Uma equipa da Universidade do Minho mostrou que é possível usar informação do Twitter para prever e explicar retornos, volatilidade, volume de negócios e índices de opinião no mercado accionista. O trabalho analisou mais de 31 milhões de tweets de 3000 empresas dos EUA entre 2012 e 2015, que continham a cashtag (hashtag com o dólar), uma convenção digital que se refere ao mercado de capitais.
A ideia foi encontrar uma métrica para o “sentimento” positivo ou negativo do mercado, a partir dos dados dessa rede social. A pesquisa apresenta vários avanços face a estudos similares, ao focar-se num período longo de tempo, tratar grande quantidade de informação (big data), usar dados diários e técnicas estatísticas robustas, evitando generalizações circunstanciais. O artigo saiu na revista “Expert Systems with Applications” e valeu a Nelson Areal o Prémio de Investigação da Escola de Economia e Gestão da UMinho pela melhor publicação de um cientista daquela Escola em 2017. A pesquisa decorreu durante quatro anos e teve a coautoria de Paulo Cortez, professor da Escola de Engenharia da UMinho, e de Nuno Oliveira, que foi orientado por ambos na sua tese doutoral no Centro Algoritmi e é, agora, data scientist no CEiiA.
A equipa usou para o efeito o software estatístico R, de código aberto. No artigo, explica a forma de execução de tarefas como a recolha de tweets, as acções de pré-processamento, o uso de léxicos de opinião e a aplicação e avaliação de métodos de aprendizagem automática, usando um léxico criado pelos autores. A equipa minhota aplicou esse léxico para texto de microblogues, neste caso o Twitter, relativos a mercados de capitais. “É o meio ideal para apurar a métrica de sentimento em posts de 140 caracteres ou pouco mais, que é uma linguagem muito diferente de outros documentos”, justifica Nelson Areal. Mais: a ferramenta criada permite prever a evolução dos “índices do sentimento” apresentados semanal ou mensalmente pela própria Associação Americana de Investidores Individuais, pela Investors Intelligence e pela empresa Sentix.
Medir o “sentimento”
“Como tratámos grandes volumes de dados diários, é possível de forma fiável, barata, rápida e, sobretudo, automática extrairmos informação que consegue medir o sentimento de determinados agentes que poderá afectar o preço de uma acção, ou a evolução dos mercados, sem sequer lhes perguntarmos”, assinala. Porém, o também director do Departamento de Gestão da UMinho deixa uma ressalva: “Não demonstramos que é possível criar uma carteira de acções bolsistas que permita obter uma rendibilidade superior àquilo que seria normal. Isto é, não dizemos que podemos obter ganhos com o uso desta informação no Twitter. Apenas dizemos que pode ser útil para prever o comportamento futuro de algumas variáveis”.
Outras partes do estudo saíram também no livro “Text Mining and Visualization – Case Studies Using Open-Source Tools”, da norte-americana CRC Press, nas atas da conferência internacional “Web Intelligence, Mining and Semantics”, realizada na França, e num artigo da revista “Decision Support Systems”, da editora holandesa Elsevier. A investigação vai ter continuidade, explorando desta vez a estimação do sentimento nas relações entre as pessoas e os influenciadores: “Nas redes sociais há pessoas que têm claramente um peso diferente, o que dizem tem mais influência”. Nesse sentido, Nelson Areal e Paulo Cortez coorientam agora Bruno Vieira, no âmbito do doutoramento MAPi em Ciências da Computação.
