google y twitter le dicen lo que hará la bolsa...si sabe cómo escuchar. el proyecto matrix big...
TRANSCRIPT
Dr. Raúl Gómez Martínez y Francisco Álvarez Cano
Madrid, 28 de mayo de 2015
Google y Twitter le dicen
lo que hará la bolsa…
si sabe cómo escuchar
Presentación
Sensibilidad del Ibex35 a los mensajes de Twitter
Prof. Dr. Raúl Gómez Martínez Francisco Álvarez Cano
Marco Conceptual
Sensibilidad del Ibex35 a los mensajes de Twitter
Harry Markowitz (premio Nobel de Economía) en su famoso artículo "Portfolio selection" publicado en el Journal of finance en 1952 demostraba desde un punto de vista teórico que el inversor, actuando de manera racional seleccionará aquellas carteras que maximizan la rentabilidad esperada minimizando el riesgo a asumir
Marco Conceptual
Sensibilidad del Ibex35 a los mensajes de Twitter
El efecto del sentimiento del inversor sobre los mercados financieros se ha constatado desde
múltiples puntos de vista:
Patrones estacionales:
Septiembre es el peor mes del año y Los crash bursátiles se dan en Octubre
El lunes es el peor día de la semana, y el viernes o víspera de festivo el mejor
Efecto Halloween o "sell in may and go away“
El Efecto Enero
El deporte: La rentabilidad esperada de un índice bursátil tras un partido de la selección
nacional de futbol es diferente dependiendo del resultado obtenido. (Ver: Sentimiento del
inversor, selecciones nacionales de fútbol y su influencia sobre sus índices nacionales)
El clima: "Good Day Sunshine: Stock Returns and the Weather" (The Journal of Finance,
2003): Las mañanas soleadas tenían relevancia sobre la rentabilidad de los índices bursátiles
de dichos países.
La luna: Existen estudios como “Endogenous steroids and financial risk taking on a London
trading floor”: Correlación entre los niveles hormonales y el comportamiento de los traders y
existen mayores niveles hormonales asociados a la luna llena. Si unimos ambos argumentos,
"Are Investors Moonstruck? - Lunar Phases and Stock Returns".
Impacto de Internet en los mercados
Web 2.0: Un cambio social con impacto económico
Impacto de Internet en los mercados
Mercados 2.0: Los datos y la información, claves
Impacto de Internet en los mercados
España lidera el uso de las redes sociales, no sólo ocio
93% internautas en
redes sociales
(72% población
ESP > 68% UE)
87% usuarios con
cuenta facebook,
57% en Google,
54% en Twitter.
1,45 horas al día
dedicadas a
navegar por
Internet > TV
Impacto de Internet en los mercados
La web 2.0 como fuente de información relevante
¿Qué tiene que
ver este
fenómeno con
los mercados
financieros?
La SEC autorizó en
2013 a publicar
hechos relevantes en
redes sociales
El 40% de inversores
las utiliza como fuentes
clave de información
financiera.Fuente: Estudio Sysomos Marketwire
Impacto de Internet en los mercados
¿Qué buscan los inversores en Internet? ¿Dónde?
¿Qué buscan en la Red?
Información de mercados
en tiempo real en:
Buscadores > Google
Wikipedia
Facebook & Twitter
Google Plus & Youtube
¿Por qué no analizar el
tráfico online en tiempo
real para tomar
decisiones de inversión?
Análisis de casos prácticos y estudios científicos precedentes
Casos prácticos
En Internet
• Universidad de Munich
• Social Market Analytics
• Market Prophit
• MarketPsych
En redes sociales
En banca española
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Mercado de Inversión: Dow Jones
Industrial Average.
Fechas: Agosto 2004-Junio 2011
Datos analizados: búsquedas en
Google de un conjunto de 98 términos,
tales como “deuda”, “acciones”,
“derivados”, “dinero”, “ingresos”,
“paro”, “crédito”…
Herramientas: Google Trends
Estrategia: Comparación del
número de búsquedas a un término.
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
RESULTADOS
Conclusión: Nos informamos más si
las cosas van mal que si van bien
2004-2011
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Mercado de Inversión: 30
compañías del Dow Jones de USA
Fechas: Dic 2007-Abril 2012
Datos analizados: Flujos de
búsquedas en la Wikipedia
Herramientas: Wikipedia
Estrategia: Vinculación entre la
evolución del mercado y el número
de visitas a páginas financieras de
la Wikipedia.
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Conclusión: Nos informamos más si
las cosas van mal que si van bien
2007-2012
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Mercado de Inversión: Índice S&P
100
Fechas: 1 enero – 30 junio 2010
Datos analizados: 250.000 tuits que
incluyen “$ticker” de inversores en
bolsa (2.012 tuits al día). Se observó
una vinculación con las informaciones
de los analistas
Herramientas: Twitter API
Estrategia: Relación entre los
mensajes vía Twitter del mercado de
valores y las fluctuaciones de la Bolsa
RESULTADOS Ver informe (PDF)
Increased bullishness of stock microblogs is associated with
higher returns.
