@article{ranco_effects_2015,
	title = {The effects of twitter sentiment on stock price returns},
	issn = {19326203},
	doi = {10.1371/journal.pone.0138441},
	abstract = {Социальные медиа во все большей степени отражает и влияние на поведение других сложных систем. В данной работе мы исследуем отношения между известным микро-блог-платформы Twitter и финансовых рынков. В частности, мы считаем, в течение 15 месяцев, объем Twitter и настроений примерно 30 stockcompanies, которые формируют индекс Dow Jones Industrial Average (DJIA). Мы находим относительно низкую корреляцию Пирсона и Грейнджер причинно-следственной связи между соответствующими временными рядами на протяжении всего периода времени. Тем не менее, мы находим значительную зависимость между чувством Twitter и ненормальное возвращается во время thepeaks объема Twitter. Это справедливо не только для пиков ожидаемый объем Twitter (например, ежеквартальные объявлений), но и для пиков, соответствующих менее очевидные события. Мы формализовать процедуру адаптации хорошо известный "исследование событий" из области экономики и финансов для анализа данных Twitter. Процедура позволяет автоматически определять события в пиках громкости Twitter, чтобы вычислить преобладало мнение (положительное или отрицательное), выраженное в твитов на этих пиков, и, наконец, применить методику «Изучение событий», чтобы связать их доходности акций. Показано, что настроения полярность пиков Twitter предполагает thedirection кумулятивных аномальных возвратов. Количество кумулятивных аномальных возвратов является относительно низким (около 1-2\%), но зависимость является статистически значимым в течение нескольких дней после событий. Social media are increasingly reflecting and influencing behavior of other complex systems. In this paper we investigate the relations between a well-known micro-blogging platform Twitter and financial markets. In particular, we consider, in a period of 15 months, the Twitter volume and sentiment about the 30 stockcompanies that form the Dow Jones Industrial Average (DJIA) index. We find a relatively low Pearson correlation and Granger causality between the corresponding time series over the entire time period. However, we find a significant dependence between the Twitter sentiment and abnormal returns during thepeaks of Twitter volume. This is valid not only for the expected Twitter volume peaks (e.g., quarterly announcements), but also for peaks corresponding to less obvious events. We formalize the procedure by adapting the well-known "event study" from economics and finance to the analysis of Twitter data. Theprocedure allows to automatically identify events as Twitter volume peaks, to compute the prevailingsentiment (positive or negative) expressed in tweets at these peaks, and finally to apply the "event study" methodology to relate them to stock returns. We show that sentiment polarity of Twitter peaks implies thedirection of cumulative abnormal returns. The amount of cumulative abnormal returns is relatively low (about 1-2\%), but the dependence is statistically significant for several days after the events.},
	journal = {PLoS ONE},
	author = {Ranco, Gabriele and Aleksovski, Darko and Caldarelli, Guido and Grčar, Miha and Mozetič, Igor},
	year = {2015},
	pmid = {26390434},
	note = {arXiv: 1506.02431v2
ISBN: 1877-7503},
}

{"_id":"8DkgHmpggJYAkStZv","bibbaseid":"ranco-aleksovski-caldarelli-grar-mozeti-theeffectsoftwittersentimentonstockpricereturns-2015","downloads":0,"creationDate":"2016-11-22T10:32:19.117Z","title":"The effects of twitter sentiment on stock price returns","author_short":["Ranco, G.","Aleksovski, D.","Caldarelli, G.","Grčar, M.","Mozetič, I."],"year":2015,"bibtype":"article","biburl":"https://bibbase.org/zotero/johnandsci","bibdata":{"bibtype":"article","type":"article","title":"The effects of twitter sentiment on stock price returns","issn":"19326203","doi":"10.1371/journal.pone.0138441","abstract":"Социальные медиа во все большей степени отражает и влияние на поведение других сложных систем. В данной работе мы исследуем отношения между известным микро-блог-платформы Twitter и финансовых рынков. В частности, мы считаем, в течение 15 месяцев, объем Twitter и настроений примерно 30 stockcompanies, которые формируют индекс Dow Jones Industrial Average (DJIA). Мы находим относительно низкую корреляцию Пирсона и Грейнджер причинно-следственной связи между соответствующими временными рядами на протяжении всего периода времени. Тем не менее, мы находим значительную зависимость между чувством Twitter и ненормальное возвращается во время thepeaks объема Twitter. Это справедливо не только для пиков ожидаемый объем Twitter (например, ежеквартальные объявлений), но и для пиков, соответствующих менее очевидные события. Мы формализовать процедуру адаптации хорошо известный \"исследование событий\" из области экономики и финансов для анализа данных Twitter. Процедура позволяет автоматически определять события в пиках громкости Twitter, чтобы вычислить преобладало мнение (положительное или отрицательное), выраженное в твитов на этих пиков, и, наконец, применить методику «Изучение событий», чтобы связать их доходности акций. Показано, что настроения полярность пиков Twitter предполагает thedirection кумулятивных аномальных возвратов. Количество кумулятивных аномальных возвратов является относительно низким (около 1-2%), но зависимость является статистически значимым в течение нескольких дней после событий. Social media are increasingly reflecting and influencing behavior of other complex systems. In this paper we investigate the relations between a well-known micro-blogging platform Twitter and financial