Po przeanalizowaniu 462 spółek notowanych na warszawskiej Giełdzie Papierów Wartościowych, reprezentujących różne branże i sektory, okazuje się, że w przypadku zwrotu z inwestycji w akcje mierzonego przy pomocy danych z mediów społecznościowych trafność prognoz wyniosła 83,3 proc., z kolei w ramach stworzonego prototypu ratingu, trafność przypisania spółek do właściwej klasy wyniosła aż 84,7 proc. – wynika z raportu Polskiego Instytutu Ekonomicznego „Zwroty z akcji a sentyment w mediach społecznościowych”.

Proces tworzenia unii rynków kapitałowych w Europie stanowi dla Polski spore wyzwanie. Powodem jest niski poziom zaufania i kapitału społecznego oraz luka w istniejącej ofercie ratingowej. Raport PIE pokazuje, że sytuację na rynku kapitałowym małych i średnich przedsiębiorstw może poprawić wykorzystanie algorytmicznego systemu oceny atrakcyjności inwestycyjnej emitenta instrumentów finansowych, powstałego na podstawie danych dostępnych w mediach społecznościowych. Wykorzystane dane giełdowe obejmowały notowania akcji wszystkich emitentów obecnych na rynku głównym oraz NewConnect Giełdy Papierów Wartościowych w Warszawie. Składały się na nie statystyki dzienne zawierające informacje o kursach, wolumenie transakcji, liczbie akcji znajdujących się w wolnym obrocie (free float), wypłacanej dywidendzie czy emisji prawa poboru, a także strukturze akcjonariatu.

Algorytmiczny system oceny cech ilościowych i jakościowych emitenta instrumentów rynku kapitałowego to alternatywna metoda ratingowa, która może poprawić wiarygodność firm na rynku papierów wartościowych oraz ułatwić dostęp do niego małym i średnim przedsiębiorstwom. Model, który udało się stworzyć podczas pracy nad raportem umożliwia skuteczne przewidywanie przyszłego zachowania kursów akcji i stopy zwrotu, zaś korzystanie z łatwo dostępnych danych – np. z Facebooka – pozwala również oceniać podmioty nienotowane na giełdzie. To ważne zwłaszcza w kontekście rozwoju polskiego rynku kapitałowego – mówi Katarzyna Dębkowska, kierownik zespołu foresightu Polskiego Instytutu Ekonomicznego.

Kluczowymi zmiennymi dotyczącymi aktywności na stronach Facebook spółki i powiązanych z nią marek, które okazały się niezbędne do przewidzenia wyników giełdowych spółki, są: ogólne natężenie aktywności (wskaźnik INI – ogólnie i w przeliczeniu na post), łączna liczba polubień i reakcji „wow”, liczba postów opublikowanych przez autora strony, szczególnie typu: status, zdjęcie, wideo oraz zmiana liczby fanów w czasie.

Aby sprawdzić uniwersalność modelu, użyto go do zbadania podmiotów obecnych na giełdzie austriackiej, uznawanej przez większość inwestorów międzynarodowych za rynek rozwinięty. Ostateczny model predykcyjny dotyczący zwrotu z inwestycji osiągnął trafność przewidywania na zbiorze testowym (out-of-bag accuracy) równą 75,7 proc. w porównaniu do 83,3 proc. w przypadku modelu zbudowanego na danych polskich, który jednak wykorzystywał więcej predyktorów (50 zamiast 15).

Niespodzianką jest fakt, że najczęstszy w przypadku klasyfikacji na spółkach polskich typ błędu przewidywania, polegający na uznaniu spółki z kategorii A lub C za reprezentanta kategorii skrajnej (odpowiednio A+ lub C-), występował w przypadku ratingu spółek austriackich dużo rzadziej. W efekcie dla każdej „rzeczywistej” klasy najczęściej przypisywana jej reprezentantom ocena „przewidywana” jest zgodna z ich rzeczywistą kategoryzacją.

Zastosowanie modelu do giełdy austriackiej potwierdziło jego jakość i skuteczność. W przypadku przypisywania spółek do poszczególnych kategorii w ramach ratingu, mimo nieco gorszych parametrów modelu predykcyjnego, sam rating przy podziale na 5 klas osiąga 60,2 proc. trafności (rating spółek polskich: 64,3 proc.), zaś rating w uproszczonym podziale na 3 klasy: 77,3 proc. trafności (dla Polski: 84,7 proc.). Są to wysokie wyniki, zważywszy na fakt, że do celów przewidywania posłużono się wyłącznie informacjami o aktywności na portalu Facebook, bez sięgania po jakiekolwiek informacje na temat osiąganych wyników finansowych. Możemy zatem powiedzieć, że zbudowaliśmy skuteczny prototyp ratingu atrakcyjności inwestycyjnej, przypisujący emitentom z warszawskiej Giełdy Papierów Wartościowych, wyłącznie na podstawie danych o aktywnościach na stronach portali społecznościowych tych spółek, oceny silnie korespondujące z ich wynikami finansowymi. Wierzymy, że skonstruowany
w podobny sposób rating może być stosowany również dla spółek spoza parkietu – podsumowuje Dominik Batorski, członek zarządu Sotrender i analityk danych w ICM UW oraz współautor raportu.