Эмоциональная составляющая поведенческих финансов: опыт контент-анализа комментариев российских пользователей финансовых пабликов социальной сети «ВКонтакте»
Линченко А.А.1,2 
, Линченко И.А.3 , Макаров И.Н.3,1
1 Финансовый университет при Правительстве Российской Федерации, Липецкий филиал, Липецк, Россия
2 Липецкий государственный технический университет, Липецк, Россия
3 Финансовый университет при Правительстве Российской Федерации, Москва, Россия
Статья в журнале
Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 16, Номер 10 (Октябрь 2026)
Аннотация:
В статье представлены результаты контент-анализа комментариев российских пользователей финансовых пабликов крупных российских банков и брокерских организаций в социальной сети Вконтакте за период 2013-2026 гг. Статистические данные пабликов финансовых организаций позволили нам сделать вывод о заметном доминировании страниц Сбербанка и Т-банка как в рамках активности пользователей, так и интереса пользователей к информационному контенту. Нами было выявлено, что именно страницы брокеров обнаружили наиболее высокий уровень информационной активности организаций. Применяя методы машинного обучения, мы проанализировали общую динамику сентимента за период 2013 – 2026 гг., которая указала на явное доминирование негативных и нейтральных комментариев, а также позволила говорить о корреляции с динамикой индекса Мосбиржи. При этом пики эмоциональной активности участников совпадали с крупными эпидемиологическими и геополитическими событиями. Частотный анализ лексики комментариев выявил сохраняющееся доминирование консервативной модели финансового поведения, где основным объектом интереса продолжало оставаться обсуждение пластиковых карт, банковских приложений и различных видов счетов клиентов
Ключевые слова: поведенческие финансы, коллективные эмоции, контент-анализ, сентимент-анализ, машинное обучение, частотный анализ, финансовая культура
Финансирование:
Исследование выполнено по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финуниверситета
JEL-классификация: G40, G41, Z13, D91, C88
Источники:
2. Коротких В. В., Филатова В. В., Щепина И. Н. Сентимент корпоративных эмитентов в объяснении различий в доходностях акций на российском рынке // Вестник Воронежского государственного университета. Серия: Экономика и управление. – 2024. – № 3. – c. 19-34.
3. Матевосова А.М. Сентимент-анализ как инструмент исследований в сфере денежно-кредитной политики // Журнал новой экономической ассоциации. – 2026. – № 2. – c. 314-323.
4. Митягина В. А. Интернет-комментарий как коммуникативное действие. / Жанры и типы текста в научном и медийном дискурсе: Межвузовский сборник научных трудов / А. Г. Пастухов (Ред.). - Орлов: Орловский государственный институт искусств и культуры, 2012. – 188–197 c.
5. Теплова Т.В., Соколова Т.В., Файзулин М.С., Куркин А.В. Сентимент инвесторов и аномалии в поведении биржевых характеристик инвестиционных активов. - Москва: ИНФРА-М, 2022. – 199 c.
6. Теплова Т.В., Соколова Т.В., Томтосов А.Ф., Бучко Д.В., Никулин Д.Д. Сентимент частных инвесторов в объяснении различий в биржевых характеристиках акций российского рынка // Журнал новой экономической ассоциации. – 2022. – № 1. – c. 53–84.
7. Саяпин А.В., Ямашкин С.А. Анализ сентимента-финансовых новостных публикаций на русском языке // Современные наукоемкие технологии. – 2025. – № 12. – c. 184–194.
8. Файзулин М.С. Сентимент и стадное поведение частных инвесторов кластерный анализ российского фондового рынка // Финансовый журнал. – 2024. – № 4. – c. 95–113.
9. Adachi Y. Masuda M. Takeda F. Google search intensity and its relationship to the returns and liquidity of Japanese startup stocks // Pacific-Basin Finance Journal. – 2017. – p. 243–257.
10. Bachhav V.A., Sabnis A.A., Dhabale P.V., Ambhore A.R. // International Journal. – 2026. – № 02. – p. 1–9. – url: отсутствует (в исходной записи не указан).
11. Baker M., Wurgler J. // The Journal of Finance. – 2006. – p. 1645–1680. – url: (если ссылка отсутствует, указать её отсутствие).
12. Barber B. M., Odean T., Zhu N. Do retail trades move markets? // The Review of Financial Studies. – 2008. – № 1. – p. 151–186.
13. French D. McKillop D. Stewart E. Personal finance apps and low‐income households // Strategic Change. – 2021. – № 30. – p. 367–375.
14. Giménez-Nadal J.I., Molina J.A., Xiao J.J. // Journal of Behavioral and Experimental Finance. – 2026. – p. 101181. – url: https //doi.org/10.1016/j.jbehav.2026.06.009 (предположительно).
