Twitter情绪预测股票市场
计算工程、金融与科学
2015-03-17 v1 计算与语言
社会与信息网络
物理与社会
摘要
行为经济学告诉我们，情绪可以深刻影响个体的行为和决策。这是否也适用于整个社会，即社会是否会经历影响其集体决策的情绪状态？进一步推论，公众情绪是否与经济指标相关，甚至具有预测能力？在此，我们研究从大规模 Twitter 推送中得出的集体情绪状态测量值是否与道琼斯工业平均指数 (DJIA) 随时间变化的值相关。我们使用两种情绪追踪工具分析每日 Twitter 推送的文本内容，即测量正面与负面情绪的 OpinionFinder，以及从 6 个维度（Calm、Alert、Sure、Vital、Kind 和 Happy）测量情绪的 Google-Profile of Mood States (GPOMS)。我们通过比较这些情绪时间序列检测公众对 2008 年总统选举和感恩节反应的能力，对所得情绪时间序列进行交叉验证。随后使用 Granger 因果分析和自组织模糊神经网络，来研究由 OpinionFinder 和 GPOMS 情绪时间序列测量的公众情绪状态能够预测 DJIA 收盘值变化的假设。我们的结果表明，纳入特定的公众情绪维度可以显著提高 DJIA 预测的准确率，而其他维度则不能。我们发现，在预测 DJIA 收盘值每日涨跌变化方面达到了 87.6% 的准确率，并且平均百分比误差降低了 6% 以上。
引用
@article{arxiv.1010.3003,
title = {Twitter mood predicts the stock market},
author = {Johan Bollen and Huina Mao and Xiao-Jun Zeng},
journal= {arXiv preprint arXiv:1010.3003},
year = {2015}
}