Sentiment analysis combined with time series analysis forecasting

Abstract

Ένα από τα πιο δύσκολα σημεία σχετικά με τις ημερήσιες συναλλαγές είναι να γνωρίζεις πότε θα αυξηθεί και πότε θα πέσει η αγορά. Οι όροι αναζήτησης μπορούν να μας δώσουν κάποια εικόνα για την πρόβλεψη αυτών των περιόδων, ώστε να μπορούμε να κερδίσουμε τόσο στις αισιόδοξες όσο και στις πτωτικές αγορές. Ο σκοπός αυτής της διπλωματικής είναι να αναλύσει εάν η ανάλυση συναισθημάτων, συμπεριλαμβανομένων των Google Trends, μπορεί να χρησιμοποιηθεί αποκλειστικά για την πρόβλεψη της κίνησης των μετοχών μιας εταιρείας. Το ακόλουθο πρόβλημα που πρέπει να διερευνηθεί είναι αν η ανάλυση συναισθημάτων με έναν συνδυασμό κλασικών μεθόδων πρόβλεψης, όπως η ανάλυση χρονοσειρών, θα μπορούσε να έχει καλύτερα αποτελέσματα. Αναμένουμε ότι τα Google Trends μπορούν να αποτελέσουν έναν καλό δείκτη του παγκόσμιου συναισθήματος που περιβάλλει το χρηματιστήριο, οπότε επηρεάζουν σημαντικά την τιμή της μετοχής μιας εταιρείας. Ωστόσο, δεν είμαστε σίγουροι εάν ο αντίκτυπος είναι αρκετά ισχυρός για να χρησιμοποιηθεί αποκλειστικά για προβλέψεις στο χρηματιστήριο.

One of the most difficult aspects regarding daily trading is knowing when the market will rise and fall. Search terms can help give us some insight into predicting those periods so you can profit in both bullish and bearish markets. The purpose of this thesis is to analyze if sentiment analysis, including Google Trends, can be used solely to predict a company’s stock movement. The following problem to be investigated is whether sentiment analysis with a combination of classic methods forecasting, like Time Series Analysis, could have better results. We expect that google trends can be a good indicator of the global sentiment surrounding the stock market, so it has a strong impact on a company’s stock price. However, we are unsure if the impact is strong enough to be used exclusively for stock market prediction.