Portfolio optimization with quantitative and newspaper sentiment analysis

Nam Hoang

Master's thesis

Optimalizace portfolio pomocí kvantitativní a sentimentální analýzy

Abstract:

Tato diplomová práce zkoumá integraci sentimentální analýzy novinových článků při optimalizaci portfolia založené na kvantitativní analýze. V empirické části práce je navržen optimalizační model, který zahrnuje obě analýzy s cílem dosáhnout lepšího výkonu oproti vybranému benchmarku. Začleněním sentimentu do tradičních kvantitativních měření, jako jsou historická volatilita, Sharpe Ratio a Jensenova alfa, optimalizované portfolio dosahuje lepších výnosů během pětiletého období. Prostřednictvím rozsáhlé analýzy je prokázáno, že sentimentální analýza má pozitivní dopad na model a vykazuje velký potenciál v aktivně řízených portfoliích. Model byl testován v různých variantách, z nichž jeden zahrnoval aplikaci transakčního poplatku ve výši 1~\% a snížené objemy obchodů. Výsledky ukazují, že ačkoli model vylepšený o sentiment vykazuje konkurenceschopný výkon ve srovnání s indexem NASDAQ Composite, určité faktory, jako jsou významné investice do aktiv s nepředvídatelnými cenovými skoky, poukazují na potřebu dalších úprav. Tyto zlepšení jsou ponechány pro budoucí rozvoj této práce. Celkově výsledky zdůrazňují potenciál sentimentální analýzy ve finančním modelování a zároveň poukazují na oblasti pro další výzkum a optimalizaci.

Abstract:

This thesis explores integrating sentiment analysis of newspaper articles into portfolio selection based on quantitative analysis. The empirical study proposes an optimization model incorporating both analyses to achieve performance enhancement over selected benchmark. By incorporating sentiment-driven adjustments into traditional quantitative measures such as the Historical volatility, Sharpe Ratio, and Jensen’s Alpha, the optimized portfolio achieves better returns over a period of 5 years. Through an extensive analysis, it is established that sentiment analysis positively impacts the model and shows great potential in actively managed portfolios. The model was tested under different scenarios, where one included the application of a 1~\% transaction charge and reduced trade volumes. The results indicate that although the sentiment-enhanced model shows competitive performance against the NASDAQ Composite index, certain factors, such as significant investments in assets with unpredictable price jumps, highlight the need for further refinements. These improvements are left for future extension of this work. Overall, the findings underscore the potential of sentiment analysis in financial modeling while also pointing out areas for future research and optimization.

Keywords

akciové investování, algoritmické obchodování, cílové programování, kvantitativní analýza, optimalizace portfolia, Python, sentimentální analýza novinek

Keywords

algorithmic trading, goal programming, portfolio selection, Python, quantitative analysis, sentiment analysis of newspaper, stock investment

Language used: English

Date on which the thesis was submitted / produced: 27. 6. 2024

Thesis defence

• Date of defence: 2024
• Supervisor: Adam Borovička
• Reader: Jakub Neugebauer

Vysoká škola ekonomická v Praze

Master programme:
Ekonometrie a operační výzkum