Analisi dei big data relativi al mercato azionario mediante un programma sviluppato in R

Stocks listed on financial markets sometimes undergo abrupt price changes. A classic approach to data analysis consists of studying the price-time chart and its indicators. This leads to the systematic detection of the most sudden changes, but does not provide information on the cause of the new balance between supply and demand. Today, the wide availability of data makes it possible to overcome this limitation by performing a transversal text search on a large amount of online news. This thesis illustrates a process aimed at analysing the shares of multinational companies, drawing a path that starts with a semi-automatic search for the point of interest and leading gradually to the discovery of the motivations for the most important stock market movements, by making use of big data. In addition, the internationality of the triggering event is being assessed, and possible correlations between the quotation values in different stock exchanges are being explored, including the topic of exchange rates. The company examined in this case is Twitter Inc., listed on the New York Stock Exchange and on the Börse Frankfurt, over a 5-month period. In order to carry out the research, a dedicated program, written in the programming language R, has been developed to automate the analysis and data cleaning phases, obtaining a clear output of the reasons why the price curve underwent a strong variation. ​

I titoli quotati presso i mercati finanziari subiscono talvolta repentine variazioni di prezzo. Un approccio classico all’analisi dei dati consiste nello studiare il grafico prezzo-tempo ed i relativi indicatori. Ciò porta a rilevare in maniera sistematica i cambiamenti più improvvisi, ma non consente di ottenere informazioni relative alla causa del nuovo equilibrio tra domanda e offerta. Oggigiorno, l’ampia disponibilità di dati consente di superare questo limite, eseguendo una ricerca trasversale sul testo di una grande quantità di notizie online. Questa tesi illustra un processo mirato all’analisi delle azioni delle imprese multinazionali, disegnando un percorso che parte dalla ricerca semi-automatica del punto di interesse e portando, sfruttando i big data, gradualmente a scoprire le motivazioni dei più importanti movimenti di borsa. Si valuta qui, inoltre, l’internazionalità dell’evento scatenante e si cercano eventuali correlazioni sulla quotazione in piazze differenti, includendo pertanto la tematica dei tassi di cambio. L’impresa considerata nel caso specifico è Twitter Inc., nella sua quotazione presso il New York Stock Exchange e presso la Börse Frankfurt, per un periodo di 5 mesi. Al fine di svolgere lo studio è stato sviluppato un apposito programma, scritto in linguaggio R, per automatizzare le fasi di analisi e di data cleaning, ottenendo un output chiaro dei motivi che hanno portato la curva del prezzo a subire una forte variazione. ​