอขายหุ้น IPO เป็นตัวเลือกที่น่าสนใจที่สุดสำหรับการคาดการณ์ความสนใจของนักลงทุนที่มีต่อหุ้นตัวใดตัวหนึ่ง ไม่น่าแปลกใจที่การลงทุนจำนวนมากในการโฆษณาของบริษัทใดบริษัทหนึ่งส่งผลให้นักลงทุนให้ความสนใจหุ้นที่เกี่ยวข้องมากขึ้น (Grullon et al. (2004) ^{[ 24 ]} ) ผู้เขียนใน Chemmanur & Yan (2009) ^{[ 25 ]}ให้หลักฐานว่า "...ปริมาณการโฆษณาที่มากขึ้นมีความสัมพันธ์กับผลตอบแทนของหุ้นที่มากขึ้นในปีที่มีการโฆษณา แต่ผลตอบแทนของหุ้นจะน้อยลงในปีถัดจากปีที่มีการโฆษณา" อัตราส่วนการออกหุ้นต่อการออกหุ้นใหม่ทั้งหมด ข้อมูล การซื้อขายภายในและตัวชี้วัดทางการเงินอื่นๆ ได้รับการรายงานใน Baker & Wurgler (2007) ^{[ 9 ]}ว่ามีประโยชน์ในขั้นตอนการวัดความสนใจของนักลงทุน

มาตรการที่อิงตามตลาดที่กล่าวมาข้างต้นมีข้อเสียที่สำคัญประการหนึ่ง โดยเฉพาะอย่างยิ่ง ตามที่ Da et al. (2014) กล่าวไว้ว่า: ^{[ 14 ]} "แม้ว่ามาตรการที่อิงตามตลาดจะมีข้อดีคือพร้อมใช้งานในความถี่ที่ค่อนข้างสูง แต่ก็มีข้อเสียคือเป็นผลลัพธ์สมดุลของแรงทางเศรษฐกิจหลายอย่างนอกเหนือจากความรู้สึกของนักลงทุน" กล่าวอีกนัยหนึ่งคือ เราไม่สามารถแน่ใจได้เลยว่าตัวชี้วัดที่อิงตามตลาดตัวใดตัวหนึ่งนั้นได้รับแรงผลักดันจากความสนใจของนักลงทุน นอกจากนี้ ตัวชี้วัดบางตัวอาจทำงานแบบตามวัฏจักรเศรษฐกิจ ตัวอย่างเช่นปริมาณการซื้อขาย ที่สูง สามารถดึงดูดความสนใจของนักลงทุนได้ ส่งผลให้ปริมาณการซื้อขายเพิ่มสูงขึ้นไปอีก ซึ่งจะนำไปสู่ความสนใจของนักลงทุนที่มากขึ้นไปอีก โดยรวมแล้ว ตัวชี้วัดที่อิงตามตลาดมีบทบาทสำคัญมากในการวัดความสนใจของนักลงทุน อย่างไรก็ตาม นักลงทุนควรพยายามตรวจสอบให้แน่ใจเสมอว่าไม่มีตัวแปรอื่นใดที่สามารถขับเคลื่อนผลลัพธ์ได้

วิธีที่สองในการใช้เป็นตัวแทนความสนใจของนักลงทุนคือการใช้ดัชนีความรู้สึกที่อิงตามแบบสำรวจดัชนีที่เป็นที่รู้จักมากที่สุด ได้แก่ดัชนีความรู้สึกของผู้บริโภคของมหาวิทยาลัยมิชิแกนดัชนีความเชื่อมั่นผู้บริโภคของ The Conference Boardและดัชนีการมองโลกในแง่ดีของนักลงทุนของ UBS/Gallup ดัชนีความรู้สึกของผู้บริโภคของมหาวิทยาลัยมิชิแกนนั้นอิงจากการสัมภาษณ์ทางโทรศัพท์อย่างน้อย 500 ครั้ง แบบสำรวจประกอบด้วยคำถามหลัก 50 ข้อ^{[ 26 ]}ดัชนีความเชื่อมั่นผู้บริโภคมีผู้ตอบแบบสอบถามมากกว่า 10 เท่า (5,000 ครัวเรือน) อย่างไรก็ตาม