Twitter のビックデータと経済の関係性について

(1)

Twitter のビックデータと経済の関係性について

A1341798 新井涼平

要旨

本稿では、Twitterの呟きから得られるビックデータと株価指数の関係性の有無、

及び業種別でのビックデータと株価指数との関係性の強さの比較を目的とし、Twitter の「不安」に関するワード及びTwitter楽観指数と、TOPIX及びTOPIX-17シリーズから得られる株価指数で単回帰分析を行った。

分析の結果、「不安」に関するワードと株価指数には関係性が認められなかった一方、Twitter楽観指数と株価指数には関係性が認められ、特に建築、不動産に関わる株価指数とTwitter楽観指数に強い関係が認められることがわかった。

キーワード：ビックデータ twitter 株価指数単回帰分析

１、研究背景

近年、情報通信技術の進展により生成、収集、蓄積が可能、容易になる多種多様のデータ、いわゆるビックデータが、異変の察知、近未来の予測等を通じ利用者個々のニーズに即したサービスの提供、業務運営の効率化や新産業の創出等に活用され始めている。

その中で、ビックデータの活用によって株価を予測し、投資の判断基準とする動きが近年大きくなってきており、将来的に株価予測の精度が高くなることで現在の投資の状況が変わることが予想される。株価予測に使われるビックデータとしてネット上のブログ、ニュース等が挙げられるが、近年特にSNSから得られるビックデータが注目されている。

今回扱うTwitterにおいても、NTTグループがTwitterのデータを分析するサービス

を始めており、またJohan Bollenらによる“Twitter mood predicts the stock market”

の論文では落ち着き（calm）によって3日後の株価をうまく説明する事ができ、機会学習によるモデルの作成によって最終的にダウ平均株価の動きを87.6%説明する事に成功しているなど、Twitterから得られるビックデータの活用に期待が高まっている。

２、先行研究

(2)

日本語Twitterを用いた感情のモデル化、及びこれと経済指標との比較を行った研究として桃井須鎗（2012）“Twitterから生成した感情モデルと社会経済的現象との相関”が挙げられる。

この研究では、まず日本語のツイートからPOMSに基づいた感情モデルの作成を行い、作成した感情モデルがクリスマスのような社会的な出来事の影響を受けていることを、また収集したツイートからPN（ポジティブネガティブ）値の推移を求め、感情モデルと同様に社会的な出来事の影響を受けていることを示した。

次に、感情モデルと経済に関係するツイートのツイート数、PN値と平均株価の増減の一致率を求めた。その結果、感情モデルでは「不安」尺度のツイート数を用いた予測が最低の一致率となり、不一致だった割合として考えると63.3%の一致ということになる。経済ツイートでは「為替」のツイートのPN値を用いた予測が最高で66.7%であった。この結果として、平均株価の予測に適した感情は「不安」尺度であると考えられる。

３、本研究の分析

本研究では、まずTwitterから得られるビックデータとTOPIXを回帰分析することにより、Twitterと株価指数との関連性について研究する。次に、Twitterから得られるビックデータとTOPIX-17から得られる業種別の株価指数とをそれぞれ回帰分析、比較することにより、よりTwitterとの関連性が強い業種について考察する。

４、使用データ

4.1 使用データ

本稿の分析で使用したデータは、yahooリアルタイムから取得した2016年1月2

日から2017年1月30日までの「不安」に関するワード（不安、はらはら、そわそわ、

心配だ）のツイート数、2016年12月13日から2017年1月13日までのTwitter楽観指数、及び2016年12月13日から2017年1月30日までのTOPIX、TOPIX-17の株価指数である。

4.2 Twitter楽観指数

Twitter楽観指数はチャートなび（http://chartnavi.com/）が提供するTwitterの分析データである。Twitter楽観指数＝「ポジティブな単語の出現数」 - 「ネガティブな単語の出現数」であり、0より大きいと投資家が楽観的、0より小さいと悲観的と判断

(3)

できる。ツイートは、無作為に抽出した5000人のTwitterアカウントを対象とし、botによるツイート、重複ワードを計測に含まないようにしながらGoogle社のBigQueryにより集計することにより収集している。また感情分析は、東北大学の乾・岡崎研究室 (2008)「日本語評価極性辞書」をベースとしながらこれに株取引等で使われる専門用語を追加するなどして、独自にカスタマイズされた合計１万語以上の辞書により、ポジティブ/ネガティブを判定している。

このデータを使用する理由として、ツイートを投資家のものに絞ることでよりはっきり

とTwitterと株価指数との関係性がわかる可能性があること、botによるツイートと重

複ワードを計測に含まないようにすることでより正確なデータを得られることが挙げられる。

4.3 Twitter楽観指数の妥当性

Twitter楽観指数が大きくマイナスとなった2016年11月2日、11月22日の二日について見てみると、11月2日にはアメリカ大統領選挙でのトランプ優勢の報道による日経平均株価の下落、11月22日には東北地方での地震がそれぞれ発生している。

これから、Twitter楽観指数が時事ニュース、株価と関連していることが期待できる。

５、Twitter と株価指数の関連性について

本稿では、Twitter から得られたビックデータと株価指数による回帰モデルを推定し、

最小2乗法で求めた推定結果𝛽𝛽̂にについてｔ検定を行う。

5.1 「不安」に関するワードと株価指数との関係性の分析方法

「不安」に関するワードと株価指数による回帰モデルを推定し、仮設検定を行う。説明変数には、2017年1月2日から2017年1月30日までのツイートの中に出てきた

「不安」に関するワード（不安、そわそわ、はらはら、心配だ）の数、被説明変数には TOPIXを使用する。

推定モデルは以下の通りである。

Yi＝α+βXi+ui (α:定数項,β:係数, ui:誤差項) Xi：i日の「不安」に関するワード

Yi：i日のTOPIXによる株価指数この時、

(4)

�

帰無仮説 H０：β＝０対立仮説H１：β≠ ０

という仮説を有意水準10%で仮説検定する。

よって、

⎩⎪

⎪⎨

⎪⎪

⎧^β^�^∗⁻⁰

ｓβ∗� > t18−1,0.05＝1.740

β�^∗−0

ｓβ∗� < t_18−1,0.05＝1.740

の時、有意水準10%でH０を棄却する。

5,2 Twitter楽観指数と株価指数との関係性の分析方法

Twitter楽観指数とTOPIXの株価指数による回帰モデルを推定し、仮設検定を行う。

説明変数には2016年12月13日から2017年1月13日までのTwitter楽観指数、

被説明変数にはTOPIXを使用する。

Yi＝α+βXi+ui (α:定数項,β:係数, ui:誤差項) Xi：i日のTwitter楽観指数

Yi：i日のTOPIXによる株価指数

この時、有意水準10%の場合、自由度19のｔ分布の臨界点はt_20−1,0.05＝1.729である。

5.3 「不安」に関するワードとTOPIXとの関係性の分析結果。

「不安」に関するワードとTOPIXに関する推定結果は以下のようになった。

Yi＝1550.9-0.00027Xi

(19.96) (-0.204)

𝑅𝑅^２＝0.00259 ｓ＝16.775

ここでｓは標準偏差、カッコ内の値はｔ値を表している。

次に推定パラメーターの有意性の検定を行う。検定する仮説は以下の通りである。

(5)

�

この時、ｔ分布は自由度17のｔ分布に従い有意水準10％の臨界点は t_18−1,0.05＝1.740

であるので、βはｔ値＝-0.204>-1.740より、有意水準10%で H０は棄却されない。

以上から帰無仮説は有意水準10%で棄却されず、「不安」に関するワードと株価指数の関連性は認められなかった。

5.4 Twitter楽観指数とTOPIXとの関係性に関する分析結果

Twitter楽観指数とTOPIXに関する推定結果は以下のようになった。

Yi＝-76932.1＋51.321Xi

(-1.803) (1.855)

𝑅𝑅^２＝0.1605 ｓ＝1246.08

ここでｓは標準偏差、カッコ内の値はｔ値を表している。

次に推定パラメーターの有意性の検定を行う。検定する仮説は以下の通りである。

�

この時、ｔ分布は自由度19のｔ分布に従い有意水準10％の臨界点は t_20−1,0.05＝1.729

であるので、βはｔ値＝1.729<-1.729より、有意水準10%で H０は棄却される。

以上から帰無仮説は有意水準10%で棄却され、Twitter楽観指数とTOPIXとの関連性が認められた。。

(6)

６、Twitter と業種別株価指数との関係性の強さ」の比較

上記の分析で、Twitter 楽観指数のみ株価指数との関係に有意が認められたので、

次にTwitterと業種別の関係性の強さについて比較する。

6.1 分析方法

上記の分析で、Twitter 楽観指数のみ株価指数との関係に有意が認められたので、

次にTwitterと業種別の関係性の強さについて比較する。

4.2と同様に、Twitter楽観指数と17の業種（食品、エネルギー、建築、素材化学、

医薬品、自動車、鉄鋼、機械、電機、情報通信、電力ガス、運輸物流、商社卸売、小売、銀行、その他金融、不動産）による回帰モデルを推定し、仮説検定を行う。説明変数には。説明変数には2016年12月13日から2017年1月13日までのTwitter 楽観指数、被説明変数にはTOPIX‐17から得られるそれぞれの業種の株価指数を使用する。

