Twitter Predictor |
Het bepalen van de gemoedstoestand van mensen op basis van de gigantische hoeveelheid data die te vinden is op sociale netwerksites, zoals Twitter.
Hieraan ligt ten grondslag een onderzoek van Johan Bollen, een professor uit het Belgisch-Limburgse Maasmechelen die computerwetenschappen doceert aan de universiteit van Indiana. Hij schreef een programma om op basis van bepaalde woorden de gemoedstoestand en het gedrag van mensen - bijvoorbeeld op financiële markten - te 'voorspellen'.
Uit de analyse van 10 miljoen 'tweets' (korte tekstberichten op Twitter) uit 2008 blijkt vooral de gemoedstoestand 'kalmte' een hele goede voorspeller. Telkens als de stemming op Twitter kalm was, ging de slotkoers van de Dow Jones 2 tot 6 dagen later omhoog. Gecombineerd met enkele andere berekeningen konden Bollen en zijn mede-onderzoekers daardoor in 86,7 procent van de gevallen 'voorspellen' of de Dow Jones zou stijgen of dalen.
Diverse partijen zien hiervoor commerciële mogelijkheden. In de praktijk heeft het model zich nog maar beperkt bewezen, het model heeft vooral een experimenteel karakter. Daarnaast is in de praktijk keer op keer gebleken hoe gevaarlijk het kan zijn blind te varen op computermodellen en algoritmes.
Zie ook: beursstemming, sentiment, sentimentsindicator, stemmingsindicator, gedragseconomie, behavioural finance, wisdom of the crowd, model, algoritme, correlatie, backtesting, garbage in, garbage out. Vergelijk: voorspellingsmarkt, Google Barometer, R-word index, Breakingviews Economic Spot-check, Rationalizer, beleidsonzekerheidsindex.
compleet
| |
|
