EXAMINATION OF THE ASSOCIATION BETWEEN TWITTER AND STOCK PRICES DURING THE COVID-19 PERIOD

Öz

The purpose of this study is to examine the relationship between Twitter and stock prices during the Covid-19 period. Therefore, the daily closing prices of the stocks of three companies (Akçansa Cement Industry and Trade Inc., Coca-Cola Beverages Joint Stock Company, Goodyear Tires T. Joint Stock Company) from the manufacturing-industry sector, in the BIST Star Market between the dates of 01.10.2020 and 01.07.2021, when the restrictions were experienced, and the daily mood (negative and positive) of the Turkish tweets shared about these companies on Twitter was taken into account. Turkish Bert model was used in sentiment analysis of tweets. The Turkish Bert model has a success rate of over 95% in classifying texts into negative and positive emotions. The relationship between the number of negative and positive tweets about companies as a result of sentiment analysis and daily stock closing prices was analyzed with the Granger causality test. As a result of the analysis, it was determined that these variables affected each other due to a bidirectional relationship between AKCNS stock returns and negative tweets. It has been observed that AKCNS stock returns affected positive tweets but not vice versa. CCOLA and GOODY stock returns were found to influence only positive and negative tweets. The study provides important information to investors and businesses, as the relationship between Twitter and stock prices for the Covid-19 period has not been examined in the domestic literature before.

Anahtar Kelimeler

• Stock Price
• Sentiment Analysis
• Granger Causality Test.

COVID-19 DÖNEMİNDE TWİTTER İLE HİSSE SENEDİ FİYATLARI ARASINDAKİ İLİŞKİNİN İNCELENMESİ

Öz

Bu çalışmada amaç Covid-19 döneminde Twitter ile hisse senedi fiyatları arasındaki ilişkiyi incelemektir. Bunun için kısıtlamaların yaşandığı 01.10.2020 ile 01.07.2021 tarih aralığında BIST Yıldız Pazar’da yer alan ve imalat-sanayi sektöründen üç şirketin (Akçansa Çimento Sanayi ve Ticaret A.Ş., Coco-Cola İçecek A.Ş., Goodyear Lastikleri T.A.Ş.) hisse senedi günlük kapanış fiyatları ve Twitter üzerinden bu şirketlerle ilgili paylaşılan Türkçe tweetlerin günlük duygu durumu (negatif ve pozitif) dikkate alınmıştır. Tweetlerin duygu analizinde Turkish Bert modelinden yararlanılmıştır. Turkish Bert modeli bir metni negatif ve pozitif olarak duygulara ayırmada %95’in üzerinde bir başarıya sahiptir. Duygu analizi sonucunda şirketler ile ilgili elde edilen negatif ve pozitif tweet sayıları ile günlük hisse senedi kapanış fiyatları arasındaki ilişki Granger nedensellik testi ile analiz edilmiştir. Analizin sonucunda AKCNS hisse senedi getirisi ile negatif tweetler arasında çift yönlü bir ilişki dolayısıyla bu değişkenlerin birbirini etkilediği saptanmıştır. AKCNS hisse senedi getirisi pozitif tweetleri etkilediği fakat pozitif tweetlerden etkilenmediği gözlenmiştir. CCOLA ve GOODY hisse senedi getirilerinin ise sadece pozitif ve negatif tweetleri etkilediği tespit edilmiştir. Çalışma, daha önce yerli literatürde Covid-19 dönemi için Twitter ile hisse senedi fiyatları arasındaki ilişki incelenmemesi bakımından yatırımcılara ve işletmelere önemli bilgiler sunmaktadır.

Anahtar Kelimeler

• Covid-19
• Hisse Senedi Fiyatı
• Twitter
• Duygu Analizi
• Turkish Bert
• Granger Nedensellik Testi.

