Analyzing the impact of political tweets on exchange rates

Sosyal medya her geçen gün, artan veri girdileriyle daha da popüler olmaktadır. Bununla birlikte, döviz kuru tahmin edilmesi problemi de uzun süredir analistlerin, yatırımcıların ve araştırmacıların ilgisini çekmektedir. Bu çalışmada döviz kurlarının zaman serilerinin analizi, sosyal medya (Twitter) tweetlerinin anlam analizi ve borsa belirteçlerinin zaman serilerinin analizi gibi yaklaşımların birleştirilerek makine öğrenmesi ile tahminlenmesi araştırılmıştır. Modeller üç ayrı bölümde 6 aylık veri ile incelenmiştir. (i) Finans ve politika ile ilgili konu başlıkları Twitter üzerinde takip edilerek anlam analizleri yapılmıştır. (ii) Farklı döviz kurlarının ve kripto paraların döviz kurlarının zaman serisi verileri incelenmiştir. (iii) Dolar / TL kuru üzerinde tahminleme yapacak modellerimiz iyileştirilmiş ve doğrusal regresyon, bayesian regresyonu gibi farklı yöntemler ve çok katmanlı algılayıcı gibi sinir ağı makine öğrenmesi yöntemleri de incelenmiştir. Bu çalışmada bazı istatistiki yöntemlerin çok katmanlı algılayıcı gibi yöntemlerden daha iyi sonuçlar verdiği gözlemlenmiştir. Sonuçlarımızı incelediğimizde 0.32% gibi küçük bir ortalama kare hatası ile doğru tahminlemede bulunabildikleri görülmüştür. Sonuçlardan yola çıkarak, Sosyal medya anlam analizinin döviz kuru tahminlemesinde yardımcı bir rolü olduğu anlaşılmıştır. Sonuç olarak yatırımcılar, analistler ve bu konu ile ilgili araştırmacılar bizim çalışmamızda kullandığımız şekliyle bütünleşik bir model kullanarak, döviz kuru tahminlemesinde güçlü ve başarılı sonuçlar elde edebilirler.Social media has been increasingly popular and valuable along with their mass data. At the same time, currency exchange rate forecast has been an important topic for researchers, analysts, and investors for a long time. In this study, we have combined exchange rate time series analysis and Twitter sentiment analysis to build machine learning models. We have built the models in three stages for a six-month period: (i) we have watched financial and political hashtags and applied sentiment analysis on the tweets retrieved from these hashtags, (ii) we have collected time series data on cross-currency exchange rates including cryptocurrencies, (iii) we have optimized the model to forecast USD / TRY with the data we have. We have experimented with several machine learning algorithms including linear regression, Bayesian ridge, support vector machines along multi-layer perceptron (MLP). It has been observed that in this novel approach, some regression algorithms performed better than MLP. Computational experiments showed that our approach gave 0,32% mean squared error performance at its best. Results suggested that sentiment analysis is a helping factor to forecast currency exchange rate and Twitter is a good data source due to its mass and interactivity. In conclusion, investors, analysts, and researchers can benefit from the usage of our proposed model and will be able to get strong and consistent results to forecast the USD / TRY currency exchange rate