Sentiment analysis of Swedish Twitter posts

Intresset och deltagandet på aktiemarknaden har ökat betydligt bland svenskar. En erkänd informationskälla om aktier är inlägg på sociala medier och speciellt på Twitter. Med hjälp av sentimentanalys av dessa inlägg, så kallade tweets, kan en allmän åsikt extraheras och användas för att förutsäga framtida resultat för ett företags aktiekurser. Syftet med denna studie är att ta fram en artefakt som kan extrahera sentiment från tweets om svenska mindre företag. Företagen valdes utifrån att de var relativt småskaliga jämfört med de företag som analyserats i liknande studier genomförda inom forskningsområdet. För denna studie har data samlats in från Twitter, analyserats och bearbetats. Olika metoder har testats för att extrahera sentiment ur tweets. Resultatet från sentimentanalys med framtagen artefakt är möjlig att använda i maskininlärningsmodeller som förutsäger aktieprisers rörelse. Resultatet från experimentet kan sammanfattas med att extrahering av sentiment från tweets är svår men möjlig. Vid analys av resultatet så framgår det att det maskininlärningsbaserade tillvägagångssättet ger en ökad prestanda jämfört med det lexikonbaserade på tweets likt de som använts i denna studie.Interest and partaking on the stock market has increased significantly among Swedes. A recognized source of information about stocks is posts on social media and Twitter in particular. With the help of sentiment analysis on these social media posts called tweets, a public opinion can be extracted and perhaps predict the future performance of a company’s stock prices. This report is written in Swedish and the aim of the study is to produce an artefact that can extract sentiment out of tweets about minor Swedish companies. The companies were chosen on the basis that they were relatively small-scale in comparison to other studies conducted in related research. For this study data has been collected from Twitter, analyzed and processed. Different methodologies have been tested to extract sentiments out of tweets. Results of sentiment analysis with produced artefact is possible to use in machine learning models predicting stock movement. Results from conducted experiments conclude that extracting sentiment from tweets is difficult but possible. Through analysis of the results, a machine learning approach shows better performance than a lexicon based with tweets like the ones used in this study