Twitter Mood prédit le marché boursier

Les gens qui disent savoir comment prédire si le marché boursier va monter ou descendre un jour donné ne manquent pas. Mais il y en a peu, voire aucun, qui peuvent le faire toujours mieux que de lancer une pièce.

Pour de nombreux économistes, c'est facile à expliquer. La théorie économique conventionnelle soutient que le mouvement des prix dans un marché parfait devrait suivre une marche aléatoire et devrait être impossible à prédire avec une précision supérieure à 50 pour cent.

Il y a cependant une mouche dans cette pommade économique. De nombreuses études montrent que les cours boursiers ne sont pas aléatoires et cela implique qu'ils doivent être prévisibles. La question est de savoir comment le faire de manière cohérente.

Aujourd'hui, Johan Bollen de l'Université de l'Indiana et quelques amis disent qu'ils ont trouvé un tel prédicteur enfoui dans le flot de mots apparemment insensé qui émane du Twitterverse.

Depuis quelque temps, les chercheurs tentent d'extraire des informations utiles de cette lance à incendie. Une idée est que le courant de pensée est représentatif de l'état mental de l'humanité à tout instant. Divers groupes ont conçu des algorithmes pour analyser ce flux de données dans l'espoir de l'utiliser pour prendre la température de divers états humains.

Un algorithme, appelé Google-Profile of Mood States (GPOMS), enregistre le niveau de six états : bonheur, gentillesse, vigilance, assurance, vitalité et calme.

La question que se posent Bollen et ses collègues est de savoir si l'un de ces États est en corrélation avec les cours boursiers. Après tout, disent-ils, il n'est pas totalement inconcevable que la hausse et la baisse des cours boursiers soient influencées par l'humeur du public.

Ainsi, ces gars ont pris 9,7 millions de tweets publiés par 2,7 millions de tweeters entre mars et décembre 2008 et ont recherché des corrélations entre les indices GPOMS et si le Dow Jones Industrial Average augmentait ou diminuait chaque jour.

Leur conclusion extraordinaire est qu'il existe vraiment une corrélation entre le Dow Jones Industrial Average et l'un des indices GPOMS – le calme.

En fait, l'indice de calme semble être un bon prédicteur de la hausse ou de la baisse du Dow Jones Industrial Average entre 2 et 6 jours plus tard. Nous trouvons une précision de 87,6% dans la prédiction des variations quotidiennes de haut en bas des valeurs de clôture du Dow Jones Industrial Average, disons Bollen et co

C'est un résultat incroyable - qu'une humeur de Twitter peut prédire le marché boursier - mais les chiffres semblent indiquer cette direction.

Est-il vraiment possible que l'indice de calme soit corrélé avec le marché boursier ? Peut-être. En avril, nous avons examiné quelques travaux montrant comment les tweets sur les films peuvent être utilisés pour prédire les recettes au box-office.

Mais il y a au moins deux bonnes raisons de soupçonner que ce résultat n'est peut-être pas tout ce qu'il semble. Le premier est l'absence de mécanisme plausible : comment l'humeur Twitter mesurée par l'indice de calme pourrait-elle réellement affecter le Dow Jones Industrial Average jusqu'à six jours plus tard ? Personne ne sait.

La seconde est que les flux Twitter que Bollen et ses collaborateurs ont utilisés ne provenaient pas seulement des États-Unis, mais du monde entier. Bien qu'il soit probablement juste de supposer qu'une bonne proportion de ces tweeters était basée aux États-Unis en 2008, il n'y a aucun moyen de savoir quelle proportion. Selon ce calcul, les tweeters de Tombouctou aident en quelque sorte à prédire le Dow Jones Industrial Average.

Quoi qu'il en soit, ce travail ne manquera pas de susciter l'intérêt. Et pris à leur valeur nominale, cela pourrait être extrêmement influent. Si le calme a une réelle valeur prédictive du marché boursier, nous assisterons à une explosion d'intérêt pour les analyses financières de Twitter. Et Bollen et co devraient bientôt devenir des individus extrêmement riches.

Réf : arxiv.org/abs/1010.3003 : Twitter Mood prédit le marché boursier

cacher