ツイートの分析によって、投資家は相互利益のために情報を共有できることがわかりました
ツイッターのビッグデータを分析した研究が盛んに行われています。
と述べています。2人の学者によれば、フォロワーが500人以上の投稿者の予想に従うと、市場を上回る好成績を挙げれる可能性が高いといいます。
近年こうしたツイッターなどのビッグデータを用いて、経済動向や株価動向を予測する研究が盛んに行われています。また証券会社においては、SNSのビックデータ分析を取り入れ、株価の動向を予測する新たなサービスを開発しています。*3
最高で86.7%の予測に達した
行動経済学は投資家の非合理的な意思決定が市場に与える影響を研究する学問です。私たちは感情によって意思決定が左右されることを知っています。つまり、感情が市場に重要な影響を与えると考えられます。そこでBollen,Mao,Zeng *4 は、日々蓄積されるツイートのビックデータから抽出される感情を使って株式市場を予測できるか検討しました。
彼らは2008年2月28日から12月19日の期間に、約270万人のユーザーによって投稿された約980万のツイートを利用しました。そして、明確に感情表現された文言を含むツイートのみを抽出しました。例えば
“i feel”,“i am feeling”,“i’m feeling”,“i dont feel”, “I’m”, “Im”,“I am”, and “makes me”.
などに相当する文言です。また、スパムやリンク情報を避けるために ”http:” や ”www.” などを取り除きました。その処理を経た約34万のツイートを、ネガティブかポジティブを判断するOpinionFinder (以下、OF) と、気分解析ツールであるGoogle-Profile of Mood States (以下、GPOMS) を用いて抽出されたツイートの感情を解析しました。
GPOMSとは「Calm」「Alert」「Sure」「Vital」「Kind」「Happy 」の6次元の感情情報です。POMSとは72の質問に対する回答から感情を求めるツールです。一方、GPOMSはグーグルによって一般のウェブページから抽出された、約1兆の語彙を利用し2億5千にも及ぶ4-gramもしくは5-gram *5 の語彙を使用します。そして、6次元の感情に属する72の語彙それぞれに関連する語彙を追加し、946の語彙に拡張されています。したがって、自然かつ多様な感情を抽出することが可能です。
彼らは先の期間に投稿された約34万のツイートからOFとGPOMSの感情データを抽出し、ダウ工業株30種平均 (以下、ダウ平均株価) を自己組織化ファジィニュートラルネットワークに入力しました。2008年2月28日から11月28日を学習期間とし、12月1日から12月19日を検証期間として15日間 (12月1日から12月19日の20日間から週末分を引いた) のダウ平均株価の変動を予測しました。その結果、ダウ平均株価のデータのみを使った場合73.3%の精度でダウ平均株価を予測しました。そして、感情データを加えたところ「Calm」の増減から精度はさらに向上し、ダウ平均株価を最高で86.7%の予測を達成しました。
しかし、彼らの分析には注意しなければならない幾つかの点が存在します。1つ目に特定の地域や特定の人々に限定されてないことです。つまり、ダウ平均株価は世界中のあらゆる人々が注視しているため、米国に移住していない人のツイートや、投資と無関係なユーザーのツイートも含まれています。2つ目にツイッターから抽出した感情データに関する研究が進んでいないことが挙げられます。つまり、抽出した感情データが最適解を示しているのか確かめる必要があります。したがって別のSNSの感情データと比較するなど地道な研究が必要になります。3つ目に感情データとダウ平均株価が何故相関しているのか因果的なメカニズムは分かっていません。4つ目に検証期間が短いことがあげられます。2008年以外でも機能するのか？ベア相場でも機能するのか？または、ブル相場でも機能するのか？などもっと長い期間の検証が必要になります。
一部のツイッターの研究
Bollen,Mao,Zengはツイッターの特定の感情が、ダウ平均株価と相関していることを発見しました。彼らによって「Calm」の増減から、ダウ平均株価の変化の方向を高い精度で予測できることがわかりました。
Maoら(2012)はS&P500に言及しているツイートの日々の数は、S&P500の終値と大きく相関していることを発見しました。また、価格の変動、一日の絶対的な価格の変動とも相関しています。*6
日本では長尾ら(2014)が投資家による将来の値動きを予想するようなツイートを抽出し、予想ツイートの割合と日経平均株価変化率に相関があることを示しました。投資家とは日経平均を含むツイートをしたユーザーです。*7
Bartovら(2015)は2009年1月1日から2012年12月31日までの四年間に、四半期決算報告の直前9営業日に呟かれた約100万件のツイートを分析しました。その結果、企業の見通しに関するツイートの総合的な意見が、収益と株価の値動きを予測できることを発見しました。*8
結論
投資は非協力的なゼロサムゲームとして考えられる側面を持っています。しかし、投資家はツイッターなどのソーシャルメディアを通して、情報を共有していることを示しました。したがって投資家は相互利益のために、知識や情報などを共有できます。私自身皆様のブログから、新しい見識を得させていただいています。ありがとうございます。
*1:「為替市場で勝つ方法はシンプル、ツイッターをフォローせよ－研究」『Bloomberg』2017年4月10日 11:15 JST、最終閲覧日：2017年5月3日、URL: https://www.bloomberg.co.jp/news/articles/2017-04-10/OO66HA6K50XU01
*2:Gholampour, Vahid and van Wincoop, Eric, What Can We Learn from Euro-Dollar Tweets? (March 2017). NBER Working Paper No. w23293. Available at SSRN: https://ssrn.com/abstract=2946699
*3:インタビュー カブドットコム証券株式会社 インターネット上の膨大なデータを収集･分析し、株価との関連性に基づいた新サービスの提供を模索. Provision.. (72):2012.Win. 16-23
*4:Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of computational science, 2(1), 1-8.
*5:「大規模日本語 n-gram データの公開」『Google Japan』2007年11月3日 01:09、最終閲覧日：2017年5月3日、URL: https://japan.googleblog.com/2007/11/n-gram.html
*6:Mao, Y., Wei, W., Wang, B., & Liu, B. (2012, August). Correlating S&P 500 stocks with Twitter data. In Proceedings of the first ACM international workshop on hot topics on interdisciplinary social networks research (pp. 69-72). ACM. ISO 690
*7:長尾将宏, & 長尾智晴. (2014). Twitter を用いた株式市場の変動予測. 第 76 回全国大会講演論文集, 2014(1), 377-378.
*8:Bartov, Eli and Faurel, Lucile and Mohanram, Partha S., Can Twitter Help Predict Firm-Level Earnings and Stock Returns? (December 4, 2015). Rotman School of Management Working Paper No. 2631421; 2016 Canadian Academic Accounting Association (CAAA) Annual Conference. Available at SSRN: https://ssrn.com/abstract=2631421 or http://dx.doi.org/10.2139/ssrn.2631421