Increased message volume in stock microblogging forums is
associated with:
an increase in trading volume.
higher returns
higher volatility
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Compañía de Chicago
Creó un algoritmo que utiliza Twitter
como indicador adelantado de
movimientos al alza y a la baja de
algunos valores de la bolsa
Envía informes vía email y genera
alertas
Fecha: 1/12/2011 a 31/12/2013
"En las Redes Sociales, no importa
sólo lo que se dice, sino también
quién lo dice” Joe Gits, CEO
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
¿Cuánto rastrean? Más de 30.000 tuits
diarios
¿Qué buscan?
Mención de valores/acciones
Precios de valores/acciones
Resistencias y soportes
Cambios de precios objetivos
Previsiones de resultados
Otros datos: nuevo CEO, fusiones,
escándalos
¿Cómo filtran?
Eliminan spam, falsos tuits y usuarios
que generen mensajes para
aprovecharse
Filtro cuantitativo (cuerpo del tuit,
relevancia, consistencia, frecuencia RT)
y cualitativo
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Proporciona rankings de usuarios de medios sociales,
generar señales de sentimiento en tiempo real únicos
(alcista / bajista) en base a la identificación de los “Gurus”
o “Market Prophits” dentro de la multitud
1. Utiliza un software de procesamiento de
lenguaje para seguir los tuits sobre acciones
que incluyen símbolos de cotización ($ticker)
2. Asigna una calificación a cada tuit.
3. Crea un gráfico en tiempo real que muestra si
los tuits sobre las acciones de una empresa
tienden a ser optimistas o pesimistas.
4. Existe una función para comparar la
perspectiva de los gurús del mercado con la del
resto del público.
5. La idea es que aquellos que difieran del
consenso general pueden estar señalando un
cambio en la dirección del mercado.
6. Además clasifica de forma cuantitativa a
Bloggers Financieros de los medios de
comunicación, basados en su historico/track
record de su performance sobre los
comentarios de mercado
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
1. MarketPsych es un software que analiza las
redes sociales y los sitios de noticias para
identificar temas que generan temor y
optimismo.
2. Con este software proporcionan a los
inversores:
• Información de perspectivas a corto y
largo plazo
• Identificación de puntos de inflexión en
el mercado
• Medición del consenso de mercado
sobre una empresa
3. Proporcionan tablas con los niveles de
sentimiento para:
• Distintas clases de activos
• Indicando qué sectores desatan por las
reacciones con mayor temor
• Dónde se hallan las expectativas de
mayores ganancias
Ene 2008
a Dic 2010
Casos prácticos
Caso
Análisis de casos prácticos y estudios científicos precedentes
Red social dirigida a usuarios del servicio de
valores de Caixabank (Bolsa Abierta): 1 millón de
usuarios, gestión de +75% de valores de la Caixa
(4.000 m€ último año)
Stocktactics permite configurar una cartera de
valores, real o simulada, y seguir su evolución de
acuerdo con las condiciones reales del mercado.
Es posible visualizar los perfiles de otros
inversores miembros de la red, acceder a la
composición de sus carteras y compartir
opiniones y comentarios.
La comunidad dispone de rankings para
conocer los valores más populares en la
comunidad, las carteras más rentables y los
inversores más activos.
¿Medir el sentimiento del Inversor?
Sensibilidad del Ibex35 a los mensajes de Twitter
Rxt = a + b R_Ibext + d SIxt + et
Rxt : Rentabilidad del valor X en el
periodo t.
SIxt : Sentimiento del Inversor medido
como la diferencia entre
tweets positivos y negativos
observados sobre el valor “X” en la
sesión de mercado “t”.
R_Ibext : Rentabilidad del Índice de
referencia en “t”.
Parámetros d :
1. Es significativo para el 74%
de los valores del Ibex al
90%
2. Los 35 parámetros
calculados promedian 0,12
¿Medir el sentimiento del Inversor?
Matriz de alertas sociales de mercado testada por traders
Fechas
(desviación
típica)
Mercados Tuits Influencers
CecabankMarketMatrix
¿Próximos pasos?
Sensibilidad del Ibex35 a los mensajes de Twitter
• El sentimiento del Inversor es una variable con capacidad
explicativa en los mercados financieros.
• Por extensión el Social Network Analysis es una herramienta
que aporta información útil para cualquier variable de negocio
relevante.
• Aplicar la información de las redes sociales a las variables
relevantes en la toma de decisiones
• Big Data: Modelos predictivos de Business Analysis que
incorporan información de las redes sociales
Futuras líneas de investigación
Sensibilidad del Ibex35 a los mensajes de Twitter
• Nuestra apuesta:
– Evolucionar nuestro estudio de modelos econométricos de regresión
lineal a modelos predictivos basados en redes bayesianas:
GRACIAS POR SU ATENCION
Estudio en base a Stockbuzz (BBVA) de sentimiento de
inversores en Twitter respecto al Ibex 35
Proyecto Cecabank Market Matrix
Dr. Raúl Gomez Martínez
Coordinador de la línea de investigación “Economía Emocional”
Management & Business Economics Research
Francisco Álvarez Cano
Experto en Reputación y Social Media de Cecabank