Indica un intervallo di date:
  • Dal Al

SocialNetworkEconomics

Scandagliare i social network, analizzarne i dati e ottenerne predizioni è  – mi perdonerà Nanni Moretti – il trend del momento qui sulla West Coast. Google trends consente di “prevedere” nel breve periodo come si comporterà un film al botteghino in base all’analisi semantica delle ricerche nella categoria “film/cinema”,  oppure come andranno le immatricolazioni d’auto il prossimo mese in base alle ricerche nella categoria “acquisto/vendita auto” di questi giorni. Attraverso “Google Flu Trend” si è scoperto che determinati termini di ricerca sono validi indicatori dell'attività influenzale e quindi del suo propagarsi. Provate voi stessi: http://www.google.com/trends/.

Ma l’autentica novità – per come la vedo – è rappresentata dalla possibilità di analizzare le “emozioni sociali” e la loro influenza economica. Un passo alla volta. Ecco il primo.

 "Pulse of the Nation: U.S. Mood Throughout the Day Inferred from Twitter" – a opera di un gruppo di ricercatori della Northeastern University College of Computer and Information Sciences e della Harvard Medical School – mostra molto elegantemente l’umore degli Stati Uniti d’ America attraverso l’analisi di oltre 300 milioni di tweets dal settembre 2006 all’agosto 2009. Guardare per credere:


 

Il rosso misura gli stati emotivi negativi, il verde la felicità. Quanto più intenso il colore, tanto più intenso lo stato d’animo. La felicità aumenta la mattina presto e la sera tardi. I fine settimana sono più felici. La West coast è più felice della East coast.

Ed ecco il secondo. La finanza comportamentale ci insegna che le emozioni sono economicamente rilevanti. Bene, allora perché non utilizzare lo stato d’animo condiviso dai più come un indicatore economico?

Forse che una nuova SocialEconomics è alle porte? Lo mostrerebbe lo studio davvero pionieristico di un gruppo di informatici e statistici dell’Università dell’Indiana (Bollen, J., Maoa, H.,  Zeng, X-J. “Twitter mood predicts the stock market Journal of Computational Science 2, 2011, pp 1–8) , di cui ho parlato in settimana sul Corsera. 

La sintesi: Bollen e collegi hanno scandagliato i messaggi su Twitter per otto mesi nel 2008 (da marzo a dicembre) e analizzato circa dieci milioni di tweets, vale a dire duemilioni e settecentomila utenti, attraverso sofisticati algoritmi (creati da Google) che rilevano le emozioni attraverso l’analisi semantica dei messaggi (per esempio messaggi che iniziano con le parole: “mi sento …”). Lo strumento si chiama Google Profile of Mood States (GPOMS)  e registra sei stati umorali: felicità, gentilezza, allerta,  sicurezza, vitalità e calma. A questo punto un po’ di statistica ha messo in relazione (correlato) gli stati emotivi registrati e l’indice Dow Jones Industrial Average nello stesso periodo. Risultato: i dati indicano che i valori di chiusura dell’indice DJIA possono essere predetti con l’accuratezza dell’ 87,6% includendo una specifica dimensione dello stato emotivo delle persone: la calma.

 Big data e data mining – cioè il tentativo di estrarre nuove conoscenze da milioni di dati – sono i nuovi idoli. Data snooping – cioè l’uso inappropriato dell’ inferenza  statistica per svelare relazioni false o fuorvianti – è il nemico di sempre.