Denna uppsats har undersökt om det är möjligt att predicera volatilitet på aktiemarknaden med hjälp av sökordsdata från Google. Trettio finansrelaterade termer valdes ut i predicerande syfte och en binär targetvariabel för volatilitet konstruerades. De trettio sökorden reducerades till fyra komponenter med hjälp av Principalkomponentanalys (PCA) och användes sedan med hjälp av K-Nearest-Neighbor (KNN) för att predicera huruvida kommande vecka väntades bli volatil eller inte. De slutgiltiga resultaten visade att sökordsdatan kunde användas för prediktion av volatilitet.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:uu-352312 |
| Date | January 2018 |
| Creators | Björnsjö, Filip, Henckel, Per |
| Publisher | Uppsala universitet, Statistiska institutionen, Uppsala universitet, Statistiska institutionen |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds