Vie et Sciences de l'Entreprise N° 206Résumé :

L'augmentation massive du volume de données générées chaque jour sur Internet offre aux chercheurs la possibilité d'aborder la question de la prédictibilité des marchés financiers sous un nouvel angle. Plus particulièrement, l'apparition des réseaux sociaux (Twitter et StockTwits) permet de créer de nouveaux indicateurs mesurant le sentiment des investisseurs et ainsi d'analyser l'impact de la diffusion de fausses informations sur le processus de formation des prix. Les deux principaux résultats que nous pouvons en faire sont les suivants : premièrement, le sentiment des investisseurs, mesuré à partir du contenu publié sur les réseaux sociaux, permet de prévoir l'évolution des marchés financiers, tout du moins à l'échelle intrajournalière ; deuxièmement, les manipulations informationnelles sur les réseaux sociaux sont fréquentes, principalement sur les entreprises à faible capitalisation.

Mots-clés : Big data, mégadonnée, machine learning, auto-apprentissage, analyse naturelle du langage, finance de marché, efficience des marchés.

Abstract:

The massive increase in the volume of data generated daily on the Internet offers researchers the opportunity to approach the issue of financial market predictability from a new perspective. In particular, the analysis of content published on social networks now makes it possible to quantify investors' opinions in an automated way. In this article, we present the main results of the literature exploring the relationship between investor sentiment on social networks and the evolution of financial asset prices. We also illustrate the advantages and limitations of using this new data through the detailed analysis of a research article.

Keywords : Big data, machine learning, natural language processing, asset pricing, market efficiency.

Consulter cet article.