推特和脸书能否预测股票变动?

简介:


导读:股市近期的动荡不安牵动了一波股民的心情的上下翻飞,部分股民的资产更是经历了“奥迪—奥拓---奥妙—奥利奥—奥买噶!”的惨剧。当大部分股民还在关注专家分析、大盘数字时,一些捷足先登的数据分析公司已经开始利用社交媒体上的“社交情绪指数”分析获取股票信息了。


如何利用“Twitter”和“Facebook”上的“情绪指数”分析和预警股票?大数据文摘“金融与商业专栏”今日带您了解金融行业倾听社交媒体的几个案例和问题。


20131111日,美国东部时间早上8点刚过,加拿大一家报纸泄露消息:黑莓公司(纳斯达克代号:BBRY)总价达四十七亿美元的的收购案取消。足足过了3分钟,华尔街的通信社才陆续报道这条消息。


Dataminr是纽约的一家数据分析公司,他们的投资客户这次在华尔街上出了一把风头。就在加拿大通信社关于黑莓的报道刚出来的几秒钟内,他们便收到Dataminr发来的电邮提示。根据这条信息,有很多Dataminr的客户,尤其是对冲基金客户,抢在其他还未获得消息的用户之前很漂亮的卖空了这支股票。


去年八月,当传奇商人Carl Icahn刚发布一条推文,说他购买了大量苹果公司(纳斯达克代号:AAPL)的股票时,Social Market Analytics(也是一家社交媒体数据分析公司)已经抢了先手,他们充分利用其覆盖40万推特用户的数据网络,获得关于苹果公司的乐观传言,并将此传言告知了其客户。


这两个事例中,捷足先登者们根据预警信息大赚了一笔。这在告诉我们一个事实:利用社交网络来获取影响股票价格的新闻,并不是一个理论神话,它真实地存在着。


四个月后,所谓的投机情绪指数(social sentimentindicators, SSI)”正在股市圈兴风作浪:更多的证据表明,社交情绪指数着实让那些利用该技术获利的投资者们尝到了甜头。


金融数据服务提供商Markit的研究表明,从201112月到201311月,具有乐观社交媒介情绪的股票获得了高达76%的累计收益率,而具有负面社交媒介情绪的股票累计收益率只有14%。


2010年,印第安纳大学商学院教授Johan Bollen报告说,推特的数据能以87.6%的准确率预测出道琼斯工业平均指数。


Dataminr的创始人兼首席执行官Ted Bailey说道,信息领域发生了巨大的变化,推特上的消息,比华尔街上的来得更早一步。


赶超华尔街的推特

虽然脸书(Facebook)提供了一些数据挖掘的机会,但推特才是真正的社会指标分析热点。推特是社会媒介活动的蜂巢,活跃用户高达六亿四千五百万,并以每天135,000的新增用户人数继续扩张。然而,2012年以前,分解和合并推文以挖掘新的股票市场信息的技术并不存在。一旦社交情绪指数分析师开始弄明白如何量化所有的社交流媒体,并为专业投资者提供分析结果时,他们立即获得了不错的利润。


如今,诸如DataminrDatasiftSocial Media Analytics一类的公司,使用数据分析技术从上市公司内部人员的推文中筛选信息。去年,社交情绪分析大获成功:金融信息巨头彭博将推文列入它的财经数据递送服务。彭博推送了华尔街分析师、监管机构、经济学家、美国政府机构的推特账号上的所有推文信息,传送给它注册的客户(主要是股票经纪人、交易员和对冲基金经理),让他们利用这些信息在股票交易中抢占先机。


推特意识到推文在投资行业的巨大价值,2012年它在数据授权服务中赚取了四千七百五十万美金,相比2011年上涨了66%。


NYSE Techonologies最近刚和Social Media Analytics建立伙伴关系,向其金融客户传播社交媒体指数。NYSE的产品经理Tom Watson说道,金融服务行业观望和倾听社交媒体有一段时间了。现在,他们还将更多地利用和促进社交媒体平台,基于社群情绪尝试不同的交易策略。


勿庸置疑,该技术是非常复杂的。举个例子来说,SMA公司给公司分析师们提供参考的“S是通过围绕关键推特标准设计的算法来算出的,包括均值、变化、份额、波幅、推文分散性以及风险等。基于以上算法来评估的“S社交情绪反映在特定股票回望(lookback)”时期内的变动上。


普遍传言对于特定的股票是好消息还是坏消息,可以通过这些情绪指数来预测。有了这些信息在手,客户可以采取相应的行动,并基于情绪指数来交易股票。


过多的数据

这并不代表社交媒体的指标很容易获得。SMA公司的创始人Joe Gits指出,SMA剖析的推文中90%被丢弃,只有剩下的10%能揭示投资者们真正需要的投资机会。 “关键问题在于没有办法量化那些数据。推特用户无法打开100个不同的推特流并精准地分析结果。


然而,社交媒体投资指标也有不好的一面。利用此方法行骗将非常容易:通过推送公司的虚假推文,例如行业竞争者的买断或是新产品上市的暗示,将投资者们引入歧途。投资诈骗者提前购买股票,从那些被推特上虚假消息骗过的投资者身上获得利润。


底线

毫无疑问,社交媒体投资分析的技术处于上升趋势,但还是处在非常初期的阶段;到目前为止,它对于华尔街的捷足先登者们来说是成功的。你是否想要注册一个社交媒体投资分析公司的账号并接收他们的提醒服务?这并不是那么容易的;数据提供商的大部分产品和服务,主要面向投资机构,而不是那些关心养老福利的街头酒馆老板们。不过,也有其他选择:彭博的Eikon交易平台,免费给散户投资者提供一个推特数据跟踪器;StockTwits也提供了一个入门级的推特投资新闻追踪系统。但一如往常,你会听到来自精明的投资者和业余爱好者的忠告:买家风险自负。


原文发布时间为:2015-05-12

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号


相关文章
|
Kubernetes Linux Docker
kubelet 压力驱逐 - The node had condition:[DiskPressure]
kubelet 压力驱逐 - The node had condition:[DiskPressure]
2161 0
|
6月前
|
缓存 监控 Java
B2Bitem_get - 获取商标详情接口对接全攻略:从入门到精通
B2Bitem_get 是面向B2B电商、知识产权服务等场景的权威商标查询接口,支持通过ID/申请号/注册号实时获取商标全维度结构化数据(基础信息、法律状态、分类群组、申请人资质等),同步国家商标局,HTTPS+签名认证,JSON/XML双格式,覆盖核验、风控、招商等核心B端需求。(239字)
|
6月前
|
人工智能 算法 BI
企业 GEO 效果评估指标体系
本文构建了企业GEO优化效果评估指标体系,涵盖AI引用率、首条占位率、线索转化率等核心指标,结合收录率、关键词覆盖量等辅助指标,建立分层级监测模型,并配套工具与周期建议,助力企业科学评估并优化AI搜索表现。
|
消息中间件 监控 大数据
优化Apache Kafka性能:最佳实践与调优策略
【10月更文挑战第24天】作为一名已经对Apache Kafka有所了解并有实际使用经验的开发者,我深知在大数据处理和实时数据流传输中,Kafka的重要性不言而喻。然而,在面对日益增长的数据量和业务需求时,如何保证系统的高性能和稳定性成为了摆在我们面前的一个挑战。本文将从我的个人视角出发,分享一些关于如何通过合理的配置和调优来提高Kafka性能的经验和建议。
679 4
|
12月前
|
区块链 数据安全/隐私保护 开发者
实用Python代码优化技巧
在日常开发中,规范的代码结构可以提高代码阅读性,方便后期维护,在开源项目中尤为重要。毕竟谁也不想让人将自己的代码称为"屎山",这里将日常开发中需要注意的点进行总结。
272 1
|
存储 Kubernetes 开发者
容器化时代的领航者:Docker 和 Kubernetes 云原生时代的黄金搭档
Docker 是一种开源的应用容器引擎,允许开发者将应用程序及其依赖打包成可移植的镜像,并在任何支持 Docker 的平台上运行。其核心概念包括镜像、容器和仓库。镜像是只读的文件系统,容器是镜像的运行实例,仓库用于存储和分发镜像。Kubernetes(k8s)则是容器集群管理系统,提供自动化部署、扩展和维护等功能,支持服务发现、负载均衡、自动伸缩等特性。两者结合使用,可以实现高效的容器化应用管理和运维。Docker 主要用于单主机上的容器管理,而 Kubernetes 则专注于跨多主机的容器编排与调度。尽管 k8s 逐渐减少了对 Docker 作为容器运行时的支持,但 Doc
874 5
容器化时代的领航者:Docker 和 Kubernetes 云原生时代的黄金搭档
|
监控 网络协议 算法
OSPF故障排除技巧
OSPF故障排除技巧
444 2
【Java基础面试五】、 int类型的数据范围是多少?
这篇文章回答了Java中`int`类型数据的范围是-2^31到2^31-1,并提供了其他基本数据类型的内存占用和数值范围信息。
【Java基础面试五】、 int类型的数据范围是多少?
|
SQL 索引
ElasticSearch分页
es有多种方式实现分页查询:from+size,scroll,searchAfter,本文讨论各种方式的利弊和适用场景。
1178 0