Je moet als belegger met je tijd meegaan. Voor je het weet ben je een dinosauriër geworden, of een dodo. Stilstand is achteruitgang. Je moet nieuwe dingen oppakken die je beter kunnen maken, anders verlies je de strijd. Ook op de financiële markten duiken steeds weer nieuwe instrumenten of strategieën op helpen het rendement te verbeteren. Daarom gaan mijn volgende twee columns over Social Markets, over de link tussen Social Media en beleggen.

Twitterbuien
Het zou sneu zijn als die link er niet zou zijn. Maar dat is uiteraard niet het geval. Het bekendste onderzoek dat de relatie onthult tussen Social Media en de ontwikkelingen op de beurs, is zonder meer dat van Bollen, Mao & Zheng (2010). In hun studie, die werd gepubliceerd in de door financiële wetenschappers zelden betreden Journal of Computational Science, tonen zij aan dat Twitterberichten helpen om beurskoersen te voorspellen.
Zo, dat is nog eens wat anders dan gewichtige analyses van groeicijfers of waarderingen. Maar hoe gaat dat dan precies in zijn werk? Zoals de naam van de journal, waarin het meesterwerkje van Bollen is gepubliceerd, al doet vermoeden, is dit een nogal technische aangelegenheid. Tenminste, de uitvoering van het analysewerk dan. De interpretatie is een stuk eenvoudiger. De kern van de studie is een algoritme, ontwikkeld met behulp van Google, dat Bollen gebruikt om de ‘gemoedstoestand’ op Twitter te bepalen. Voor de fanatici onder ons: dit algoritme staat bekend onder de naam GPOMS, Google-Profile of Mood States.

Simpel gezegd wordt er dus aan de hand van een rekentruc vastgesteld hoe de bui van Twitteraars ervoor staat. Het is daarbij belangrijk om te vermelden dat dit algoritme onderscheid maakt tussen een zestal factoren dat samen optelt tot de algemene gemoedstoestand op Twitter. Ik som deze factoren voor het gemak in het Engels op: Calm, Alert, Sure, Vital, Kind en Happy. En om van deze column geen encyclopedie te maken en omdat de termen redelijk voor zich spreken, laat ik de exacte definities van de factoren even zitten.

Kalmte helpt voorspellen
Met verdeling van de ‘Twitterbuien’ over de zes factoren was het moeilijkste werk gedaan en begint het interessante gedeelte. Bollen toetst voor elk van de zes factoren, Calm, Alert, Sure, Vital, Kind en Happy, de samenhang met de rendementsontwikkeling op de Dow Jones Industrial Average Index. Daaruit volgt dat één van de factoren, die de gemoedstoestand van Twitteraars definieert, enorm helpt om de beurskoersen te voorspellen. Het gaat om de factor Calm. Verassend? Dat valt best mee. De Calm factor in de gemoedstoestand van Twitteraars meet hoe rustig (of juist onrustig) de Tweets zijn. Intuïtief is dit best te koppelen aan de wijze waarop beleggers zich op de markt gedragen.

Om het belang van de Calm factor in kaart te brengen, voegt Bollen hem toe aan een traditioneel voorspelmodel. Daarin wordt het beursrendement voorspeld met behulp van het rendement van de dagen ervoor. Pas dan wordt de voorspelkracht echt zichtbaar. Opname van de Calm factor leidt tot significant betere resultaten. Het model weet met een precisie van bijna 90%(!) te voorspellen of de Dow Jones index de komende dagen omhoog of omlaag gaat.

Tipje van de ijsberg
Dat zijn indrukwekkende cijfers. Desondanks snap ik dat de gemiddelde belegger niet meteen concreet voor zich ziet wat hier mee te doen. Dat is een beetje nieuwe dingen eigen. Gelukkig hoeven we het wiel niet elke keer zelf uit te vinden. Het voormalige hedgefund Derwent Capital haalde in 2011 naar eigen zeggen USD 40 miljoen op om in het Twittereffect te beleggen. Vanwege, na opnieuw eigen zeggen, groot succes vormde Derwent zich daarna snel om tot online handelsplatform. Word je klant dan ontvang je beleggingsadviezen die onder meer zijn gebaseerd op het werk van Bollen. Tweets hoef je dan zelf niet te volgen.

Het werk van Bollen is voor mij een sterke aanwijzing dat Social Media ook veel zullen veranderen op het gebied van beleggen. Het is bovendien nog maar het tipje van de ijsberg. Met enige regelmaat verschijnen er nieuwe studies die wijzen op een verband tussen Social Media en beursontwikkelingen. Die brengen op hun beurt weer nieuwe beleggingsstrategieën met zich mee. En omdat ik niet wil eindigen als een dodo ga ik hier de volgende keer verder op in.

Johan Bollen, Huina Mao, and Xiao-Jun Zeng. Twitter mood predicts the stock market. Journal of Computational Science, 2(1), March 2011, Pages 1-8, doi:10.1016/j.jocs.2010.12.007, arxiv: abs/1010.3003.

Jeroen Blokland is werkzaam als portfolio manager van Robeco. Hij beheert onder meer de portefeuilles van de Robeco ONE fondsen en van de PPI proposities van Robeco. De informatie in deze column is niet bedoeld als professioneel beleggingsadvies of als aanbeveling tot het doen van bepaalde beleggingen. Jeroen Blokland is te volgen op twitter (@jsblokland)