Aandelenkoersen voorspellen met big data-analyse van tweets

Een onderzoek van professor Ting Li en dr. Jan van Dalen van Rotterdam School of Management, Erasmus University (RSM) toont aan dat een big data-analyse van tweets gebruikt kan worden om ontwikkelingen op de aandelenmarkt op de korte en lange termijn te voorspellen. Deze ontdekking kan beleggers helpen betere beslissingen te nemen.
 
Aandelenkoersen reageren altijd snel op nieuwe informatie over bedrijven, politieke gebeurtenissen of de economie in het algemeen, zegt professor Ting Li. Die informatie hoeft niet noodzakelijkerwijs waar te zijn. Zo werd er in 2013 via het gehackte Twitteraccount van Associated Press een tweet verstuurd waarin gemeld werd dat Obama gewond zou zijn geraakt bij een explosie. Binnen een paar seconden verloren de aandelenbeurzen 136 miljard dollar.
 
En dit was nog maar één tweet, waarvan het effect meteen duidelijk was, gaat Ting verder. Alle Twittergebruikers samen genereren een hoop informatie over aandelen. Dit onderzoek werd opgezet om uit te zoeken hoe bruikbaar al deze tweets zijn voor beleggers. Hebben ze misschien voorspellende waarde, en kunnen ze gebruikt worden voor het verbeteren van handelsstrategieën? En als dat zo is, wat is dan de beste manier om deze waarde eruit te distilleren zodat beleggers betere beslissingen kunnen nemen?
 
S&P 100
Om het antwoord op deze vragen te vinden, analyseerden de onderzoekers een miljoen Twitterberichten waarin aandelen uit de S&P 100 besproken worden. Ze schreven een algoritme dat in staat is de woorden, hashtags en emoticons in die tweets te interpreteren als signalen voor 'kopen', 'aanhouden' of 'verkopen'. Daarna vergeleken zij deze sentimenten met de werkelijke koersschommelingen van die aandelen in dezelfde periode. Voor Apple konden de onderzoekers zelfs het sentiment met betrekking tot het aandeel met tussenpozen van 15 minuten analyseren, simpelweg omdat er zoveel mensen over dit aandeel schrijven.
 
Ze ontdekten interessante verbanden tussen tweets en aandelenkoersen. Ten eerste blijken aandelen waarover getwitterd wordt met een meer ‘bullish’ sentiment – kopen! – die dag gemiddeld meer afwijkende rendementen te boeken. Dat kan uiteraard duiden op zowel hogere winsten als verliezen dan verwacht, maar het is in ieder geval interessante kennis voor beleggers die risicobeoordelingen willen maken.
 
Dit verband bleek zelfs sterker te zijn wanneer alleen gekeken werd naar invloedrijke twitteraars die vaak geretweet en genoemd worden. Gemiddeld leidden de voorspellingen van deze twitteraars tot hogere afwijkende rendementen.

Daarnaast bleek dat het aantal tweets over een specifiek aandeel het handelsvolume, de volatiliteit en het follow-uprendement voor na een kwartier tot voor de volgende dag kan voorspellen. En ook dit is weer nuttige informatie voor beleggers.
 
Tot slot lieten de resultaten zien dat meningsverschillen tussen twitteraars over het sentiment met betrekking tot een bepaald aandeel vaak leiden tot een hoger handelsvolume.
 
Handelsstrategie
 Om te testen of deze bevindingen tot een winstgevende handelsstrategie zouden kunnen leiden, voerde het onderzoeksteam een simulatie uit. Toen zij de extra informatie uit hun model toepasten, merkten zij dat ze hiermee op een rendabele manier in konden spelen op marktinefficiënties, zelfs wanneer er gecorrigeerd werd voor transactiekosten.
 
Ting concludeert dat dit onderzoek aantoont dat microblogs zoals Twitter geanalyseerd en gelezen kunnen worden als vertolker van het marktsentiment. Daarnaast blijkt dat een big data-analyse van deze omvang individuele beleggers kan helpen betere beleggingsbeslissingen te nemen.

Bekijk hier (YouTube) de video die we maakten over het onderzoek.
 
Lees het artikel hier: Li, T., van Dalen, J. & van Rees, P.J., More than just noise? Examining the information content of stock microblogs on financial markets, J Inf Technol (2017)