Big Data Analytics. Analyse der prädiktiven Fähigkeit von Twitter-Sentiments auf die Entwicklung des Börsenkurses von Technologieunternehmen

Baumann, Flurina Fiona; Brunner, Nadine Belinda; Tokarski, Kim Oliver (2020). Big Data Analytics. Analyse der prädiktiven Fähigkeit von Twitter-Sentiments auf die Entwicklung des Börsenkurses von Technologieunternehmen In: Schellinger, Jochen; Tokarski, Kim Oliver; Kissling-Näf, Ingrid (eds.) Digitale Transformation und Unternehmensführung (pp. 223-248). Wiesbaden: Springer Gabler https://doi.org/10.1007/978-3-658-26960-9_9

[img]
Preview
Text
2020_Chapter_9.pdf - Published Version
Available under License Creative Commons: Attribution (CC-BY).

Download (1MB) | Preview

Die Datenmengen vervielfachen sich in der heutigen Zeit konstant, was zum Begriff Big Data geführt hat. Durch diese Datenmengen entsteht ein neues Potenzial, Fragen zu beantworten. Eine dieser Fragestellungen, welche mithilfe von Big Data untersucht werden kann, ist, inwiefern die Social-Media-Daten die Veränderung von Börsenkursen voraussagen können. Diese Studie untersucht die prädiktive Fähigkeit von Twitter-Nachrichten im Zusammenhang mit einem Technologieunternehmen und dessen Börsenkurs anhand von zwei Anwendungsfällen. Konkret wird anhand der Twitter-Nachrichten mithilfe einer Sentimentanalyse die Stimmung der Twitter-Nutzer mit den Veränderungen des Börsenkurses verglichen. Diese Analyse wird anhand der Technologieunternehmen Facebook und Amazon vorgenommen. In einem ersten Schritt wird untersucht, ob eine Beziehung zwischen den Twitter-Sentiments und dem Börsenkurs besteht. In einem zweiten Schritt, ob die Twitter-Sentiments eine Voraussagekraft für die Veränderung des Börsenkurses haben. Die Auswertung zeigt bei beiden Unternehmen eine positive Korrelation der Twitter-Sentiments und des Börsenkurses auf. Weiter konnte mithilfe der Granger-Analyse eine signifikante Voraussagekraft der Twitter-Sentiments für die Börsenkurse beider Unternehmen ermittelt werden. Die Twitter-Sentiments können die Börsenkurse 13 h voraussagen.

Item Type:

Book Section (Book Chapter)

Division/Institute:

Business School > Business Foundations and Methods
Business School > Institute for Digital Enabling
Business School > Institute for Public Sector Transformation
Business School > Institute for Sustainable Business
Business School > Institute for Innovation and Strategic Entrepreneurship > Decision Making
Business School > Institute for Innovation and Strategic Entrepreneurship > Low-end Innovation
Business School > Institute for Innovation and Strategic Entrepreneurship > Strategic Entrepreneurship
Business School > Institute for New Work > Achtsamkeit und Positive Leadership
Business School > Institute for New Work > Diversity and Inclusion
Business School > Institute for New Work > New Forms of Work and Organisation
Business School
Business School > Institute for Digital Technology Management

Name:

Baumann, Flurina Fiona;
Brunner, Nadine Belinda;
Tokarski, Kim Oliver;
Schellinger, Jochen;
Tokarski, Kim Oliver and
Kissling-Näf, Ingrid0000-0001-5225-1723

Subjects:

H Social Sciences > H Social Sciences (General)
H Social Sciences > HD Industries. Land use. Labor > HD28 Management. Industrial Management
H Social Sciences > HF Commerce
H Social Sciences > HF Commerce > HF5601 Accounting
H Social Sciences > HG Finance

ISBN:

978-3-658-26959-3

Publisher:

Springer Gabler

Language:

German

Submitter:

Linda Rhyn

Date Deposited:

07 Jan 2020 12:47

Last Modified:

02 Feb 2021 12:01

Publisher DOI:

https://doi.org/10.1007/978-3-658-26960-9_9

Related URLs:

ARBOR DOI:

10.24451/arbor.9954

URI:

https://arbor.bfh.ch/id/eprint/9954

Actions (login required)

View Item View Item
Provide Feedback