Dissertação

Using Sentiment from Twitter optimized by Genetic Algorithms to Predict the Stock Market EVALUATED

Neste trabalho propomos usar o Twiter para encontrar empresas que sejam boas oportunidades de investimento. Para chegar a esse fim nós construímos um modelo de sentimento usando o texto contido em tweets. Para garantir que o nosso modelo de sentimento contém tweets que foram criados em contextos emocionais diferentes utilizámos hashtags do Twitter. Por exemplo, usámos as hashtags #sad e #happy para obter tweets que foram criados em ambientes emocionais distintos, ou seja, triste e feliz. Para nos certificarmos de que obtivemos tweets de um vasto leque de sentimentos usámos com permissão as emoções apresentadas pelo Circumplex Model of Affect e os seus sinónimos. São essas palavras que foram utilizadas como termos de pesquisa na API do Twitter. Para além de tweets com contexto emocional também fizemos o download de tweets relacionados com empresas. Com os tweets que referem essas empresas e que foram submetidos enquanto o mercado esteve fechado previmos o respectivo contexto emocional usando o modelo de sentimento construído anteriormente. Com as medidas de sentimento para as diferentes empresas criámos uma estratégia de investimento que foi optimizada por um algoritmo genético por forma a maximizar o lucro. As nossas simulações demonstram que é possível criar uma estratégia de investimento lucrativa usando o sentimento recolhido no Twitter. Durante o nosso período de teste (7 de Novembro a 16 de Dezembro de 2016) conseguimos um retorno de investimento de 11% que é superior a qualquer um dos retornos atingidos pelo S&P 500, NASDAQ 100 e DJIA.
análise de sentimento, twitter, recolha de opinião, mercado bolsista

Abril 6, 2017, 15:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Nuno Cavaco Gomes Horta

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar