Análise de sentimentos de tweets para identificar tendências de bitcoins no mercado financeiro

Abstract

Predição de eventos relativos ao mercado financeiro é sempre uma tarefa de alta complexidade, visto que os fatores que podem ser responsabilizados por movimentos de mercado é bastante vasto e diverso. As criptomoedas, tecnologia inovadora que tem ganhado bastante adesão e visibilidade no comércio, ainda são cercadas de desconfianças. Aliado à popularização dessas criptomoedas, as redes sociais se tornaram uma fonte rica de informações, pois seus usuários publicam mensagens e opiniões relacionadas com diversos assuntos. Nesse sentido, alguns usuários e especialistas do domínio financeiro analisam essas mensagens das redes sociais relacionadas ao mercado financeiro e às criptomoedas para auxiliar nas tarefas de tomadas de decisão. Este projeto propõe desenvolver um método para identificar relações entre as mensagens da rede social Twitter e o valor de mercado do Bitcoin. O método proposto é composta por técnicas de pré-processamento e caracterização de textos, em conjunto com algoritmos de classificação, a fim de analisar a polaridade (positivo, negativo e neutro) de sentimentos presentes nos tweets. Modelos não-supervisionados são também empregados para extrair tópicos de conjuntos de tweets e para agrupá-los conforme as relações de similaridade, possibilitando a identificação de padrões. Experimentos foram realizados para validar o método proposto e consistem de três etapas: (i) comparar o volume total de tweets positivos, negativos e neutros, com o valor de mercado do Bitcoin; (ii) obter os tópicos relevantes presentes nos documentos, e assim, buscar relações entre os sentimentos predominantes e os tópicos; (iii) visualizar os agrupamentos formados pela aplicação da técnica K-means. O método proposto obteve resultados relevantes, mas levando em consideração o atual momento de crescente valorização da criptomoeda, sendo necessário testes adicionais para comprovar sua plena eficácia.