markets. In particular, we consider, in a period of 15 months, the Twitter volume and sentiment about the 30 stockcompanies that form the Dow Jones Industrial Average (DJIA) index. We find a relatively low Pearson correlation and Granger causality between the corresponding time series over the entire time period. However, we find a significant dependence between the Twitter sentiment and abnormal returns during thepeaks of Twitter volume. This is valid not only for the expected Twitter volume peaks (e.g., quarterly announcements), but also for peaks corresponding to less obvious events. We formalize the procedure by adapting the well-known \"event study\" from economics and finance to the analysis of Twitter data. Theprocedure allows to automatically identify events as Twitter volume peaks, to compute the prevailingsentiment (positive or negative) expressed in tweets at these peaks, and finally to apply the \"event study\" methodology to relate them to stock returns. We show that sentiment polarity of Twitter peaks implies thedirection of cumulative abnormal returns. The amount of cumulative abnormal returns is relatively low (about 1-2%), but the dependence is statistically significant for several days after the events.","journal":"PLoS ONE","author":[{"propositions":[],"lastnames":["Ranco"],"firstnames":["Gabriele"],"suffixes":[]},{"propositions":[],"lastnames":["Aleksovski"],"firstnames":["Darko"],"suffixes":[]},{"propositions":[],"lastnames":["Caldarelli"],"firstnames":["Guido"],"suffixes":[]},{"propositions":[],"lastnames":["Grčar"],"firstnames":["Miha"],"suffixes":[]},{"propositions":[],"lastnames":["Mozetič"],"firstnames":["Igor"],"suffixes":[]}],"year":"2015","pmid":"26390434","note":"arXiv: 1506.02431v2 ISBN: 1877-7503","bibtex":"@article{ranco_effects_2015,\n\ttitle = {The effects of twitter sentiment on stock price returns},\n\tissn = {19326203},\n\tdoi = {10.1371/journal.pone.0138441},\n\tabstract = {Социальные медиа во все большей степени отражает и влияние на поведение других сложных систем. В данной работе мы исследуем отношения между известным микро-блог-платформы Twitter и финансовых рынков. В частности, мы считаем, в течение 15 месяцев, объем Twitter и настроений примерно 30 stockcompanies, которые формируют индекс Dow Jones Industrial Average (DJIA). Мы находим относительно низкую корреляцию Пирсона и Грейнджер причинно-следственной связи между соответствующими временными рядами на протяжении всего периода времени. Тем не менее, мы находим значительную зависимость между чувством Twitter и ненормальное возвращается во время thepeaks объема Twitter. Это справедливо не только для пиков ожидаемый объем Twitter (например, ежеквартальные объявлений), но и для пиков, соответствующих менее очевидные события. Мы формализовать процедуру адаптации хорошо известный \"исследование событий\" из области экономики и финансов для анализа данных Twitter. Процедура позволяет автоматически определять события в пиках громкости Twitter, чтобы вычислить преобладало мнение (положительное или отрицательное), выраженное в твитов на этих пиков, и, наконец, применить методику «Изучение событий», чтобы связать их доходности акций. Показано, что настроения полярность пиков Twitter предполагает thedirection кумулятивных аномальных возвратов. Количество кумулятивных аномальных возвратов является относительно низким (около 1-2\\%), но зависимость является статистически значимым в течение нескольких дней после событий. Social media are increasingly reflecting and influencing behavior of other complex systems. In this paper we investigate the relations between a well-known micro-blogging platform Twitter and financial markets. In particular, we consider, in a period of 15 months, the Twitter volume and sentiment about the 30 stockcompanies that form the Dow Jones Industrial Average (DJIA) index. We find a relatively low Pearson correlation and Granger causality between the corresponding time series over the entire time period. However, we find a significant dependence between the Twitter sentiment and abnormal returns during thepeaks of Twitter volume. This is valid not only for the expected Twitter volume peaks (e.g., quarterly announcements), but also for peaks corresponding to less obvious events. We formalize the procedure by adapting the well-known \"event study\" from economics and finance to the analysis of Twitter data. Theprocedure allows to automatically identify events as Twitter volume peaks, to compute the prevailingsentiment (positive or negative) expressed in tweets at these peaks, and finally to apply the \"event study\" methodology to relate them to stock returns. We show that sentiment polarity of Twitter peaks implies thedirection of cumulative abnormal returns. The amount of cumulative abnormal returns is relatively low (about 1-2\\%), but the dependence is statistically significant for several days after the events.},\n\tjournal = {PLoS ONE},\n\tauthor = {Ranco, Gabriele and Aleksovski, Darko and Caldarelli, Guido and Grčar, Miha and Mozetič, Igor},\n\tyear = {2015},\n\tpmid = {26390434},\n\tnote = {arXiv: 1506.02431v2\nISBN: 1877-7503},\n}\n\n","author_short":["Ranco, G.","Aleksovski, D.","Caldarelli, G.","Grčar, M.","Mozetič, I."],"key":"ranco_effects_2015","id":"ranco_effects_2015","bibbaseid":"ranco-aleksovski-caldarelli-grar-mozeti-theeffectsoftwittersentimentonstockpricereturns-2015","role":"author","urls":{},"metadata":{"authorlinks":{}},"html":""},"search_terms":["effects","twitter","sentiment","stock","price","returns","ranco","aleksovski","caldarelli","grčar","mozetič"],"keywords":[],"authorIDs":[],"dataSources":["JBCT4AXyeopWLaLMW","nQZviL9qxJNFkEnq7"]}