Sentiment analysis : The influence of social media on the financial market

Abstract

The proliferation of social media has profoundly impacted financial markets, making sentiment analysis a highly efficient tool for understanding market dynamics. This dissertation investigates the influence of social sentiment, specifically from top influencers on the Stocktwits platform, on the daily returns of a diverse set of financial assets, including stocks, cryptocurrencies, and Exchange-Traded Funds. Using time series analysis techniques such as the Cross Correlation Function and Granger Causality tests, along with Linear regression modeling via Ordinary Least Squares and Quantile Regression, this study quantifies both the average and conditional impact of sentiment. Granger causality tests reveal limited predictive power of sentiment for returns (significant for NVIDIA Corporation, Alphabet Inc.), but indicate reactive sentiment patterns for others (Palantir Technologies Inc., Bitcoin). Although Linear regression via Ordinary Least Squares consistently shows a positive and statistically significant average impact of sentiment across all assets, Quantile Regression uncovers substantial heterogeneity. Three distinct patterns emerge: (1) A Buy the Dip effect (e.g., NVIDIA Corporation, SoFi Technologies Inc.), where positive sentiment exerts a stronger influence during market downturns (lower quantiles); (2) A Fear Of Missing Out/Momentum effect (e.g., NIO Inc., Ripple), where the impact of sentiment intensifies during market upturns (upper quantiles); and (3) A Constant-Linear effect (e.g., Meta Platforms Inc., Bitcoin), where the sentiment’s impact is stable across the return distribution, validating the Ordinary Least Squares findings for these specific assets. These results highlight the limitations of mean-based models and demonstrate that the influence of social sentiment is asset-specific and market-state dependent, varying significantly with market conditions. The discovered asymmetries offer valuable insights for investors adjusting sentiment-based strategies and for regulators monitoring mar- ket stability, particularly concerning assets prone to social media-amplified momentum dynamics.

A proliferação das redes sociais impactou profundamente os mercados financeiros, tornando a análise de sentimento uma ferramenta altamente eficiente para a compreensão das dinâmicas de mercado. Esta dissertação investiga a influência do sentimento social, especificamente de top influencers na plataforma Stocktwits, nos retornos diários de um conjunto diversificado de ativos financeiros, incluindo ações, criptomoedas e Exchange- Traded Funds. Utilizando técnicas de análise de séries temporais como a Função de Correlação Cruzada e testes de Causalidade de Granger, juntamente com modelação de regressão Linear via Mínimos Quadrados Ordinários e Regressão Quantílica, este estudo quantifica tanto o impacto médio como o condicional do sentimento. Os testes de causalidade de Granger revelam um poder preditivo limitado do sentimento para os retornos (significativo para NVIDIA Corporation, Alphabet Inc.), mas indicam padrões de sentimento reativo para outros (Palantir Technologies Inc., Bitcoin). Embora a regressão Linear via Mínimos Quadrados Ordinários mostre consistentemente um impacto médio positivo e estatisticamente significativo do sentimento em todos os ativos, a Regressão Quantílica descobre uma heterogeneidade substancial. Emergem três padrões distintos: (1) Um efeito Buy the Dip (ex., NVIDIA Corporation, SoFi Technologies Inc.), onde o sentimento positivo exerce uma influência mais forte durante as quedas de mercado (quantis inferiores); (2) Um efeito Fear Of Missing Out/Momentum (ex., NIO Inc., Ripple), onde o impacto do sentimento se intensifica durante as subidas de mercado (quantis superiores); e (3) Um efeito Constante-Linear (ex., Meta Platforms, Inc., Bitcoin), onde o impacto do sentimento é estável ao longo da distribuição dos retornos, validando os achados do Mínimos Quadrados Ordinários para estes ativos específicos. Estes resultados destacam as limitações dos modelos baseados na média e demon- stram que a influência do sentimento social é específica do ativo e dependente do estado do mercado, variando significativamente com as condições deste. As assimetrias descobertas oferecem perceções valiosas para investidores que ajustam estratégias baseadas em senti- mento e para reguladores que monitorizam a estabilidade do mercado, particularmente no que concerne a ativos propensos a dinâmicas de momentum amplificadas pelas redes sociais.