Kaynakça

1. Acikalin, U. U. & Bardak, B. & Kutlu, M. (2020). Bert kullanarak Türk duygu analizi. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9302492 (Erişim Tarihi: 20.02.2024)
2. Akdeniz, F. N. & Cebeci, H. İ. (2021). Belediye hizmetlerin değerlendirilmesinde duygu analizi yaklaşımı: Sakarya ili örneği. Zeki Sistemler Teori ve Uygulamaları Dergisi, 4 (2), 127-135.
3. Ateş, E. & Güran, A. (2021). Pearson correlation and granger causality analysis of Twitter sentiments and the daily changes in BIST 30 index returns. Journal of the Faculty of Engineering and Architecture of Gazi University, 36 (3), 1687-1701.
4. Chatterjee, U & French, J. J. (2022). A note on tweeting and equity markets before and during the -19 pandemic. Finance Research Letters, 46, 1-8.
5. Dhar, S. & Bose, I. (2020). Emotions in Twitter communication and stock prices of firms: the ımpact of covid-19 pandemic. Decisions, 47 (4), 385-399.
6. Dikkaya Kavak, F. (2022). Sosyal Medyada gıda sektörünün netnografi ve metin madenciliği yöntemi ile incelenmesi: Torku Markasının Twitter Analizi. (Yayımlanmamış Yüksek Lisans Tezi). Aksaray Üniversitesi, Sosyal Bilimler Enstitüsü, Aksaray.
7. Erdinç, U. & Bursa, N. (2021). Covid-19 pandemi sürecinde Twitter yorumları ile altcoin kripto para piyasası arasındaki nedenselliğin duygu analizi ile incelenmesi: Ripple örneği. Yönetim ve Ekonomi Araştırmaları Dergisi, 19 (4), 362-381.
8. Gomathy, C. K. & Thumu, S. & Vandana, T. (2021). The analytıcal study on ınfluencıng stock market usıng Twitter data. International Journal of Engineering Applied Sciences and Technology, 5 (11), 238-242.

