Twitter ajuda a prever o mercado bolsista

Equipa da Universidade do Minho mostrou que com recurso ao Twitter é possível prever retornos, volatilidade, volume de negócios e índices de opinião no mercado acionista. Os especialistas analisaram 31 milhões de tweets de 3000 empresas dos EUA.

Twitter ajuda a prever o mercado bolsista
Twitter ajuda a prever o mercado bolsista. Foto: DR

A informação do Twitter pode ser usada para prever e explicar retornos, volatilidade, volume de negócios e índices de opinião no mercado acionista. A conclusão é de uma equipa da Universidade do Minho (UMinho) que analisou mais de 31 milhões de tweets de 3000 empresas dos EUA entre 2012 e 2015, que continham a cashtag (hashtag com o dólar), uma convenção digital que se refere ao mercado de capitais.

Por detrás do estudo esteve a ideia foi encontrar uma métrica para o “sentimento” positivo ou negativo do mercado, a partir dos dados dessa rede social. A investigação do Minho 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.

O estudo já publicado na revista “Expert Systems with Applications” permitiu a Nelson Areal ser reconhecido com o Prémio de Investigação da Escola de Economia e Gestão (EEG) da Universidade do Minho pela melhor publicação de um cientista da EEG, em 2017.

Nelson Areal reconhecido com o Prémio de Investigação da Escola de Economia e Gestão (EEG) da Universidade do Minho
Nelson Areal reconhecido com o Prémio de Investigação da Escola de Economia e Gestão (EEG) da Universidade do Minho. Foto: DR

A investigação que decorreu durante quatro anos “envolveu também 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.”

No estudo a equipa da UMinho usou software estatístico R, de código aberto. A forma de execução de tarefas como a recolha de tweets, as ações 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, são indicados na publicação.

A equipa aplicou o léxico ao Twitter, relativos a mercados de capitais, Um meio considerado “ideal para apurar a métrica de sentimento em posts de 140 carateres ou pouco mais, que é uma linguagem muito diferente de outros documentos”, esclareceu Nelson Areal.

O especialista acrescentou 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.

Medir o ‘sentimento’

Nelson Areal referiu: “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 afetar o preço de uma ação, ou a evolução dos mercados, sem sequer lhes perguntarmos.”

Mas, o também diretor do Departamento de Gestão, da UMinho, esclareceu: “Não demonstramos que é possível criar uma carteira de ações 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”.

Outros desenvolvimentos do estudo constam também no livro ‘Text Mining and Visualization – Case Studies Using Open-Source Tools‘, da norte-americana CRC Press, nas atas da conferência internacional ‘Web Intelligence, Mining and Semantics‘, realizada na França, e em artigo da revista ‘Decision Support Systems’, da editora holandesa Elsevier.

A investigação vai agora explorar a estimação do sentimento nas relações entre as pessoas e os influenciadores: “Nas redes sociais há pessoas que têm claramente um peso diferente, o que dizem tem mais influência”. Bruno Vieira, no âmbito do doutoramento MAPi em Ciências da Computação está a trabalhar com a orientação de Nelson Areal e de Paulo Cortez para haver um avanço no estudo.