15. Kuo W. Y., Lin T. C., Zhao J. Cognitive limitation and investment performance: Evidence from limit order clustering // The Review of Financial Studies. – 2015. – № 3. – p. 838-875.
16. Liang C., Li Y., Tang L., Wei Y. Which sentiment index is more informative to forecast stock market volatility? Evidence from China // International Review of Financial Analysis. – 2020. – p. 1-11.
17. Nurazi R., Kananlua P.S., Usman B. The effect of Google trend as determinant of return and liquidity in Indonesia stock exchange // Journal Pengurusan. – 2015. – № 45. – p. 131–142.
18. Oliveira N., Cortez P., Areal N. On the predictability of stock market behavior using StockTwits sentiment and posting volume. EPIA 2013: Progress in Artificial Intelligence. – p. 355–365.
19. Pyotrenko Y., Boór M. // Acta Academica. – 2023. – p. 54–68. – url: отсутствует (в записи нет прямого указателя на URL).
20. Perelman M.A. The Neglected Economics of Trust The Bentham Paradox and Its Implications // American Journal of Economics and Sociology. – 2006. – № 57. – p. 381–389.
21. Pixley J. Emotions in Finance: Distrust and Uncertainty in Global Markets. - Cambridge University Press, 2004. – 228 p.
22. Renault T. Intraday online investor sentiment and return patterns in the U.S. stock market // Journal of Banking and Finance. – 2017. – № 84. – p. 25–40.
23. Risk Traditional Finance Versus Behavioral Finance Ricciardi V. Risk: Traditional Finance Versus Behavioral Finance // Handbook of Finance: Vol. 3: Valuation, Financial Modeling, and Quantative tools / Frank J. Fabozzi (ed.). – London: John Wiley & Sons, 2008. – p. 11-38 URL: отсутствует.
24. Ricciardi V., Simon H.K. What is Behavioral Finance? // Business, Education and Technology Journal. – 2000. – p. 1-9.
25. Ritter J.R. Behavioral finance // Pacific-Basin Finance Journal. – 2003. – p. 429–437.
26. Schmeling M. Investor sentiment and stock returns Some international evidence // Journal of Empirical Finance. – 2009. – № 3. – p. 394–408.
27. Sharma D., Kumar A. // International Scientific Journal of Engineering and Management (ISJEM). – 2025. – № 03. – p. 1–9. – url: //.
28. Smales L.A. Investor attention and global market returns during the COVID-19 crisis // International Review of Financial Analysis. – 2021. – p. 101616.
29. Smales L.A. The importance of fear: investor sentiment and stock market returns // Applied Economics. – 2017. – № 34. – p. 3395-3421.
30. Sunstein C.R. Democracy and filtering // Communications of the ACM. – 2004. – № 12. – p. 57–59.
31. Wu D.D., Zheng L., Olson D.L. A decision support approach for online stock forum sentiment analysis // The IEEE Transactions on Systems, Man, And Cybernetics Systems. – 2014. – № 8. – p. 1077–1087.
Страница обновлена: 23.09.2026 в 14:03:32
The emotional component of behavioral finance: a content analysis of comments by Russian users in financial publics on the VKontakte social network
Linchenko A.A., Linchenko I.A., Makarov I.N.Journal paper
Journal of Economics, Entrepreneurship and Law
Volume 16, Number 10 (October 2026)
Abstract:
Thу article presents the results of a content analysis of comments by Russian users in financial publics belonging to major Russian banks and brokerage firms on the VKontakte social network for the period 2013–2026. Statistical data from financial institutions' social media pages allow to conclude that Sberbank and T-Bank clearly dominate in terms of both user activity and interest in informational content. The authors have found that brokerage pages exhibited the highest level of informational activity among these organizations. Using machine learning methods, the authors have analyzed sentiment trends from 2013 to 2026. The results show a clear predominance of negative and neutral comments and suggested a correlation with the MOEX Index. Notably, peaks in user emotional activity coincide with major epidemiological (COVID-19) and geopolitical (the conflict in Ukraine) events. A frequency analysis of the vocabulary used in comments reveals the continued dominance of a conservative model of financial behavior, with discussions centering primarily on bank cards, banking apps, and various types of client accounts.
Keywords: behavioral finance, collective emotions, content analysis, sentiment analysis, machine learning, frequency analysis, financial culture
Funding:
JEL-classification: G40, G41, Z13, D91, C88
References:
Adachi Y. Masuda M. Takeda F. (2017). Google search intensity and its relationship to the returns and liquidity of Japanese startup stocks Pacific-Basin Finance Journal. 46 243–257.
Bachhav V.A., Sabnis A.A., Dhabale P.V., Ambhore A.R. (2026). Stock Market Prediction and Sentiment Analysis International Journal. (02). 1–9.