9. Granger, C.W.J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37 (3), 424-438.
10. Günyaktı, R.İ. & Bursa, N. (2022). Covid-19 pandemisinde sağlık çalışanları ve öğretmenlere yönelik algının duygu analizi ile Twitter verileri üzerinden incelenmesi. Selçuk İletişim Dergisi, 15 (1), 264 – 285.
11. Ilgın, K.S. & Sarı, S.S. (2020). COVID-19 pandemisinin hisse senedi piyasalarına etkisi: Vaka ve ölümlerin yoğun olduğu ülkeler ile Türkiye incelemesi. Karadeniz Sosyal Bilimler Dergisi, 12 (23). 434-453.
12. Karabulut, Y. (2013). Can Facebook predict stock market activity? https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2017099 (Erişim Tarihi: 04.05.2023).
13. Kılıç, Y. (2020). Borsa İstanbul’da COVID-19 (Koronavirüs) etkisi. Journal of Emerging Economies and Policy, 5 (1), 66-77.
14. Kubar, Y. & Toprak, Y. (2021). Bitcoin ve Altcoin’ler arasındaki ilişkinin Granger nedensellik testi ile analizi. Journal of Emergıng Economıes and Polıcy, 6 (1), 233 – 247.
15. Soo-Liew, J. K. & Wang, Z. G. (2016). Twitter sentiment and IPO performance: A cross-sectional examination. The Journal of Portfolio Management, 42 (4),129-135.
16. Masarifoglu, M. & Tigrak, Ü. & Hakyemez. S. & Güven, G. & Bozan, E. & Buyuklu, A. H., & Özgür, A. (2021). Bankacılık alanında müşteri yorumlarının BERT tabanlı yaklaşımlar ile duygu analizi. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9477890 (Erişim Tarihi: 06.05.2023).
17. Murturi, B. (2021). Top CO2 emission firms stock market exchange rate prediction using twitter”, (Dıploma Thesis), Teschnische Universitat Wien Faculty of Informatics, Vienna.
18. Nas, S. & Vural, G. (2021). Covıd-19 küresel salgınının Borsa İstanbul’un çeşitlendirme potansiyeline etkisi: BIST 100 ve BIST 30’daki pay senetleri üzerine bir araştırma. Tarsus Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2 (2), 1-16.
19. Nathanael, A. & Nainggolan, Y. A. (2022). The effect of interactive social media platforms on stock market participation during the covıd-19 pandemic in Indonesia: Case study in the Java Island. International Journal of Business and Technology Management, 4 (3), 104-115.
20. Nofer, M. & Hinz, O. (2015). Using Twitter to predict the stock market.where is the mood effect? Bus Inf Syst Eng, 57 (4), 229-242.
21. Oktay, F. (2020). Pandemi döneminde sosyal medya kullanımı. 4th ECLSS International Online Conference Economics & Social Sciences. 8-9 Eylül 2020, Girne, Kıbrıs. (Erişim Tarihi: 06.05.2023)
22. Onan, A. (2017). Twitter mesajları üzerinde makine öğrenmesi yöntemlerine dayalı duygu analizi. Yönetim Bilişim Sistemleri Dergisi, 3 (2), 1-14.
23. Ölmez, U. & Ekinci, A. A. (2020). Koronavirüs (Covid-19) salgının hisse senedi piyasasına etkisi: BIST 100 örneği. Ekonomi, Politika & Finans Araştırmaları Dergisi, 5 (Özel Sayı), 225-239.
24. Pagolu, V. S. & Reddy, K. N. & Panda, G. & Majhi, B. (2016). Sentiment analysis of Twitter data for predicting stock market movements. https://arxiv.org/pdf/1610.09225.pdf (Erişim Tarihi: 01.05.2023).
25. Reis, Ş. (2021). Covıd-19 (Koronavirüs) pandemisi ve risk iştahı: borsa istanbul yerli ve yabancı yatırımcılar örneği. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(3), 87-98.
26. Risius, M. & Akolk, F. & Beck, R. (2015). Differential emotions and the stock market- the case of company-specific trading. https://core.ac.uk/download/pdf/50528565.pdf (Erişim Tarihi: 01.05.2023).
27. Sarıtaş, H. & Genç, A.A. & Tahsin, A. (2018). Türkiye’de enerji ithalatı, cari açık ve büyüme ilişkisi: Var ve Granger nedensellik analizi. Ekonomik ve Sosyal Araştırmalar Dergisi, 14(2), 181 – 200.
28. Şimşek, M. U. & Özdemir, S. (2012). Analysis of the relation between Turkish Twitter messages and stock market index. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6398520 (Erişim Tarihi: 04.05.2023).
29. Sprenger, T. O. & Welpe, I, M. (2010) Tweets and trades: The information content of stock microblogs”, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1702854 (Erişim Tarihi: 01.07.2023).
30. Tamdoğan, F. (2019). Sosyal medyadaki hisse paylaşımlarının yatırımcının alım satım kararları üzerindeki etkisi Twitter uygulaması. (Yayımlanmamış Doktora Tezi). Başkent Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara.
31. Üçükkartal, H. K. (2020). Twitter’daki verilere metin madenciliği yöntemlerinin uygulanması. ESTUDAM Bilişim Dergisi, 1 (2), 10-13.
32. Wysocki, P. D. (1999). Cheap talk on the web: The determinants of postings on stock message boards. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=160170 (Erişim Tarihi: 06.03.2023).
33. Yavuz, M. (2019). Yatırımcı tweetleri ile finansal getiri arasındaki asimetrik nedensellik ilişkisi: Nasdaq teknoloji sektöründe uygulama. (Yayımlanmamış Yüksek Lisans Tezi). Pamukkale Üniversitesi, Sosyal Bilimler Enstitüsü, Denizli.
34. Yıldırım, M. & Yüksel, C. A. (2017). Sosyal medya ile hisse senedi fiyatının günlük hareket yönü arasındaki ilişkinin incelenmesi: duygu analizi uygulaması. UİİİD-IJEAS (22. UPK Ahmet Hamdi İslamoğlu Özel Sayısı), 33-44.
35. Yildirim, S. (2020). Comparing deep neural networks to traditional models for sentiment analysis in turkish language. J. C. Bansal, K. Deep and A. K. Nagar (Eds.), Deep learning-based approaches for sentiment analysis içinde (ss. 311-319). Singapore: Springer.
36. Zhang, L. (2013). Sentiment analysis on Twitter with stock price and significant keyword correlation. https://repositories.lib.utexas.edu/bitstream/handle/2152/20057/Zhang_Linhao_Thesis.pdf?sequence=2&isAllowed=y (Erişim Tarihi: 05.05.2023).