--- title: Demo_03 tags: Stat --- # Elon Musk 的 Tweet 對特定個股的影響 :::info 陽交大資財系統計學期末報告，由蔡明真，呂映葇，鄧惠文共同編輯。最後更新時間 yyyy/mm/dd。 ::: --- ## 1 Motivation Elon Musk 的 Tweet 經常在社群廣為傳播，其言論看似也能影響投資風向。  --- ## 2. Exploratory Data Analysis ``` 1_收集 Elon Musk 的所有 Tweet 2_選定出現頻率高且有意義的詞組 3_比較含有選定詞組的 Tweet 出現當天與隔天的股價變化 4_分析有選定詞組的 Tweet 對股價的影響 ``` --- #### Elon Musk Tweet  [source](https://data.world/barbaramaseda/elon-musk-tweets/workspace/file?filename=user-tweets.jsonl) --- #### 選定最常出現且有意義的詞  --- #### 抓出所有出現 'tesla' 的 tweet 的當日日期，並將 $\frac{隔日股價 - 當日股價}{當日股價}$ * 100 % <br> 得到漲(+)或跌(-) __% 的數據。 --- #### 觀察每次 tweet 隔日股價變化的情況 ``` 在 631 個 Elon Musk 發出含有 'tesla' 詞組的 tweet 的交易日裡： 有 335 天（53%）隔天 TSLA 股價上漲，平均漲 3.11% 有 296 天（47%）隔天 TSLA 股價下跌，平均跌 2.44% -> Elon Musk 的 tweet 對 tesla 有正向影響（？） ``` [process](https://colab.research.google.com/drive/1_ZejzCQTUVlNEb3Rn6UfU11GEk26OELJ?usp=sharing) --- #### So what? ###### 我很好奇1： ###### 假如我從 2017 年 12 月開始，每當看到 Elon tweet 裡面出現 'tesla'，就馬上買進 TSLA；在總投入成本相同的情況下，我的報酬會打贏定期定額投入嗎？ ``` * 真的有關聯嗎？如何設計回測？定期定額的頻率如何設定？ * 如何預測 Elon 未來發 'tesla' tweet 的頻率？ * 說不定 Elon 的 tweet 是落後指標？（自己一看到股價漲就狂發文？） ``` ###### 我很好奇2： ###### 換成分析其他關鍵詞，結果會如何？例如 'doge'、'model3'、'Hertz'... ``` * 'doge' 出現頻率不高，是否也適合分析？ ``` --- ## 3. Problem Formulation 將 Elon 每次發布 tweet 的行為視為一次 Bernoulli trial，隔天會造成 Tesla 股價上升或下降兩種結果之一。 $p= 0.53$ $q = 0.47$ 期望值 $E(X) = 0.53$ 變異數 $Var(X) = 0.2491$ <!-- * 我們關心的資料符合何種 distribution？ * 靈感：圖像化 漲價 0~0.5% 的天數、0.6~1% 的天數... * 靈感：有 tesla = 1，沒有 = 0--> --- ## 4. Statistical Analysis 情境：假設我連續 30 次（n = 30）在 Elon 有發 Tweet 當天購入 Tesla，其中有 17 次都在買入隔天漲的機率是 0.1456  --- ## 5. 資料存放 [https://colab.research.google.com/drive/1_ZejzCQTUVlNEb3Rn6UfU11GEk26OELJ?usp=sharing#scrollTo=iu7xgqzO4H3I ](https://) --- <!-- ### 5. Archive #### * 選項2「疫情前後，數位"教"與"學"的需求變化與後續影響」想探討的問題： #### 捐款金額分佈  #### 從年度累計捐款金額與以下條件進行關聯分析： 1. 年齡 2. 職業 3. 是否曾受惠於該組織提供的資源 平均每人年度累積捐款金額與捐款者「年齡」的關聯 在年齡 < 71 時， $r=0.887$  * 數位學習將加速擴大 or 弭平學習落差？ * 疫情前「原本就習慣使用數位教學的師生」與「疫情後新加入使用數位教學的師生」，有什麼不同的使用行為和需求？ 假設： * 數位學習在所有地區，都能加速縮短「班級內」的學習落差 * 在所有地區，「具備數位能力與資源」和「不具備數位能力與資源」的學生，學習落差擴大。 取材範圍 * 時間： 109 學年度上學期～110 學年度上學期中 * 地區：選定特定縣市內，＿所學校內的＿個班級 * 學齡層：國小中年級～高年級 * 不確定能否取得的資料：學生的標準測驗成績或其他學力指標 新主題發想：[Airbnb 密度 ＆ 犯罪率相關度](https://ba.npa.gov.tw/npa/stmain.jsp?sys=100 --> --- ### Talks | Topic | Details | |:------------------------- |:-------:| | Motivation | | | Exploratory Data Analysis | | | Problem Formulation | | | Statistical Analysis | |