Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Twitter Analysis - Do Twitter Sentiments Correlate to Changes of Swedish Stock Prices?
KTH, School of Computer Science and Communication (CSC).
KTH, School of Computer Science and Communication (CSC).
2017 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Twitter Analys - Existerar det någon korrelation mellan svenska tweets och den svenska aktiepriser? (Swedish)
Abstract [en]

Stock market prediction is a problem that has undergone extensive research with many approaches and methods, such as mathematical models, machine learning methods et cetera. Another interesting approach is sentiment analysis, an approach takes the public opinion into account when predicting stock market prices. This method, combined with some machine learning techniques have proven effective when it comes to predict stock prices. This study determines whether this method is usable on demographics where information on public opinion does not come in abundance, in this instance the demographic of people who speak Swedish. The public sentiment is gathered by analyzing public opinion found on Twitter, and hourly stock prices for three companies were gathered. This data was combined and linear regression was performed to see if there does indeed exist a possible correlation between these data sets. The results showed that there does not appear to be a linear relation between public sentiment and changes in stock prices. The mean squared error of the data points indicate that the data points deviate to much from the regression line for the regression line to be usable as an accurate model. The limited amount of data on public sentiment led to the conclusion that Swedish Twitter flow is not usable as a source for extracting reliable information on public sentiment to be analyzed by any model.

Abstract [sv]

Att förutspå aktiemarknaden är ett aktuellt forskningsproblem. Maskininlärning, matematiska metoder och opinonsmätning är metoder för att mäta och förutspå förändringar av aktiepriser. Opinionsmätning är en metod som har visat sig vara effektiv för att förutspå aktiemarknaden.

Den här studien undersöker om det finns en korrelation mellan den allmänna opinionen om ett företag och förändringar i företagets aktiepris i demografiskt sett mindre befolkningsgrupper, i detta fall Sverige och svensktalande. Allmännhetens inställning till tre olika företag mättes genom att analysera allmänhetens åsikter om företaget på den sociala medieplatformen Twitter. Aktieprisförändringen och opinionsdata samlades in timme för timme och linjär regression användes för att undersöka om det finns något samband mellan aktiepriset och allmänhetens åsikter.

Resultaten blev att det inte verkar finnas något linjärt samband mellan den allmänna opinionen och förändringar i aktiepriserna. Det kvadratiska medelfelet visade att datapunkterna avviker för mycket från regressionslinjen för att opinionsmätning ska användas som en tillförlitlig modell.

Den begränsade mängden opinionsdata ledde till slutsatsen att det Svenska Twitterflödet inte är användbart för att allmänhetens åsikter ska kunna användas för att förutspå aktieprisförändringar.

Place, publisher, year, edition, pages
2017.
Series
Kandidatexjobb CSC
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-208969OAI: oai:DiVA.org:kth-208969DiVA: diva2:1109320
Supervisors
Examiners
Available from: 2017-06-17 Created: 2017-06-13 Last updated: 2017-06-17Bibliographically approved

Open Access in DiVA

fulltext(796 kB)59 downloads
File information
File name FULLTEXT01.pdfFile size 796 kBChecksum SHA-512
f2122a9cafb3543680de1eb13bee7169de8c4995785490ac49f764812488f0130d1a5bea0bc902a46f131097bd4452e9afbe4070e17f23ba7fdd16f9b5707f45
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 59 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 193 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf