[論文レビュー] Twitter Sentiment Analysis Applied to Finance: A Case Study in the Retail Industry

Th 'arsis T. P. Souza, Olga Kolchyna+2 more|arXiv (Cornell University)|Jul 2, 2015

Sentiment Analysis and Opinion Mining被引用数 36

ひとこと要約

本研究では、小売セクターにおける株式リターンおよびボラティリティを予測するために、Twitterのセンチメント分析を適用し、Twitterおよび伝統的なニュース配信ルートからのセンチメントとボリューム指標を外生変数として用いた。Twitterのセンチメントが株式リターンおよびボラティリティを顕著にGranger因果関係に与えることが判明した。特にGameStopやAbercrombie & Fitchのような企業において、伝統的ニュースソースよりもリターン予測において優れた性能を示した。

ABSTRACT

This paper presents a financial analysis over Twitter sentiment analytics extracted from listed retail brands. We investigate whether there is statistically-significant information between the Twitter sentiment and volume, and stock returns and volatility. Traditional newswires are also considered as a proxy for the market sentiment for comparative purpose. The results suggest that social media is indeed a valuable source in the analysis of the financial dynamics in the retail sector even when compared to mainstream news such as the Wall Street Journal and Dow Jones Newswires.

研究の動機と目的

• Twitterのセンチメントおよびボリュームが小売セクターにおける株式リターンおよびボラティリティに関して統計的に有意な情報を含んでいるかどうかを調査すること。
• Twitterセンチメント分析の予測力が、市場センチメントの代理指標としての伝統的ニュース配信ルートと比較して、どの程度優れているかを比較すること。
• 小売株式の金融動態を予測するうえで、ソーシャルメディアと主流メディアのニュースの相対的貢献度を評価すること。
• センチメント極性（ポジティブ／ネガティブ）およびツイートボリュームが、翌日のリターンおよびボラティリティを予測するうえで、どの程度の関係を示すかを評価すること。
• Twitterのセンチメントが、特に既存のニュースソースと比較して、金融指標の事前情報として機能するかどうかを検証すること。

提案手法

• トピック分類を目的としたハイブリッド手法（辞書ベース手法とサポートベクターマシン（SVM）を組み合わせたもの）を用いて、事前研究の結果を応用し、ツイートをポジティブ、ネガティブ、ニュートラルの3カテゴリに分類した。
• Nike、Home Depot、Mattel、GameStop、Abercrombie & Fitchを含む、上場小売企業のTwitterセンチメント（G(t), B(t)）およびボリューム（V(t)）データを収集した。
• OptiRisk Systemsを通じたRavenPackのニュースアナリティクスから、市場センチメントの比較的代理指標として、伝統的ニュースのセンチメントデータを取得した。
• ラグ付き変数を用いて、Twitterのセンチメントおよびボリュームが将来の株式リターンおよびボラティリティを予測できるかどうかを評価するため、Granger因果性検定を実施した。
• 翌日のボラティリティ（VOL(t)）を予測するための複数の重回帰モデルを構築し、ラグ付きセンチメント（G(t-1), B(t-1)）、ボリューム（V(t-1)）、および過去のボラティリティ（VOL(t-1), VOL(t-2)）を説明変数に含めた。
• 統計的有意性検定（p値）および誤差低減指標を用いて、Twitter分析とニュース分析の予測精度を比較した。

実験結果

リサーチクエスチョン

• RQ1 Twitterのセンチメントは、小売セクターにおける株式リターンおよびボラティリティをGranger因果関係に与えるか？
• RQ2 Twitterセンチメントの予測力は、伝統的ニュース配信ルートと比較して、株式リターンおよびボラティリティの予測において、どの程度優れているか？
• RQ3 ポジティブ、ネガティブ、ボリュームのうち、どのTwitterセンチメント指標が金融指標との予測的関係において最も強く関連しているか？
• RQ4 特定の小売企業において、Twitterのセンチメントと翌日の株式リターンまたはボラティリティとの間に統計的に有意な関係が存在するか？
• RQ5 Twitterのセンチメントは、主流の金融ニュースと比較して、市場センチメントの補完的または優れた代理指標として機能することができるか？

主な発見

• Twitterのセンチメントは、特にGameStop（GME.N）およびAbercrombie & Fitch（ANF.N）において、伝統的ニュースソースよりも株式リターンに対するGranger因果関係が強く、p値はそれぞれ0.001***および0.004***であった。
• ポジティブセンチメント（G(t)）は、Nike（NKE.N）およびGameStop（GME.N）の超過対数リターンを有意にGranger因果関係に与えた。重回帰モデルにおけるp値は、それぞれ0.010**および0.001***であった。
• Twitterのセンチメントはボラティリティ予測を改善した。GameStopでは、Twitterアナリティクスが予測誤差を14.99%低減したが、ニュースアナリティクスは誤差を2.21%増加させた。
• ポジティブツイートの数は、複数の企業において1ステップ先のボラティリティの有意な予測要因となった（p < 0.05）。一方、ネガティブツイート数は統計的に有意ではなかった。
• Home Depot（HD.N）では、Twitterセンチメントが予測誤差を1.10%低減したが、ニュースアナリティクスは2.46%誤差を増加させた。この結果、Twitterの予測力がより優れていることが示された。
• ボラティリティモデリングにおいて、Twitterセンチメント（特にポジティブセンチメント）は予測に顕著に貢献した。Granger因果性検定のp値は、Home Depotで0.004***、Nikeで0.031**であった。