Please use this identifier to cite or link to this item:
http://hdl.handle.net/2445/182294
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Bolancé Losilla, Catalina | - |
dc.contributor.advisor | Torra Porras, Salvador | - |
dc.contributor.author | Salvador Zuriaga, Francesc | - |
dc.date.accessioned | 2022-01-12T09:47:56Z | - |
dc.date.available | 2022-01-12T09:47:56Z | - |
dc.date.issued | 2021 | - |
dc.identifier.uri | http://hdl.handle.net/2445/182294 | - |
dc.description | Treballs Finals del Grau d'Economia i Estadística. Doble titulació interuniversitària, Universitat de Barcelona i Universitat Politècnica de Catalunya. Curs: 2020-2021. Tutors: Catalina Bolancé Losilla y Salvador Torra Porras | ca |
dc.description.abstract | Las redes sociales se están convirtiendo en una de las principales fuentes de datos en la era del big data. Muchos analistas financieros usan Twitter para recopilar datos y obtener información valiosa en el análisis financiero. En los últimos años, perfiles políticos reconocidos internacionalmente como Donald Trump estado usando Twitter para comunicarse con su público. Los tuits del Presidente se consideran señales informativas que pueden influir en los consumidores y afectar las decisiones de los inversores en el mercado de valores. El efecto de estas señales se puede medir coincidiendo con los cambios en el mercado de valor.. En este proyecto, se aplican análisis textuales y de sentimientos a los tuits de Trump para monitorizar el estado de ánimo presidencial. Luego, se utiliza un análisis de causalidad de Granger y un algoritmo de máquinas de vectores soporte para investigar la hipótesis de que los estados de ánimo del presidente predicen los rendimientos de diferentes mercados americanos. Los resultados indican que existe una relación estadísticamente significativa positiva durante toda la presidencia entre la proporción de tuits negativos escritos por Donald Trump y la tendencia diaria de los rendimientos del índice Dow Jones para el tercer día bursátil siguiente. Sin embargo, este resultado no implica necesariamente que se obtengan mejores resultados predictivos cuando se agrega esta información al modelo de aprendizaje automático. La conclusión del modelo SVM establece que el modelo es neutral a esta nueva información de los indicadores de opinión. Además, se ha descubierto cómo tuits específicos y de carácter financiero de Donald Trump son capaces de generar tendencias anormales en el mercado de valores durante un período de 10 días. | ca |
dc.format.extent | 94 p. | - |
dc.format.mimetype | application/pdf | - |
dc.language.iso | spa | ca |
dc.rights | cc by-nc-nd (c) Salvador Zuriaga, 2021 | - |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ | * |
dc.source | Treballs Finals de Grau (TFG) - Estadística UB-UPC | - |
dc.subject.classification | - | |
dc.subject.classification | Trump, Donald, 1946- | - |
dc.subject.classification | Borsa de valors | - |
dc.subject.classification | Treballs de fi de grau | - |
dc.subject.other | - | |
dc.subject.other | Trump, Donald, 1946- | - |
dc.subject.other | Stock-exchange | - |
dc.subject.other | Bachelor's theses | - |
dc.title | Los efectos de los tuits de Donald Trump sobre el mercado bursátil americano | ca |
dc.type | info:eu-repo/semantics/bachelorThesis | ca |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | ca |
Appears in Collections: | Treballs Finals de Grau (TFG) - Estadística UB-UPC |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Francesc_Salvador_Zuriaga_TFG.pdf | 3.46 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License