Using Tweets to Predict the Stock Market

author : Zhiang Hu, Jian Jiao, Jialu Zhu

1. Abstact

우리는 이 프로젝트를 통해 영향력 있는 트위터 유저와 그에 해당하는 하나의 주식 가격 움직임 사이의 관계를 찾아내려 한다.

우리가 사용할 데이터는 Tesla의 CEO인 Elon Musk의 트윗들과 Tesla의 주식 가격이다.

SVM(Support Vector Machine) Model을 사용하여 다양한 시도를 할 것이다.

2. Background

영향령 있는 트위터 유저들의 트윗은 특정 주식 가격에 영향을 미칠 수 있다는 것을 발견했다.

예를 들어, 최근에 유명한 전기 자동차 회사인 Tesla의 주식은 자율 주행에 대한 Elon Musk(Tesla CEO)의 트윗이 업데이트 되고 난 후에 크게 상승했다.

게다가, AP(Associated Press) 통신의 트위터 계정이 백악관에서 폭발이 있을 것이라는 거짓 트윗을 올리고 난 후 다우 존스와 S&P 500 지수는 1%가 하락했다.

3. Prior Work

트위터나 다른 SNS을 이용한 주식 시장 예측에 대한 연구는 많이 존재한다.

2010년에, Bollen et al.은(는) Self-Organizing Fuzzy Neural Network와 Google Profile of Mood States(GPOMS)와 트위터 데이터를 사용하여 87.6%의 정확도로 DJIA 이동 방향을 예측했다.

그들은 “Calm” Mood Profile이 주식 시장 예측을 위한 최적의 결과를 산출한다는 것을 발견했다.

4. Methods

4.1 Data Process

• 4.1.1 Tweet Data
  • 이 프로젝트의 첫 과제는 트위터에게서 데이터를 가져오는 것이다. 과거 연구에 사용된 데이터들은 트위터의 개인 정보 보호 정책으로 인해 더는 사용이 불가능하다.
  • 그러므로, 트위터 계정의 트윗 내용과 favorite 수, 리트윗 수를 가져오기 위해 Tweepy(트위터 개발자 도구)를 사용해야 한다.
  • 특정 유저에게서 최대 3200개의 트윗 정보를 수집할 수 있다.

5. Analysis

• SVM?
  • Support Vector Machine의 약자로, 기계 학습의 분야 중 하나다.
  • 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석을 위해 사용한다.
  • 우리가 원하는 결과를 위해서 어떤 분석 알고리즘을 써야 하는지, 다른 알고리즘도 찾아보자.
• Tweepy?
  • Twitter API에 쉽게 접근하게 도와주는 Python Library이다.
  • 다른 논문에서는 Twitter API에 어떻게 접근했는지 살펴보자.