Analýza vztahu mezi sentimentem finančních textů a vývojem cen akcií

Bc. Anna Dragolovová

Master's thesis

Analysis of the Relationship between the Sentiment of Financial Texts and the Stock Price Development

Abstract:

Práce se zabývá analýzou vztahu mezi cenou akcií a sentimentem finančních článků. Analýza se skládá ze sedmi dílčích analýz. První analýza je explorační analýza použitého datasetu článků z portálu Seeking Alpha a cen akcií S&P indexu. V druhé analýze je otestována nezávislost sentimentu textů a změn cen akcií pomocí χ2 testu nezávislosti, kde se prokázalo, že veličiny jsou vzájemně závislé. V dalších třech analýzách zkoumají události (extrémní situace). Pro predikci cen je nejvhodnější identifikovat události na základě extrémního objemu vydaných článků. Sentiment finančních analýz předbíhá změnu ceny na rozdíl od sentimentu novinek a proto je vhodné využít sentiment analýz pro predikci ceny. V další analýze se porovnává sentiment tří klasifikátorů – BERT, FINBERT a LSTM. Nejlépe korespondoval s cenou akcií sentiment klasifikátoru BERT. Poslední analýza se zabývá portfoliem postaveným na základě charakteristik odvozených z textu. Nejlepší výkon mělo portfolio sestavené pro rebalanční období 3 dny. Portfolio sestavené na základě charakteristik odvozených z textu systematicky překonává opačné portfolio.

Abstract:

The work focuses on an analysis of the relationship between the sentiment of financial texts and the stock price development. The work consists of seven analyses. In the first analysis, the used dataset of articles from Seeking Alpha portal and stock prices of the S&P index is described in detail. In the second analysis, the independence of stock price changes and texts sentiment is tested by the χ2 Test of Independence. It was proven that features are dependent on each other. The following three analyses focus on events (extreme states). The most suitable approach for purpose of price prediction is identifying events based on extreme articles volume. Sentiment of financial analysis anticipates stock price change unlike news sentiment so financial analysis sentiment is more suitable for price prediction. The subsequent analyses compare the sentiment of three classifiers ‐ BERT, FINBERT, and LSTM model. Sentiment from BERT classifier corresponds best with stock price development. The last analysis evaluates a portfolio build on features derived from the text. The portfolio rebalanced every 3 days performed best. The portfolio build on features derived from the text systematically overcome the opposite portfolio.

Keywords

analýza dat, S&P index, akcie, analýza sentimentu, text mining

Keywords

text mining, data analysis, S&P index, stocks, sentiment analysis

Language used: Czech

Date on which the thesis was submitted / produced: 31. 12. 2021

Thesis defence

• Supervisor: Ing. Jan Přichystal, Ph.D.
• Reader: František Dařena, Ph.D.

Mendel University in Brno

Faculty of Business and Economics

Master programme / field / specializace:
System engineering and informatics / Economic informatics / Informatics and its Application