Trading Twitter ajuda a prever o mercado bolsista

Twitter ajuda a prever o mercado bolsista

É possível usar informação do Twitter para prever e explicar retornos, volatilidade, volume de negócios e índices de opinião no mercado accionista, concluiu um professor da Universidade do Minho, que analisou mais de 31 milhões de” tweets” de três mil empresas dos Estados Unidos.
Twitter ajuda a prever o mercado bolsista
Bloomberg
Rui Neves 10 de maio de 2018 às 17:12

"The impact of microblogging data for stock market prediction: Using Twitter to predict returns, volatility, trading volume and survey sentiment indices" é o título do paper publicado na revista "Expert Systems with Applications" e que deu a Nelson Areal, professor associado da Universidade do Minho (UMinho), o Prémio de investigação da Escola de Economia e Gestão da UMinho de 2018 pela melhor publicação de um cientista desta escola no ano passado.

 

Durante quatro anos, Nelson Areal analisou mais de 31 milhões de "tweets" de três mil empresas dos Estados Unidos, entre 2012 e 2015, que continham a "cashtag" ("hashtag" com o dólar), uma convenção digital que se refere ao mercado de capitais, tendo concluído que é possível usar informação do Twitter para prever e explicar retornos, volatilidade, volume de negócios e índices de opinião no mercado accionista.

 

"A ideia foi encontrar uma métrica para o ‘sentimento’ positivo ou negativo do mercado, a partir dos dados dessa rede social. A pesquisa apresenta vários avanços face a estudos similares, ao focar-se num período longo de tempo, tratar grande quantidade de informação (big data), usar dados diários e técnicas estatísticas robustas, evitando generalizações circunstanciais", explica a UMinho, em comunicado.

Nelson Areal, professor da Universidade do Minho.
Nelson Areal, professor da Universidade do Minho.
Universidade do Minho

 

Este trabalho teve a co-autoria de Paulo Cortez, professor da Escola de Engenharia da UMinho, e de Nuno Oliveira, que foi orientado por ambos na sua tese doutoral no Centro Algoritmi e é, agora, data scientist no CEiiA - Centro de Engenharia e Desenvolvimento de Produto. 

 

Neste trabalho foi usado o software estatístico R, de código aberto. No artigo, explica-se a forma de execução de tarefas como a recolha de "tweets", as acções de pré-processamento, o uso de léxicos de opinião e a aplicação e avaliação de métodos de aprendizagem automática, usando um léxico criado pelos autores.

 

No mesmo comunicado, a UMinho esclarece que a equipa autora do trabalho aplicou esse léxico para texto de microblogues, neste caso o Twitter, relativos a mercados de capitais.

"É o meio ideal para apurar a métrica de sentimento em ‘posts’ de 140 caracteres ou pouco mais, que é uma linguagem muito diferente de outros documentos", justifica Nelson Areal, adiantando que a ferramenta criada permite prever a evolução dos "índices do sentimento" apresentados semanal ou mensalmente pela própria Associação Americana de Investidores Individuais, pela Investors Intelligence e pela empresa Sentix.

 

"Como tratámos grandes volumes de dados diários, é possível de forma fiável, barata, rápida e, sobretudo, automática extrairmos informação que consegue medir o sentimento de determinados agentes que poderá afectar o preço de uma acção, ou a evolução dos mercados, sem sequer lhes perguntarmos", enfatiza Areal.

 

Ressalva: "Não demonstramos que é possível criar uma carteira de acções bolsistas que permita obter uma rendibilidade superior àquilo que seria normal. Isto é, não dizemos que podemos obter ganhos com o uso desta informação no Twitter. Apenas dizemos que pode ser útil para prever o comportamento futuro de algumas variáveis", assinala o também investigador do Núcleo de Investigação e Políticas Económicas e Empresariais (NIPE).

PUB

Conheça mais sobre as soluções de trading online da DeGiro.

DeGiro

Marketing Automation certified by E-GOI