Yi＝α+βXi+ui (α:定数項,β:係数, ui:誤差項) Xi：i日のTwitter楽観指数

Yi：i日のTOPIX-17による業種別それぞれの株価指数

この時、有意水準5%の場合、自由度19のｔ分布の臨界点はt_20−1,0.025＝2.093である。

6.2

分析結果

業種別にTwitter楽観指数と検定を行った時の分析結果を表にまとめると以下の

ようになる。有意水準5%の臨界点は2.093であるので、建築、不動産、その他金融の三業種において帰無仮説が棄却され、有意水準5％で統計的に有意となった。

以上から、建築、不動産、その他金融の三業種の株価指数においてTwitter楽観指数と官憲性が強いことが分かった。

(7)

表１

7 、結論

本稿ではTwitterから得られるビックデータと日本経済の関係性の有無、及び業種

による強さの差違を調べるため、Twitterのツイートから得られたデータである「不安」

に関するワード及びTwitter楽観指数と、株価指数、及び業種別の株価指数とについて、単相関係数を調べると共にｔ検定を行った。結果、「不安」に関するワードと株価指数には関係性をみとめることができなかったが、Twitter楽観指数と株価指数には相関が認められ、業種別に見たときには建築、その他金融、不動産の三業種について特に強い相関を認めることができた。また、Twitterとの相関の強さを比べたとき、17 ある業種で強さの数値が大きく変わることがわかった。

8、考察

まず「不安」に関するワードと株価指数に関係性を認められなかった理由として、ツイート数に対して処理を行わなかったためリツイート、botのツイート等、明らかに経済活動と関係性のない情報が多く入ってしまったからであると考えられる。また、今回は

α ｔ β ｔ R^2

建築 -90002 -2.437 377.547 2.498 0.257

その他金融 -34636.9 -2.159 278.215 2.298 0.226

不動産 -59092.3 -2.082 200.328 2.161 0.206

鉄鋼 -39872.3 -1.88 192.761 1.985 0.179

商社卸売 -77535.8 -1.795 257 1.846 0.159

情報通信 -40629.7 -1.746 228.84 1.841 0.158

機械 -63096.7 0.102 199.849 1.78 0.149

医薬品 -15771.8 -0.971 90.362 1.109 0.063

エネルギー -18086.4 -0.897 158.918 1.007 0.053

銀行 -14555.7 -0.768 133.74 0.886 0.004

素材、化学 -26437.6 -0.646 131.699 0.701 0.026

食品 -13243.9 -0.377 50.105 0.44 0.106

運輸物流 -9139.8 -0.305 66.864 0.379 0.007

電機 -10483 -0.282 80.508 0.341 0.006

自動車 -5945.3 -0.232 35.956 0.318 0.005

小売り -8551.4 -0.236 54.184 0.298 0.004

電力、ガス 2280.7 0.14 -0.748 -0.003 6.91E-07

(8)

先行研究の結果から「不安」に関するツイートのみを収集したので、適切な処理をしながら、他の感情のツイートも同時に収集することで新しい事実の発見が期待できる。

Twitter楽観指数と株価指数には関係が見られたので、先行研究の通り、Twitter

を日本経済、株価指数の考察に用いることができる可能性を見いだせた。また、業種によって関係性の強さに大きな差が見られたことから、Twitterのデータを活用するためには業種による関係の強さの差違を意識しなければならないと考える。今回の研究では建築、不動産、そのた金融の三業種については強い関係性があるという結果が出たので、これらの業種の経済動向を考える際はTwitterから得られるビックデータが指数の一つとして活用できると考える。今回の研究ではTwitter楽観指数を用いたが、今後他のTwitterから得られるビックデータを用いて検証していくことによって、

Twitterと経済の関連性についてより良く説明することを考えていきたい。

9、参考文献

・山本拓竹内明香(2013)『入門計量経済学 Excelによる実証分析へのガイド』

・桃井達明須鎗弘樹 (2012)“Twitterから生成した感情モデルと社会経済的現象との相関”

・乾・岡崎研究室(2008)「日本語評価極性辞書」

・Johan Bollen ,Huina Mao, ,Xiao-Jun Zen （2010）“Twitter mood predicts the stock market”

http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h24/html/nc121410.html

・総務省「ビックデータとは何か」

http://www.chartnavi.com/

・チャートなび http://k-db.com/

・株価データサイト k-db.com