Baker M., Wurgler J. (2006). Investor sentiment and the cross-section of stock returns The Journal of Finance. 1645–1680.
Barber B. M., Odean T., Zhu N. (2008). Do retail trades move markets? The Review of Financial Studies. 22 (1). 151–186.
Fayzulin M.S. (2024). Sentiment and Herd Behavior of Private Investors: a Cluster Analysis of the Russian Stock Market. The Journal of Finance. 16 (4). 95–113.
French D. McKillop D. Stewart E. (2021). Personal finance apps and low‐income households Strategic Change. (30). 367–375.
Giménez-Nadal J.I., Molina J.A., Xiao J.J. (2026). Emotions related to time use in financial activities Affective patterns in the US Journal of Behavioral and Experimental Finance. 50 101181.
Goretskaya V.A. (2013). Behavioral Finance: Implementation of Prospect Theory in the Process of Making Investment Decisions. Russian entrepreneurship. (13). 104–110.
Korotkikh V. V., Filatova V. V., Schepina I. N. (2024). Corporate Sentiment and Stock Returns: Evidence from Russia. Bulletin of Voronezh State University. Series: Economics and Management. (3). 19-34.
Kuo W. Y., Lin T. C., Zhao J. (2015). Cognitive limitation and investment performance: Evidence from limit order clustering The Review of Financial Studies. 28 (3). 838-875.
Liang C., Li Y., Tang L., Wei Y. (2020). Which sentiment index is more informative to forecast stock market volatility? Evidence from China International Review of Financial Analysis. 71 1-11.
Matevosova A.M. (2026). Sentiment Analysis for Monetary Policy Research. Journal of the New Economic Association. (2). 314-323.
Mityagina V. A. (2012). Online commentary as a communicative action
Nurazi R., Kananlua P.S., Usman B. (2015). The effect of Google trend as determinant of return and liquidity in Indonesia stock exchange Journal Pengurusan. (45). 131–142.
Oliveira N., Cortez P., Areal N. On the predictability of stock market behavior using StockTwits sentiment and posting volume. EPIA 2013: Progress in Artificial Intelligence. – p. 355–365.
Perelman M.A. (2006). The Neglected Economics of Trust The Bentham Paradox and Its Implications American Journal of Economics and Sociology. (57). 381–389.
Pixley J. (2004). Emotions in Finance: Distrust and Uncertainty in Global Markets
Pyotrenko Y., Boór M. (2023). Impact of Sentiment on Households’ Financial Decision Making Acta Academica. 54–68.
Renault T. (2017). Intraday online investor sentiment and return patterns in the U.S. stock market Journal of Banking and Finance. (84). 25–40.
Ricciardi V. Risk: Traditional Finance Versus Behavioral Finance // Handbook of Finance: Vol. 3: Valuation, Financial Modeling, and Quantative tools / Frank J. Fabozzi (ed.). – London: John Wiley & Sons, 2008. – p. 11-38
Ricciardi V., Simon H.K. (2000). What is Behavioral Finance? Business, Education and Technology Journal. 1-9.
Ritter J.R. (2003). Behavioral finance Pacific-Basin Finance Journal. 11 429–437.
Sayapin A.V., Yamashkin S.A. (2025). Sentiment Analysis of Financial News Articles in Russian Language. Modern high-tech technologies. (12). 184–194.
Schmeling M. (2009). Investor sentiment and stock returns Some international evidence Journal of Empirical Finance. 16 (3). 394–408.
Sharma D., Kumar A. (2025). The Impact of Emotional Factors on Household Financial Decision-Making An Exploratory study International Scientific Journal of Engineering and Management (ISJEM). 4 (03). 1–9.
Smales L.A. (2017). The importance of fear: investor sentiment and stock market returns Applied Economics. 49 (34). 3395-3421.
Smales L.A. (2021). Investor attention and global market returns during the COVID-19 crisis International Review of Financial Analysis. 73 101616.
Sunstein C.R. (2004). Democracy and filtering Communications of the ACM. 47 (12). 57–59.
Teplova T.V., Sokolova T.V., Fayzulin M.S., Kurkin A.V. (2022). Investor sentiment and anomalies in the behavior of stock characteristics of investment assets
Teplova T.V., Sokolova T.V., Tomtosov A.F., Buchko D.V., Nikulin D.D. (2022). The Sentiment of Private Investors in Explaining the Differences in the Trade Characteristics of the Russian Market Stocks. Journal of the New Economic Association. (1). 53–84.
Wu D.D., Zheng L., Olson D.L. (2014). A decision support approach for online stock forum sentiment analysis The IEEE Transactions on Systems, Man, And Cybernetics Systems. 44 (8). 1077–1087.