La prédiction boursière dans l’ère des réseaux sociaux

  • Par Assia Mezhar
    • 13 Mars 2023
    • read
  • Twitter
  • Linkedin
stock market

La prédiction boursière est une tâche économique majeure et importante dans la planification de l’activité commerciale. Aussi, elle a présenté un sujet de recherche très important dans plusieurs domaines de recherche tels que l’ingénierie, les mathématiques, la finance et l’informatique.

Les médias sociaux améliorent la précision de la prévision du marché boursier

La prévision du marché boursier est une tâche qui s’avère très difficile en raison de la nature complexe du marché boursier. En effet, sa forte dépendance à divers facteurs tels que les événements politiques imprévisibles, le lancement de nouveaux produits ou l’humeur de la société basée sur les opinions et les émotions du grand public [1] d’une part. Et d’autre part, en raison de la complexité du mouvement dynamique du marché boursier qui peut être modélisé à partir des données numériques ou des données textuelles.

Cette modélisation permet de fournir des informations quantitatives et qualitatives sur le mouvement des cours boursiers : rapports financiers trimestriels et annuels, articles de presse ou internet. En conséquence, la prédiction du marché boursier est améliorée au fur et en mesure que le nombre de ces facteurs dynamiques exploités dans l’analyse du marché boursier est grand [2].

Avec l’énorme émergence des médias sociaux, l’abondance d’informations sur les opinions et les sentiments du grand public est devenue une clé très intéressante qui peut être incorporée pour analyser le comportement du public envers un certain produit et ensuite envers son investissement. En outre, l’exploitation de l’humeur sociale fournie par les médias sociaux peut aussi améliorer la précision de la prévision du marché boursier, puisqu’elle est susceptible d’être un des facteurs d’influence les plus importants sur le cours de son action [3].

Analyse d’opinions à partir des médias sociaux

Récemment, les médias sociaux ont reçu beaucoup d’attention de la part des entreprises dans le dessein d’étudier leur possible exploitation dans le processus de prédiction du mouvement des cours boursiers. Les médias sociaux en général et les réseaux sociaux en particulier permettent aux gens de partager leurs pensées les plus intimes ou d’exprimer leurs sentiments et leurs opinions les plus innocents sur les événements du monde réel [4].

Twitter, par exemple, est le corpus le plus riche en données disponibles gratuitement et rapidement mises à jour fournissant aux entreprises des alertes en temps réel sur les fluctuations quotidiennes des prix des actions. Ainsi que des perspectives concises sur le futur comportement d’achat des consommateurs. Tout de bon, l’exploitation des données textuelles extraites à partir des médias sociaux en plus des données numériques s’avère très utile pour accroître la précision et la qualité des prévisions boursières.

L’un des principaux axes d’innovation de nos jours est le suivi en temps réel des sentiments et des opinions publiques sur les tendances du marché : par biais de l’analyse d’opinions à partir des médias sociaux. En raison de son extrême importance, l’application de cet axe dans la finance a été l’objectif de plusieurs projets en apprentissage automatique [5]. Véritablement, l’application des modèles de fouille textuelle et l’analyse d’opinions sur les réseaux sociaux permet d’offrir un excellent moyen pour prévoir les futures fluctuations du marché boursier à travers les spéculations du grand public.

Au cours des dernières années, de nombreux projets de recherche et développement ont abordé la problématique de pouvoir corréler l’activité de ces données avec les fluctuations des cours des actions. Et ont souligné l’utilité des réseaux sociaux comme une source en temps réel de données qui doivent être interprétées afin de prédire le marché et les fluctuations boursières.

Vous souhaitez réaliser des projets de recherche et de développement dans ce domaine ? Vous pouvez peut-être bénéficier d’un financement public, notamment de crédits d’impôt et de subventions governmentales. Contactez gratuitement à nos experts pour en savoir plus !

Sources :

  •  L. Hung, the Presidential Election and the Stock Market in Taiwan. Journal of Business and Policy Research.
  • E.F. Fama, The behavior of stock-market prices, The Journal of Business.X. Zhang, H. Fuehres and P. A. Gloor, Predicting stock market indicators through twitter “I hope it is not as bad as I fear”. Procedia-Social and Behavioral Sciences.
  • A. Cohen, Unsupervised gene/protein named entity normalization using automatically extracted dictionaries.
  • M. G. Berry and G. S. Linoff, Data mining techniques: for marketing, sales, and customer relationship management.

Auteur

Assia Mezhar
Assia Mezhar

Innovation Funding Consultant

Découvrir nos derniers articles

Voir plus arrow_forward

Données massives et stockage : Impacts actuels et perspectives...

À l’ère du numérique, les grands centres de données massives constituent l’épine dors...

AI-powered automation

Comment L’automatisation alimenté par l’IA remodèl...

Dans de nombreux secteurs, les automatisations alimentés par l’IA (Intelligence Artificiell...

Alberta Innovation Grants

Quelles sont les subventions disponibles pour l’innovati...

Vous recherchez des subventions pour l’innovation en Alberta ? Vous êtes au bon endroit. Qu...

Optimiser l’informatique en nuage pour plus de rentabili...

L’informatique en nuage a transformé la façon dont les entreprises gèrent et dimensionnent ...