Kan vi predikere kursutvikling i oljepris gjennom bruk av kvantitativ sentimentanalyse kombinert med maskinlæringsalgoritmer?

Abstract

I de siste årene har holdninger blant den offentlige befolkningen tilsynelatende hatt økende effekt på aksjemarkedet, videre så har framveksten av sosiale medier i samme tidsrom gjort at det er betydelig enklere å måle akkurat disse holdningene hos den generelle befolkning. Formålet med denne oppgaven har vært å ta i bruk verktøy for sentimentanalyse kombinert med maskinlæring for å vurdere om kvantitativ data fra sosiale medier kan brukes som en verdifull indikator på svingninger i aksjemarkedet. For å videre spisse inn oppgaven, har vi kun undersøkt om våre metoder kan brukes for å predikere svingninger i oljeprisen, og da over en periode på tilnærmet to år. Funnene våre indikerer at våre metoder, slik vi har utført dem, ikke er verdifulle for å predikere svingninger i markedet, videre så dette funnet forenelig med mye eksisterende markedsteori.

Public opinion has, seemingly, become a larger factor in the fluctuations in the stock market. This development has happened simultaneously with the growth of social media which enables us to measure this public opinion in new and more precise ways. The purpose of this test is to use tools for sentiment analysis and machine learning to evaluate if quantitative data from social media can be used as a valuable indicator of future fluctuations in the stock market. In order to further narrow in our thesis, we have exclusively looked at changes in the price of crude oil, and within a period of approximately two years. Our findings indicate that the methods we used, as we used them, are not able to predict fluctuations in the market to any valuable extent. Our findings are in line with a large portion of prominent marked-theory.