Sentiment indicators and economic activity

La tesi elaborata approfondisce il tema dell’importanza dell’informazione nell’era dei Big Data e il ruolo sempre più importante del text mining e dei sentiment index nell’analisi economica, ma non solo. Il primo capitolo introduce i Big Data, esplorando le loro caratteristiche, le varie tipologie di classificazione e il loro utilizzo in ambito economico. Successivamente viene discussa la differenza tra le due principali categorie di informazione, ovvero i dati quantitativi(hard data) e quelli testuali(soft data), esaminando la crescente importanza di quest’ultimi. