Abstrait

Données à haute fréquence et non structurées dans la finance : une étude exploratoire de Twitter

William Sanger, Thierry Warin

Objectif : Dans cet article, nous étudions la question de savoir si les informations diffusées sur Twitter peuvent être utiles pour concevoir des stratégies d'investissement sur les marchés financiers.

Méthodes : Nous comparons l'influence de deux types de messages envoyés sur Twitter sur deux types de rendements concernant des entreprises cotées au S&P500. Nous utilisons des modèles logistiques pour évaluer la probabilité d'obtenir certains types de rendements en fonction des messages publiés sur Twitter.

Résultats : Les tweets financiers sont positivement corrélés à des rendements intraday et overnight plus élevés (rendements de 1 à 5 %), tandis qu'ils sont négativement corrélés à des rendements plus faibles (rendements de 0 à 1 %). Les tweets non financiers ne sont pas significativement liés à de tels rendements.

Conclusion : D’un point de vue pratique, des stratégies d’investissement pourraient être conçues suite à ces résultats pour optimiser certaines opportunités de gain en fonction du jour d’investissement, du secteur ciblé et de l’activité en direct sur Twitter.

Avertissement: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été examiné ni vérifié

Indexé dans

Google Scholar
Academic Journals Database
Open J Gate
Academic Keys
ResearchBible
CiteFactor
Electronic Journals Library
RefSeek
Hamdard University
Scholarsteer
International Innovative Journal Impact Factor (IIJIF)
International Institute of Organised Research (I2OR)
Cosmos

Voir plus