¿Con qué fiabilidad se pueden predecir los pronósticos financieros y los datos con tweets y búsquedas de Google?

Answer 1

Johan Bollen causó un gran revuelo hace aproximadamente 1,5 meses con un artículo que él mismo tituló Twitter Mood Predicts the Stock Market (http://www.wired.com/wiredscienc…). Puede obtener el documento en (http://arxiv.org/abs/1010.3003)

Bollan no encontró una respuesta por qué el análisis del sentimiento puede afectar el mercado de valores (de hecho, estaba hipotetizando la relación inversa: el desempeño del mercado de valores afectaría el sentimiento en el Twitter). Tampoco encontró la manera de jugarlo. Más bien, demostró esta conexión .

Piqqem (Piqqem.com) utiliza el crowdsourcing y luego analiza los cambios en el sentimiento para ayudar a predecir el retorno de las acciones individuales.

Google también pone a disposición sus tendencias de búsqueda doméstica de Google para inversores y superpone gráficos de acciones o índices para ayudar a consultar cualquier tipo de correlación en los datos. Puede obtenerlo en http://www.google.com/finance/do…

Dedico un capítulo de mi libro, Tradestream your Way to Profit s, a lo que llamo datos colaterales, datos intrínsecamente no financieros que los inversores pueden usar como insumos en el cálculo de la inversión.

Answer 2

No puedo hablar de la precisión de las predicciones realizadas en las búsquedas de Google, pero en Parnassus Group hemos estado trabajando en el modelado predictivo de los datos de Twitter durante más de un año .

Actualmente estamos utilizando una variedad de conjuntos de herramientas automatizadas, junto con algunos análisis profesionales, para proporcionar números predictivos en una variedad de acciones a un fondo de cobertura.

En los últimos dos meses, en promedio, nuestras predicciones han mostrado una ventaja probabilística del 10% . Si tuviera que ir largo o corto en una acción para un día determinado basándose en un sorteo de monedas, esperaría tener la razón aproximadamente el 50% del tiempo. Nuestro sistema puede elegir el movimiento neto para el día siguiente con una precisión del 60% .