This article presents a methodology to classify the polarity of words from selected Tweets. Usually, social media sentiment (SMS) is lexically determined, manually or by machine learning. However, these methods are either slow or based on a pre-established dictionary, thus not providing a customised analysis. We propose a methodology that, after having mined the topic-related Tweets, filters relevant words based on the mean and standard deviation frequency in positive and negative market days to remove neutral terms. Subsequently, through an ad hoc perceptual mapping, we assign a polarity to the dataset. This method allows the building of a dictionary associated with the investor sentiment customised to that organisation. A practical application was carried out to test the proposed methodology. The results were significant and in line with the behavioural finance theory, confirming that irrational investor feelings—expressed via social media—drive a portion of asset prices. Results also confirm the investor asymmetric behaviour under gain or loss scenarios, with the latter generating more impact than the former because people are risk-averse. The proposed method is expected to identify patterns of behaviour in social media linked to market oscillations, thereby contributing to risk management and optimising decision-making in the stock market. The use of both statistical and perceptual map filters allows a specific asset dictionary to be built; Textual sentiment analysis based on social media; The proposed method efficiently overcomes generic dictionaries and language issues.
A presente pesquisa procura contribuir com a discussão sobre crimes corporativos no Brasil. O objetivo do estudo foi verificar se as denúncias de crimes corporativos publicadas no Jornal Valor Econômico influenciaram o valor de mercado das companhias abertas brasileiras no período de 2010 até 2019. O método escolhido foi o estudo de evento com as 100 maiores empresas listadas na B3 que tiveram denúncias publicadas no jornal online. Os resultados apontam que o mercado opera de maneira ineficiente, visto que a maioria dos eventos não influenciaram no retorno anormal e acumulado das ações. A possibilidade da empresa estar, ou não, cometendo alguma ilegalidade, dependendo do caso, não afeta a decisão de investimento dos agentes de mercado. Contudo, nos achados do presente estudo, os investidores penalizaram as organizações promovendo retornos negativos nos casos de denúncias sobre crimes de fraude, ambiental e corrupção.
A presente pesquisa visa contribuir com a discussão sobre o sentimento do investidor. O objetivo do trabalho foi analisar a relação entre o sentimento exposto no Twitter e o retorno da Petrobras. Desse modo, tweets sobre a Petrobras, no período de 2010 até 2020, foram analisados a fim de se verificar se o sentimento textual dessas mensagens impacta no retorno. O método escolhido para classificar as palavras foi o mapeamento perceptual conjuntamente com a média e desvio padrão da frequência dos termos em dias positivos ou negativos. Os resultados apontaram que a variação do sentimento total e a variação do sentimento negativo tem relação com o retorno. A variação do sentimento é significativa quando o mercado está pessimista, demonstrando que a variação negativa do sentimento intensifica o movimento pessimista do mercado e ameniza a queda do mercado quando a variação do sentimento é positiva. Os achados corroboram com a teoria de finanças comportamentais de que o sentimento possui relacionamento com o retorno, no caso do estudo, o sentimento textual. Por fim, foram analisadas diferentes amostras com a mesma metodologia. Com isso, foi possível verificar que os indivíduos falam mais sobre a estatal, de modo geral, do que sobre os tickers da ação ou com a própria empresa na sua página oficial.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.