แบบสำรวจประกอบด้วยคำถามหลักเพียง 5 ข้อเกี่ยวกับสภาพธุรกิจ การจ้างงาน และรายได้ คำถามเหล่านี้สามารถตอบได้เพียง 3 ตัวเลือก คือ "เชิงบวก" "เชิงลบ" หรือ "เป็นกลาง" ^{[ 27 ]}ตัวอย่างครัวเรือน 1,000 ครัวเรือนที่มีการลงทุนรวมเท่ากับหรือสูงกว่า 10,000 ดอลลาร์จะถูกสัมภาษณ์เพื่อสร้างดัชนีการมองโลกในแง่ดีของนักลงทุนของ UBS/Gallup ^{[ 28 ]}ดัชนีความรู้สึกที่กล่าวถึงข้างต้นซึ่งอิงตามแบบสำรวจนั้นได้รับการรายงานว่าเป็นตัวทำนายที่ดีสำหรับตัวชี้วัดตลาดการเงิน (Brown & Cliff (2005) ^{[ 29 ]} ) อย่างไรก็ตาม ตามที่ Da et al. (2014) ^{[ 14 ]} ระบุว่า การใช้ดัชนีความรู้สึกดังกล่าวอาจมีข้อจำกัดที่สำคัญ ประการแรก ชุดข้อมูลส่วนใหญ่ที่อิงตามแบบสำรวจนั้นมีให้ใช้งานในความถี่รายสัปดาห์หรือรายเดือน ในขณะเดียวกัน มาตรวัดความรู้สึกทางเลือกส่วนใหญ่มีให้ใช้งานในความถี่รายวัน ประการที่สอง ผู้ตอบแบบสอบถามมีแรงจูงใจน้อยที่จะตอบคำถามในแบบสำรวจดังกล่าวอย่างระมัดระวังและตรงไปตรงมา (Singer (2002) ^{[ 30 ]} ) โดยสรุปแล้ว ดัชนีความรู้สึกที่อิงตามแบบสำรวจอาจเป็นประโยชน์ในการทำนายตัวชี้วัดทางการเงิน อย่างไรก็ตาม การใช้ดัชนีดังกล่าวมีข้อเสียเฉพาะและอาจมีข้อจำกัดในบางกรณี

ภายใต้ทิศทางที่สามนักวิจัยเสนอให้ใช้ อัลกอริทึม การขุดข้อความและการวิเคราะห์ความรู้สึกเพื่อดึงข้อมูลเกี่ยวกับอารมณ์ของนักลงทุนจากเครือข่ายสังคม แพลตฟอร์มสื่อ บล็อก บทความในหนังสือพิมพ์ และแหล่งข้อมูลข้อความอื่นๆ ที่เกี่ยวข้อง (บางครั้งเรียกว่าการวิเคราะห์ข่าว ) งานวิจัยหลายชิ้น (Barber & Odean (2008), ^{[ 12 ]} Dougal et al. (2012), ^{[ 31 ]}และ Ahern & Sosyura (2015) ^{[ 32 ]} ) รายงานว่าบทความทางการเงินและข่าวที่น่าตื่นเต้นมีอิทธิพลอย่างมากต่อพฤติกรรมของราคาหุ้น นอกจากนี้ยังไม่น่าแปลกใจที่แหล่งข่าวที่เป็นที่นิยม เช่นWall Street Journal , New York TimesหรือFinancial Timesมีอิทธิพลอย่างมากต่อตลาด ความรุนแรงของผลกระทบอาจแตกต่างกันไปในแต่ละคอลัมนิสต์ แม้แต่ภายในวารสารเดียวกัน (Dougal et al. (2012) ^{[ 31 ]} ) Tetlock (2007) ^{[ 33 ]}เสนอการวัดอารมณ์ของนักลงทุนที่ประสบความสำเร็จโดยการนับจำนวนคำ "เชิงลบ" ในคอลัมน์ยอดนิยมของ Wall Street Journal เรื่อง "Abreast of the market" Zhang et al. (2011) ^{[ 34 ]}และ Bollen et al. (2011) ^{[ 35 ]}รายงานว่าTwitterเป็นแหล่งข้อมูลอารมณ์ที่สำคัญอย่างยิ่ง ซึ่งช่วยในการทำนายราคาหุ้นและความผันผวนวิธีปกติในการวิเคราะห์อิทธิพลของข้อมูลจากแพลตฟอร์มไมโครบล็อกต่อพฤติกรรมของราคาหุ้นคือการสร้างดัชนีติดตามอารมณ์พิเศษ

วิธีที่ง่ายที่สุดคือการนับจำนวนคำ "เชิงบวก" และ "เชิงลบ" ในแต่ละทวีตที่เกี่ยวข้อง และสร้างตัวบ่งชี้แบบผสมโดยอิงจากข้อมูลนี้ Nasseri et al. (2014) ^{[ 36 ]}รายงานถึงพลังการทำนายของ ข้อมูล StockTwits (แพลตฟอร์มคล้าย Twitter ที่เชี่ยวชาญในการแลกเปลี่ยนความคิดเห็นที่เกี่ยวข้องกับการซื้อขาย) เกี่ยวกับพฤติกรรมของราคาหุ้น อีกวิธีหนึ่ง แต่ต้องใช้ความพยายามมากกว่า คือการจ้างผู้เชี่ยวชาญมาติดป้ายกำกับทวีตจำนวนมากด้วยการเคลื่อนไหวของหุ้นที่คาดการณ์ไว้ จากนั้นสร้างแบบจำลองการเรียนรู้ของเครื่องเพื่อการทำนาย การประยุกต์ใช้วิธีการศึกษาเหตุการณ์กับอารมณ์ของ Twitter แสดงให้เห็นความสัมพันธ์ที่สำคัญกับผลตอบแทนที่ผิดปกติสะสม (Sprenger et al. (2014), ^{[ 37 ]} Ranco et al. (2015) , ^{[ 38 ]} Gabrovšek et al. (2017) ^{[ 39 ]} ) Karabulut (2013) ^{[ 40 ]}รายงานว่าFacebookเป็นแหล่งข้อมูลที่ดีเกี่ยวกับอารมณ์ของนักลงทุน โดยรวมแล้ว เครือข่ายสังคมออนไลน์ยอดนิยม แพลตฟอร์มสื่อที่เกี่ยวข้องกับการเงิน นิตยสาร และวารสารต่างๆ สามารถเป็นแหล่งข้อมูลที่มีค่าเกี่ยวกับอารมณ์ความรู้สึก ซึ่งสรุปไว้ใน Peterson (2016) ^{[ 41 ]}อย่างไรก็ตาม สิ่งสำคัญที่ควรทราบคือ การรวบรวมข้อมูลประเภทนี้ค่อนข้างยาก (ในกรณีส่วนใหญ่ นักวิจัยจำเป็นต้องใช้ซอฟต์แวร์พิเศษ) นอกจากนี้ การวิเคราะห์ข้อมูลดังกล่าวยังอาจต้องใช้ความรู้ด้านการเรียนรู้ของเครื่องจักรเชิง ลึก และการขุดข้อมูล (Hotho et al. (2005) ^{[ 42 ]} )

แนวทางที่สี่คือแหล่งข้อมูลสำคัญเกี่ยวกับความสนใจของนักลงทุน ซึ่งก็คือพฤติกรรมการค้นหาข้อมูลทางอินเทอร์เน็ตของครัวเรือนแนวทางนี้ได้รับการสนับสนุนจากผลลัพธ์ของ Simon (1955) ^{[ 43 ]}ซึ่งสรุปว่าผู้คนเริ่มต้นกระบวนการตัดสินใจโดยการรวบรวมข้อมูลที่เกี่ยวข้อง ข้อมูลปริมาณการค้นหาที่เปิดเผยต่อสาธารณะสำหรับบริการค้นหาข้อมูลทางอินเทอร์เน็ตส่วนใหญ่เริ่มต้นตั้งแต่ปี 2004 ตั้งแต่นั้นมา ผู้เขียนหลายคนได้แสดงให้เห็นถึงประโยชน์ของข้อมูลดังกล่าวในการคาดการณ์ความสนใจของนักลงทุนและผลตอบแทนของตลาด (Da et al. (2014) ^{[ 14 ]} Preis et al. (2013) ^{[ 44 ]}และ Curme et al. (2014) ^{[ 45 ]} ) การศึกษาส่วนใหญ่ใช้ บริการ Google Trends (GT) เพื่อดึงข้อมูลปริมาณการค้นหาและตรวจสอบความสนใจของนักลงทุน ประโยชน์ของข้อมูลการค้นหาทางอินเทอร์เน็ตยังได้รับการพิสูจน์แล้วจาก ข้อมูล ของ Yahoo! Corporation (Bordino et al. (2012) ^{[ 46 ]} ) การประยุกต์ใช้ข้อมูลการค้นหาทางอินเทอร์เน็ตให้ผลลัพธ์ที่น่าสนใจในการแก้ปัญหาทางการเงินต่างๆ ผู้เขียนใน Kristoufek (2013b) ^{[ 47 ]}กล่าวถึงการประยุกต์ใช้ข้อมูล GT ใน ปัญหา การกระจายพอร์ตโฟลิโอขั้นตอนการกระจายที่เสนอในเอกสารนี้ขึ้นอยู่กับสมมติฐานที่ว่าความนิยมของหุ้นเฉพาะในคำค้นหาทางอินเทอร์เน็ตมีความสัมพันธ์กับความเสี่ยงของหุ้นนั้น ผู้เขียนรายงานว่าขั้นตอนการกระจายดังกล่าวช่วยปรับปรุงผลตอบแทนของพอร์ตโฟลิโอได้อย่างมีนัยสำคัญ Da et al. (2014) ^{[ 14 ]}และ Dimpfl & Jank (2015) ^{[ 48 ]}ตรวจสอบพลังการทำนายของข้อมูล GT สำหรับมาตรวัดความผันผวนที่ได้รับความนิยมมากที่สุดสองรายการ ได้แก่ความผันผวนที่เกิดขึ้นจริง (RV) และดัชนีความผันผวนของตลาดรายวันของ CBOE ( VIX ) ทั้งสองการศึกษาได้รายงานความสัมพันธ์เชิงบวกและมีนัยสำคัญระหว่างข้อมูลการค้นหาทางอินเทอร์เน็ตและมาตรวัดความผันผวน Bordino et al. (2012) ^{[ 46 ]}และ Preis et al. (2010) ^{[ 49 ]}เปิดเผยความสามารถของข้อมูลการค้นหาทางอินเทอร์เน็ตในการทำนายปริมาณการซื้อขายในตลาดหุ้นสหรัฐฯ ตามที่ Bordino et al. (2012) กล่าว ไว้ ^{[ 46 ]} "...ปริมาณการสอบถามคาดการณ์จุดสูงสุดของการซื้อขายในหลายกรณีล่วงหน้าหนึ่งวันหรือมากกว่านั้น" นักวิจัยบางคนพบว่าข้อมูล GT มีประโยชน์ในการคาดการณ์ความผันผวนตลาดเงินตราต่างประเทศ (Smith (2012) ^{[ 50 ]} ) บทบาทที่สำคัญยิ่งขึ้นของข้อมูลการค้นหาทางอินเทอร์เน็ตได้รับการยอมรับใน การพยากรณ์ราคา สกุลเงินดิจิทัล (เช่นBitcoin ) (Kristoufek (2013a) ^{[ 51 ]} ) ข้อมูลจาก Google Trends ยังได้รับการรายงานว่าเป็นตัวพยากรณ์ที่ดีสำหรับ การไหลเวียน ของกองทุนรวม รายวัน Da et al. (2014) ^{[ 14 ]}สรุปว่าข้อมูลความรู้สึกประเภทนี้ "...