Analýza investičného rozhodovania s využitím sentimentálnej analýzy
Autor(ka) práce:
Kováč, Tomáš
Typ práce:
Bakalářská práce
Vedoucí práce:
Bahník, Štěpán
Oponenti práce:
Pešata, Karel
Jazyk práce:
Slovensky
Abstrakt:
Táto bakalárska práca sa zaoberá analýzou vplyvu sentimentu na sociálnej sieti Twitter na volatilitu a výkonnosť vybraných finančných aktív – konkrétne akcií (Apple, Microsoft, Tesla, Amazon, Alphabet) a kryptomeny Bitcoin. Hlavným cieľom je identifikovať rozdiely v reakcii týchto aktív na sentimentálne zmeny v online prostredí. Práca využíva historické dáta o cenách aktív a príspevkoch na Twitteri z rokov 2021 až 2022. Používam metódy sentimentálnej analýzy, konkrétne lexikálna metóda VADER, a ekonometrické modely GARCH a EGARCH na modelovanie volatility. Pre komplexnú analýzu vzťahov medzi sentimentom a finančnými dátami boli použité cross-korelačná funkcia a wavelet koherencia. Výsledky naznačujú, že sila korelácie medzi jednotlivými aktívami a zmenami sentimentu sa líši, pričom Tesla a Bitcoin vykazujú vyššiu volatilitu. Prínosom práce je poskytnutie hlbšieho pochopenia dynamiky sentimentu a jeho potenciálneho vplyvu na investičné rozhodovanie.
Analýza investičného rozhodovania s využitím sentimentálnej analýzy
Autor(ka) práce:
Kováč, Tomáš
Typ práce:
Bakalářská práce
Vedoucí práce:
Bahník, Štěpán
Oponenti práce:
Pešata, Karel
Jazyk práce:
Slovensky
Abstrakt:
Táto bakalárska práca sa zaoberá analýzou vplyvu sentimentu na sociálnej sieti Twitter na volatilitu a výkonnosť vybraných finančných aktív – konkrétne akcií (Apple, Microsoft, Tesla, Amazon, Alphabet) a kryptomeny Bitcoin. Hlavným cieľom je identifikovať rozdiely v reakcii týchto aktív na sentimentálne zmeny v online prostredí. Práca využíva historické dáta o cenách aktív a príspevkoch na Twitteri z rokov 2021 až 2022. Používam metódy sentimentálnej analýzy, konkrétne lexikálna metóda VADER, a ekonometrické modely GARCH a EGARCH na modelovanie volatility. Pre komplexnú analýzu vzťahov medzi sentimentom a finančnými dátami boli použité cross-korelačná funkcia a wavelet koherencia. Výsledky naznačujú, že sila korelácie medzi jednotlivými aktívami a zmenami sentimentu sa líši, pričom Tesla a Bitcoin vykazujú vyššiu volatilitu. Prínosom práce je poskytnutie hlbšieho pochopenia dynamiky sentimentu a jeho potenciálneho vplyvu na investičné rozhodovanie.
Analysis of investment decisions using sentiment analysis
Autor(ka) práce:
Kováč, Tomáš
Typ práce:
Bachelor thesis
Vedoucí práce:
Bahník, Štěpán
Oponenti práce:
Pešata, Karel
Jazyk práce:
Slovensky
Abstrakt:
This bachelor thesis analyses the impact of sentiment on the social network Twitter on the volatility and performance of selected financial assets - namely stocks (Apple, Microsoft, Tesla, Amazon, Alphabet) and the cryptocurrency Bitcoin. The main objective is to identify differences in the response of these assets to sentiment changes in the online environment. The paper uses historical data on asset prices and Twitter posts from 2021 to 2022. I use sentiment analysis methods, specifically the lexical VADER method, and the econometric models GARCH and EGARCH to model volatility. Cross-correlation function and wavelet coherence were used to comprehensively analyze the relationships between sentiment and financial data. The results suggest that the strength of the correlation between individual assets and sentiment changes varies, with Tesla and Bitcoin exhibiting higher volatility. The contribution of the paper is to provide a deeper understanding of sentiment dynamics and its potential impact on investment decision-making.