Analiza emocjonalna to nowe narzędzie do skutecznego przewidywania cen instrumentów finansowych. W tym artykule przedstawiamy studium przypadku, w jaki sposób uwzględnienie danych z analizy emocjonalnej wpływa na prognozowanie trendów cenowych instrumentów finansowych.
Analiza emocji. Emocje w życiu codziennym
Emocje pełnią jedną z najważniejszych funkcji w naszym życiu. To pod ich wpływem w naszych głowach pojawiają się różne myśli, które następnie manifestują się w postaci podejmowanych przez nas działań. Dotyczy to również świata finansów.
Obecnie rynek oferuje szeroką gamę różnych narzędzi, automatyzujących analizę i porównywanie danych finansowych. Mają one pomóc inwestorom w podejmowaniu właściwych decyzji w zarządzaniu portfelem inwestycyjnym, jednak kwestia analizy nastrojów inwestorów (tzw. analiza behawioralna) wciąż wymaga ręcznej pracy człowieka.
Śledzenie na bieżąco informacji i artykułów branżowych, a następnie próba przewidzenia reakcji społeczności inwestorskiej pochłania mnóstwo czasu, jednak koniec końców w dużej mierze podlega intuicji samego inwestora.
Czy można skutecznie mierzyć emocje w tekście?
Staraliśmy się rozwiązać ten problem tworząc Sentistocks. W oparciu o wyniki badań naukowych prowadzonych wspólnie z Politechniką Wrocławską i Instytutem Nenckiego Polskiej Akademii Nauk, stworzyliśmy model sztucznej inteligencji (AI), który przewiduje trendy uśrednionych cen instrumentów finansowych.
Wykorzystanie pomiaru emocji do inwestowania
Mając już działający model, postanowiliśmy przetestować go na rynkach finansowych, na których emocje odgrywają równie ważną rolę, co dane finansowe. Aby sprawdzić Sentistocks, wykorzystaliśmy notowania Bitcoina, pobierając dla niego zarówno historyczne dane finansowe, jak i wzmianki z mediów społecznościowych (np. tweety, posty z portalu Reddit), aby wytrenować model sztucznej inteligencji.
Wspomniane dane pochodziły z całego 2018 i 2019 roku (więcej informacji o tym, jak dokładnie działa nasz model, można znaleźć tutaj). Następnie uruchomiliśmy wytrenowany model, który działał w czasie rzeczywistym i od tego czasu nieprzerwanie pobierał wszystkie dane. Od 1 stycznia do 31 maja 2020 r. model przeanalizował łącznie 4 436 107 wzmianek i zwrócił 148 prognoz dotyczących średniego dziennego trendu cenowego Bitcoina.
Czy analiza emocjonalna może wspierać proces inwestycyjny?
We wspomnianym okresie (styczeń – maj 2020 r.) badaliśmy dwa równoległe modele przewidywania średnich dziennych cen zamknięcia Bitcoina. Pierwszy z nich obejmował tylko dane finansowe, a drugi dane finansowe i dane z analizy emocjonalnej.
Wykres 1. Rzeczywiste i prognozowane ceny w okresie styczeń-maj 2020 r.
Wyniki skuteczności (dokładności) prognoz obu modeli przedstawiono na rysunku 2.
Rysunek 2. Dokładność przewidywania dla okresu styczeń-maj 2020 r.
Średnia skuteczność (dokładność) prognoz cen Bitcoina w okresie od stycznia do maja 2020 r. wyniosła odpowiednio:
- dla przewidywań opartych tylko na danych finansowych 55%,
- dla przewidywań opartych na danych finansowych i emocjonalnych 73%.
Zauważalna jest przewaga modelu opartego na danych finansowych i emocjonalnych, co dotyczy także wyników notowanych w poszczególnych miesiącach.
Dla inwestorów niezwykle istotne jest prognozowanie skuteczności skokowych zmian cen. W analizie porównawczej obu modeli przyjęliśmy trzy przedziały wartości prognozowanej zmiany ceny:
- boczny zakres zmiany ceny (w granicach +/- 0,66%),
- zakres rosnącej zmiany ceny (powyżej + 0,66%),
- zakres spadkowej zmiany ceny (poniżej – 0,66%).
Rysunek 3. Dokładność przewidywania dla okresu styczeń-maj 2020 r.
Wyniki przedstawione na wykresie 3 potwierdzają przewagę modelu predykcyjnego opartego na jednoczesnej analizie danych finansowych i emocjonalnych.
Nowe narzędzie, więcej możliwości
Podsumowując: wzbogacenie zakresu informacji o dane emocjonalne znacząco poprawia skuteczność w przewidywaniu trendu średnich cen instrumentów finansowych, w tym przypadku kursu Bitcoina.
Analiza emocjonalna poszerza dostępne dotychczas profesjonalne instrumentarium, co przekłada się na wzrost potencjalnego zwrotu z inwestycji, a także skutkuje znaczną oszczędnością czasu. Przytoczony w artykule przykład dotyczy Bitcoina i ze względu na łatwość dostępu do jego danych, to właśnie na nim skupiliśmy testy naszego narzędzia.
Niemniej jednak w najbliższej przyszłości planujemy przetestować je na innych instrumentach finansowych. Wszystkich tych, którzy chcą zobaczyć nasze narzędzie w akcji, zapraszamy do dołączenia do naszej prywatnej grupy na Facebooku, gdzie codziennie o stałej porze dzielimy się naszymi przewidywaniami na kolejny dzień.