[論文レビュー] Twitter Sentiment Analysis: How To Hedge Your Bets In The Stock Markets

Tushar Rao, Saket Srivastava|arXiv (Cornell University)|Dec 5, 2012

Stock Market Forecasting Methods被引用数 4

ひとこと要約

本稿では、グレインジャー因果関係とエキスパートモデルマイニングシステム（EMMS）を用いて、マイクロブログデータからの公開された気分と短期株価動向の相関関係を特定し、DJIAリターンを90.8％の方向的正確性とR平方0.952で予測するスケーラブルなツイッター感情分析モデルを提案する。この手法により、感情に基づくシグナルに応じて動的にポートフォリオを調整することで、ヘッジ戦略の改善が可能となる。

ABSTRACT

Emerging interest of trading companies and hedge funds in mining social web has created new avenues for intelligent systems that make use of public opinion in driving investment decisions. It is well accepted that at high frequency trading, investors are tracking memes rising up in microblogging forums to count for the public behavior as an important feature while making short term investment decisions. We investigate the complex relationship between tweet board literature (like bullishness, volume, agreement etc) with the financial market instruments (like volatility, trading volume and stock prices). We have analyzed Twitter sentiments for more than 4 million tweets between June 2010 and July 2011 for DJIA, NASDAQ-100 and 11 other big cap technological stocks. Our results show high correlation (upto 0.88 for returns) between stock prices and twitter sentiments. Further, using Granger's Causality Analysis, we have validated that the movement of stock prices and indices are greatly affected in the short term by Twitter discussions. Finally, we have implemented Expert Model Mining System (EMMS) to demonstrate that our forecasted returns give a high value of R-square (0.952) with low Maximum Absolute Percentage Error (MaxAPE) of 1.76% for Dow Jones Industrial Average (DJIA). We introduce a novel way to make use of market monitoring elements derived from public mood to retain a portfolio within limited risk state (highly improved hedging bets) during typical market conditions.

研究の動機と目的

• 主要なインデックスおよびテクノロジー株におけるツイッター感情と短期金融市場動向の因果関係を調査すること。
• マイクロブログデータを用いて、特定の企業やインデックスに対する一般の感情を測定するスケーラブルでカスタマイズ可能な手法を開発すること。
• ツイッター感情特徴（上昇志向性、合意度、投稿量）が、株価リターンおよびボラティリティをグレインジャー因果関係に与える影響を検証すること。
• リアルタイムで感情に基づいたポートフォリオヘッジ戦略を実装できるエキスパートモデルマイニングシステム（EMMS）を設計・実装すること。
• 感情データが動的かつ感情に基づいたポートフォリオ調整を通じて、投資リスクを低減する実用的有用性を示すこと。

提案手法

• 2010年6月から2011年7月にかけて、ツイッターの検索APIを用いて、DJIA、NASDAQ-100および11の大型テクノロジー株を対象に、400万件以上のツイートを収集した。
• 各企業／インデックスについて、上昇志向性（ポジティブな感情）、合意度（感情の共通認識）、および投稿量（議論の活発さ）といった感情特徴を定義した。
• グレインジャー因果関係分析（GCA）を用い、ラグ付きのツイッター感情特徴が将来の株価リターン、ボラティリティ、取引量を予測できるかを検証した。
• 相関分析を用いて、感情特徴と金融指標との間の線形関係の強さを測定した。
• 感情に基づく入力を用いて株価リターンを予測するためのエキスパートモデルマイニングシステム（EMMS）を実装し、R平方と最大絶対誤差（MaxAPE）を最適化した。
• 出範囲テストを用いてDJIAおよびNASDAQ-100データのモデルパフォーマンスを検証し、方向的正確性および誤差指標を比較した。

実験結果

リサーチクエスチョン

• RQ1 ツイッター感情特徴（上昇志向性、合意度、投稿量）が、株価およびインデックスの短期的動向をどの程度グレインジャー因果関係に与えるか。
• RQ2 ラグ付きの感情特徴（1〜3週間）が、DJIAおよびNASDAQ-100の将来リターンをどの程度予測できるか。
• RQ3 感情ベースのモデルが、株価インデックスの予測において、従来の手法を上回る方向的正確性と予測R平方を達成できるか。
• RQ4 ツイッター感情を用いて、市場の変動が激しい状況でポートフォリオポジションを動的に調整し、リスクを低減するにはどうすればよいか。
• RQ5 個別株式と広範なインデックスの両者に対して、感情モデリングのスケーラビリティとカスタマイズ性はどの程度か。

主な発見

• 特にテクノロジー業界において、ツイッター感情特徴と株価リターンの間には強い相関（最大0.88）が確認された。
• グレインジャー因果関係分析により、ツイッター感情特徴が将来のリターンを有意に予測できることを確認した。特に2週間のラグで予測力が最も高かった。
• エキスパートモデルマイニングシステム（EMMS）は、DJIAリターンの予測においてR平方0.952、MaxAPE1.76％を達成し、従来のモデルを上回った。
• モデルはDJIAの動向予測において90.8％の方向的正確性を示し、以前の研究（例：Bollenらの86.7％）をはるかに上回った。
• 合意度や投稿量といった特徴が、単なる感情極性よりも予測力が高く、特に市場の転換点を検出するのに有効であることが分かった。
• 感情の変化に応じてポートフォリオの再調整（例：ベアッシュからバイッシュ）をトリガーすることで、市場の下落時に露出を低減できる有効な動的ヘッジ戦略が可能になった。