Análise de sentimentos e indicadores técnicos: uma análise da correlação dos preços de ativos com a polaridade de notícias do mercado de ações / Sentiment analysis and technical indicators: a correlation analysis of asset prices and polarity of stock market news

Wagner Igarashi, Guilherme Soares Valdevieso, Deisy Cristina Corrêa Igarashi

Resumo


Atualmente o movimento do mercado financeiro é um dos principais objetos de estudo para a predição de preços e análise de tendência. Concomitantemente tem-se um evidente cres-cimento do campo da computação voltado a reprodução da inteligência humana através de técnicas de inteligência artificial. O presente estudo baseou-se na possibilidade de aliar téc-nicas de análise juntamente com algoritmos computacionais de inteligência artificial volta-dos ao processamento de linguagem natural (PLN). Com isso, buscou-se construir conheci-mento acerca da influência de notícias e opiniões na constante movimentação do mercado, confrontando a polaridade destes sentimentos com a tendência sugerida pela aplicação de técnicas de análise como as médias móveis. Optou-se por utilizar neste estudo, fontes de dados de origem confiável visando a diminuição de ruídos ou das ambiguidades presentes na linguagem em certas situações de informalidade. Para tanto, utilizou-se de portais especiali-zados em publicações de notícias com foco no mercado financeiro. Os resultados obtidos pelo estudo demonstram que, a partir do recorte analisado, a correlação existente entre os sentimentos e a movimentação do preço da ação é, predominantemente, moderada.


Palavras-chave


análise de sentimentos, análise técnica, processamento de linguagem natural, mercado de ações.

Texto completo:

PDF

Referências


Alves, D. S. (2015). Uso de técnicas de Computação Social para tomada de decisão de compra e venda de ações no mercado brasileiro de bolsa de valores. Tese de Doutorado, PGEA, Universidade de Brasília, Brasília, DF, Brasil.

Andrezo, A. F., & Lima, I. S. (2000). Mercado financeiro: aspectos históricos e conceituais. São Paulo, Brasil:Pioneira.

Belmont, D. F. D. S. (2010). Teoria das ondas de elliott: uma aplicação ao mercado de ações da bm&fbovespa. Dissertação de Mestrado, Programa de Pós-Graduação em Economia, Universidade Federal da Paraíba, João Pessoa, PB, Brasil.

Bertolo, L. A. (2012). Matemática Financeira. In: Curso de matemática financeira. Disponível em: . Acesso em: 28/07/2019.

Bhatia, S., Sharma, M., & Bhatia, K. K. (2015, March). Strategies for mining opinions: A survey. International Conference on Computing for Sustainable Global Development, INDIA, 2, 262-266.

Bisi, T. C. (2009). Estratégia operacional para o mercado de ações: média móvel de 09 períodos. Trabalho de conclusão de graduação, Administração, Universidade Federal do Rio Grande do Sul, Porto Alegre, Rio Grande do Sul, Brasil.

Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. The Journal of finance, 47(5), 1731-1764.

Galdão, A., & Famá, R. (1998). Avaliação da eficiência na precificação de ações negociadas no Brasil, por teste de volatilidade. Revista de Administração da Universidade de São Paulo, 33(2).

Gomes, F. R. (1997). A Bolsa de Valores brasileira como fonte de informações financeiras. Perspectivas em ciência da informação, 2(2).

Guellil, I., & Boukhalfa, K. (2015, April). Social big data mining: A survey focused on opinion mining and sentiments analysis. International symposium on programming and systems (ISPS), 12.

Knight, F. (1967) Risk, Uncertainty and Profit. Boston, EUA: Houghton Mifflin Company.

Lima, M. L. (2016). Um modelo para predição de bolsa de valores baseado em mineração de opinião. Dissertação de Mestrado, Programa De Pós-Graduação Em Engenharia de Eletricidade, Universidade Federal do Maranhão, São Luis, MA, Brasil.

Lima, V. S., Ilha, H. F., Scalzer, R. S., & Galdi, F. C. (2009). Análise fundamentalista sob a perspectiva do analista de mercado: um estudo de caso na AES TIETÊ comparando os modelos de fluxo de caixa descontado e AEG Ohlson (1995). Congresso USP de Iniciação Científica, 6, USP, São Paulo, Brasil.

Liu, B. (2007). Web data mining: exploring hyperlinks, contents, and usage data. Springer Science & Business Media.

Lopes, T. J. P., Hiratani, G. K. L., Barth, F. J., Rodrigues Jr, O., & Pinto, J. M. (2008, October). Mineração de opiniões aplicada à análise de investimentos. Companion Proceedings of the XIV Brazilian Symposium on Multimedia and the Web, 14, 117-120.

Mittal, A., & Goel, A. (2012). Stock prediction using twitter sentiment analysis. Standford University, CS229. Disponível em: http://cs229. stanford. edu/proj2011/GoelMittal-StockMarketPredictionUsingTwitterSentimentAnalysis. pdf). Acesso em: 2019.

Murphy, J. J. (1999). Technical analysis of the financial markets: A comprehensive guide to trading methods and applications. Penguin.

Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis, Foundation and Trends in Information Retrieval, 2, 1-2.

Russell, S. J., & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno. Editora Elsevier.

Shibukawa, E. H. K. (2017). Um estudo da correlação de notícias e os valores das ações de empresas. Trabalho de conclusão de curso, Departamento de Informática, Universidade Estadual de Maringá, Maringá, PR, Brasil.

Singh, V., & Dubey, S. K. (2014, September). Opinion mining and analysis: A literature review. International Conference-Confluence The Next Generation Information Technology Summit, 5, 232-239.




DOI: https://doi.org/10.34140/bjbv3n1-029

Apontamentos

  • Não há apontamentos.