มีพลังในการพยากรณ์ที่เพิ่มขึ้นอย่างมีนัยสำคัญสำหรับนวัตกรรมการไหลเวียนของกองทุนรายวันในอนาคตของทั้งกองทุนหุ้นและกองทุนพันธบัตร" แหล่งข้อมูลการค้นหาทางอินเทอร์เน็ตที่น่าสนใจอีกแหล่งหนึ่งคือจำนวนการเข้าชมหน้า Wikipedia ที่เกี่ยวข้องกับการเงิน (สถิติหน้า Wikipedia ^{[ 52 ]} ) (Moat et al. (2013) ^{[ 53 ]}และ Kristoufek (2013a) ^{[ 51 ]} ) โดยสรุป พฤติกรรมการค้นหาทางอินเทอร์เน็ตของครัวเรือนเป็นตัวแทนที่ค่อนข้างใหม่และมีแนวโน้มที่ดีสำหรับความสนใจของนักลงทุน ข้อมูลความรู้สึกประเภทนี้ไม่จำเป็นต้องใช้ข้อมูลเพิ่มเติมจากแหล่งอื่น และสามารถนำไปใช้ในการศึกษาทางวิทยาศาสตร์ได้อย่างอิสระ

สุดท้ายแหล่งที่มาที่ห้าของความสนใจของนักลงทุนอาจขึ้นอยู่กับปัจจัยที่ไม่ใช่เศรษฐกิจ บางประการ ทุกวันมีเหตุการณ์ที่ไม่ใช่เศรษฐกิจมากมาย (เช่น ข่าว สภาพอากาศ สุขภาพ ฯลฯ) ที่ส่งผลต่ออารมณ์ของเรา ซึ่งส่งผลต่อระดับความไม่ชอบความเสี่ยงและพฤติกรรมการซื้อขายของเรา Edmans et al. (2007) ^{[ 54 ]}กล่าวถึงอิทธิพลของเหตุการณ์กีฬาต่อพฤติกรรมการซื้อขายของนักลงทุน ผู้เขียนรายงานหลักฐานที่ชัดเจนของผลตอบแทนหุ้นที่เป็นลบอย่างผิดปกติหลังจากความสูญเสียในการแข่งขันฟุตบอลรายการใหญ่ ผลกระทบจากความสูญเสียนี้ยังใช้ได้กับการแข่งขันคริกเก็ต รักบี้ และบาสเกตบอลระดับนานาชาติ อย่างไรก็ตาม Abudy, Mugerman และ Shust (2022) ^{[ 55 ]}บันทึกปฏิกิริยาเชิงบวกของตลาดหุ้นหลังจากชัยชนะในการประกวดเพลงยูโรวิชั่น ผลกระทบเชิงบวกนี้ได้รับการบันทึกไว้ในประเทศที่ชนะ ผู้เขียนให้เหตุผลว่าการค้นพบนี้เกิดจากโครงสร้างการแข่งขัน: ต่างจากการแข่งขันกีฬาที่เน้นความพ่ายแพ้ โครงสร้างของการประกวดเพลงยูโรวิชั่นเน้นผู้ชนะ Kaplanski & Levy (2010) ^{[ 56 ]}ศึกษาอิทธิพลของข่าวร้าย (ภัยพิบัติทางการบิน) ต่อราคาหุ้น ผู้เขียนสรุปว่าข่าวร้าย (เช่น เกี่ยวกับภัยพิบัติทางการบิน) อาจทำให้ผลตอบแทนของหุ้นลดลงอย่างมีนัยสำคัญ (โดยเฉพาะหุ้นขนาดเล็กและมีความเสี่ยงสูง) หลักฐานที่ว่าจำนวนนาทีของแสงแดดในแต่ละวันมีอิทธิพลต่อพฤติกรรมของนักลงทุนนั้นปรากฏอยู่ใน Akhtari (2011) ^{[ 57 ]}และ Hirshleifer & Shumway (2003) ^{[ 58 ]}ผู้เขียนสรุปว่า "ผลกระทบของแสงแดด" นั้นมีนัยสำคัญทางสถิติและมีความแข็งแกร่งต่อแบบจำลองที่แตกต่างกัน อิทธิพลของอุณหภูมิที่มีต่อผลตอบแทนของหุ้นนั้นมีการกล่าวถึงใน Cao & Wei (2005) ^{[ 59 ]}

