Разработка модели и алгоритма влияния новостей на поведение фондового рынка на основе текстовых и числовых данных, полученных из Интернет с использованием инструментального средства IBM SPSS

Ключевые слова: ПАО «Газпром», Twitter, Python, IBM SPSS Modeler, краулер, классификация твитов, машинное обучение, прогнозирование движения фондового рынка. В данной работе разрабатывается система по прогнозированию движения акции компании ПАО «Газпром» на основе текстовых сообщений из социальной сети «Твиттер». Для исследования была выбрана компания ПАО «Газпром», являющейся одной из самых ликвидных на Московской Бирже и имеющей наибольшее количество сообщений за рассматриваемый промежуток времени с 2013 по конец 2016. Для получения сообщений из «Твиттер» создан краулер, написанный на языке Python, позволяющий выгружать примерно 122 сообщения в день, содержащих слово gazprom. Разработана классификационная модель на основе трех словарей положительных, отрицательных и нейтральных слов. Для получения наилучшей прогнозной модели было смоделировано несколько алгоритмов в IBM SPSS Modeler. Для оценки алгоритмов сравнивались точности предсказания движения котировки акции. Было рассмотрено два типа моделей, только со значением скользящего среднего и совместно с параметрами классификационной модели. В результате создана система, в которой при добавлении к значению скользящего среднего цен акции параметров классификационной модели нейронные сети показали самый высокий результат 58.1%. Точность результата говорит о существовании зависимости движения котировок акций компании ПАО «Газпром» и сообщений, публикуемых в «Твиттер» на английском языке.