Explorando arquiteturas de redes neurais profundas para auxílio à tomada de decisão no mercado de ações com dados do Twitter.

Abstract

A análise de sentimentos tem se tornado um importante campo de estudo devido à enorme quantidade de dados disponíveis, possibilitando diversas aplicações como monitoramento de marcas e produtos, previsão de campanhas políticas e até aplicações no mercado financeiro. Um dos grandes desafios da análise de sentimentos em tweets está na criação de modelos preditivos que conseguem classificar-los como positivo, negativo ou neutro. Sendo humanamente ineficiente e inviável a classificação desses dados manualmente. Os principais modelos propostos na literatura utilizam abordagens baseadas em processamento de linguagem natural e aprendizado de máquina. Assim, este trabalho, visa explorar redes neurais profundas para investigar as relações de empresas de turismo e aviação listadas no mercado brasileiro de ações durante a crise da pandemia de COVID-19. Frente ao contexto apresentado, neste trabalho, discutiremos diversas hipóteses acerca do que é possível, ou não, inferir com base na análise automática de sentimentos dos tweets referenciados a tais empresas e seus comentários sobre as suas ações. Para isso, coletamos, inicialmente, dados de diferentes períodos da pandemia com o intuito de modelar uma rede neural, juntamente com um estudo comparativo com as já descritas na literatura. No qual inicialmente obtivemos 64.90% de acurácia em nosso modelo e após realizarmos um pre-processamento alcançamos 87.47%. Concluímos, portanto, que a análise de dados das redes sociais podem refletir eventos relevantes para a sociedade, mas que tais análises e interpretações precisam ser feitas cuidadosamente por não está apresentando dados preditivos somente correlatos.