Sociale media maken manipulatie beurskoersen mogelijk

Timm Sprenger en Isabell Welpe, twee PhD-studenten aan de technische universiteit van München, hebben eind vorig jaar hun scriptie ‘Tweets and Trades: The Information Content of Stock Microblogs‘ gepubliceerd waarin zij vertellen hoe het mogelijk is om met Twitter de beurskoersen te voorspellen.

Voor hun onderzoek hebben de 2 studenten de afgelopen 6 maanden 250.000 tweets per dag geanalyseerd. Door simpelweg te filteren op stocksymbolen (bijvoorbeeld GOOG voor Google en AAPL voor Apple) en de verkregen informatie vervolgens te aggregeren, hebben de studenten aangetoond dat ze in staat zijn om het sentiment op de beurs een dag van te voren te voorspellen. Sterker nog, met hun algoritmes zouden investeerders in staat moeten zijn om een rendement van 15% op hun beleggingen te behalen. Samen met een aantal medestudenten proberen de 2 nu munt te slaan uit hun ideeën. Via de website TweetTrader, momenteel in beta, kunnen geïnteresseerden hun beursvoorspellingen volgen.

Een 2-tal bevindingen over Twitter

Interessant aan het onderzoek zijn echter een 2-tal bevindingen. Allereerst is daar de constatering dat Sprenger en Welle verwachten voor de toekomst: “It [Twitter] will increasingly offer more specialised versions of the service.” Dit sluit natuurlijk naadloos aan bij het hele verhaal omtrent de Interest Graph van Twitter. Over hoe sociale media relevant kunnen worden.

Ten tweede trekken de studenten de conclusie dat “Our results demonstrate that users providing above average investment advice are retweeted (i.e. quoted) more often and have more followers, which amplifies their share of voice in microblogging forums.” Twitteraars met een goede reputatie leggen dus meer gewicht in de schaal. Hun tweets worden meer verspreid (geretweet) en hebben dus een grotere invloed op de voorspelling. Hier zit meteen een gevaar in. Beurskoersen kunnen dus op deze manier gemanipuleerd worden!

Voorspellend vermogen van sociale media

Sprenger en Welpe zijn niet de eerste die zich concentreren op het voorspellende vermogen van sociale media. In het artikel ‘Twitter als Glazen Bol‘ stond ik al eerder stil bij een aantal initiatieven die eenzelfde pad bewandelen, denk bijvoorbeeld maar aan Google Flu Trends, waarmee het mogelijk is om griepepidemieën te voorspellen. Ook in het gratis trendrapport ‘We the Web – de herovering van het leven op de hectiek‘ laten Jaap Bloem en ik zien hoe ruwe data gefilterd en geaggregeerd moet worden om uiteindelijk te leiden tot betere inzichten. Hiervoor maken we gebruik van de welbekende DIKW-hiërarchie, waarbij data een aantal stadia (data-informatie-kennis-wijsheid) moet doorlopen alvorens het leidt tot wijsheid. Bloem en ik zijn zo vrij geweest om hier nog een extra laag aan toe te voegen, namelijk die van ‘verlichting’. Deze laatste laag maakt duidelijk hoe individuen en bedrijven op basis van data de toekomst als het ware kunnen sturen. Ten goede of ten kwade!

Het bekende Nederlandse weblog Retecool haalde recentelijk nog het nieuws waarbij ze kenbaar maakten hoe ze op een geautomatiseerde manier de artikelen van de Telegraaf met Henk-en-Ingrid-achtige commentaar ‘vervuilen’. En sterker nog, ooit waren ze al eens in staat om de beurskoers van Versatel omhoog te krikken door het versturen van een vals persbericht.

Het wachten is nu op de eerste bot die een soortgelijke truc uithaalt met allerhande sociale media en zodoende dus de beurskoersen manipuleert met alle gevolgen van dien. Het feit dat iedereen de beschikking kan hebben over een enorme hoeveelheid aan informatie leidt niet direct tot meer transparantie. En hoe lastig zal het zijn om dit soort verkeerde data uit realtime informatiestromen te filteren? Hoe vind je de rotte appels in dit informatieparadijs? En wat betekent dit voor digitale reputaties?