จากผลการศึกษาที่กล่าวถึง มีความสัมพันธ์เชิงลบระหว่างอุณหภูมิและผลตอบแทนของหุ้นในช่วงอุณหภูมิทั้งหมด (กล่าวคือ ผลตอบแทนจะสูงขึ้นเมื่ออากาศเย็น) ความผิดปกติทางอารมณ์ตามฤดูกาล (SAD) ยังเป็นที่ทราบกันดีว่าเป็นตัวทำนายอารมณ์ของนักลงทุน (Kamstra et al. (2003) ^{[ 60 ]} ) นี่เป็นผลลัพธ์ที่คาดหวังได้ เนื่องจาก SAD รวมข้อมูลเกี่ยวกับสภาพอากาศไว้ด้วย นักวิจัยบางคนไปไกลกว่านั้นและเปิดเผยความสัมพันธ์ระหว่างข้างขึ้นข้างแรมและผลตอบแทนของตลาดหุ้น (Yuan et al. (2006) ^{[ 61 ]} ) ตามที่ Dichev & Janes (2001) กล่าวไว้ว่า: ^{[ 62 ]} "...ผลตอบแทนในช่วง 15 วันรอบ ๆ วันขึ้นเดือนใหม่นั้นสูงกว่าผลตอบแทนในช่วง 15 วันรอบ ๆ วันพระจันทร์เต็มดวงประมาณสองเท่า" แม้แต่กิจกรรมทางแม่เหล็กโลกก็มีรายงานว่ามีอิทธิพล (มีความสัมพันธ์เชิงลบ) ต่อผลตอบแทนของหุ้น (C. Robotti (2003) ^{[ 63 ]}โดยสรุป เหตุการณ์ที่ไม่ใช่ทางเศรษฐกิจมีอิทธิพลอย่างมากต่อพฤติกรรมของนักลงทุน นักลงทุนจะคาดหวังผลตอบแทนของตลาดสูงในวันที่แดดจัดแต่เย็นสบาย ประมาณสิบห้าวันรอบดวงจันทร์ใหม่ โดยไม่มีกิจกรรมทางแม่เหล็กโลกที่สำคัญ โดยเฉพาะอย่างยิ่งในวันหลังจากชัยชนะในการแข่งขันกีฬาที่สำคัญ ในกรณีส่วนใหญ่ ข้อมูลดังกล่าวควรได้รับการพิจารณาว่าเป็นข้อมูลเสริมในการวัดความสนใจของนักลงทุน แต่ไม่ใช่ข้อมูลที่เป็นอิสระโดยสมบูรณ์

มีตัวชี้วัดเพิ่มเติมเพื่อวัดความรู้สึกโดยเฉพาะใน ตลาด Forexแม้ว่าตลาด Forex จะกระจายอำนาจ (ไม่ได้ซื้อขายในตลาดกลาง) ^{[ 64 ]}บริษัทโบรกเกอร์ Forex รายย่อยต่างๆ เผยแพร่อัตราส่วนการวางตำแหน่ง (คล้ายกับอัตราส่วน Put/Call) และข้อมูลอื่นๆ เกี่ยวกับพฤติกรรมการซื้อขายของลูกค้าของตนเอง เนื่องจากผู้ค้าสกุลเงินรายย่อยส่วนใหญ่ไม่ประสบความสำเร็จ การวัดความรู้สึกของตลาด Forex จึงมักใช้เป็นตัวชี้วัดแบบสวนทาง^{[ 65 ]}นักวิจัยบางคนรายงานว่าข้อมูลการค้นหาทางอินเทอร์เน็ต (เช่นGoogle Trends ) มีประโยชน์ในการคาดการณ์ความผันผวนในตลาดสกุลเงินต่างประเทศ^{[ 50 ]}มีรายงานว่าข้อมูลการค้นหาทางอินเทอร์เน็ตและข้อมูลการดูหน้า Wikipedia (ที่เกี่ยวข้อง) มีประโยชน์ในการคาดการณ์ราคาสกุลเงินดิจิทัล (เช่นBitcoin ) ^{[ 51 ]}

• ตัวบ่งชี้ความเชื่อมั่นตลาด Acertus (AMSI)
• แนวโน้มตลาด
• จุดเปลี่ยน (ตลาดหุ้น)
• การวิเคราะห์ความรู้สึก
• เศรษฐศาสตร์เชิงพฤติกรรม
• ทฤษฎีพอร์ตโฟลิโอเชิงพฤติกรรม
• กลยุทธ์เชิงพฤติกรรม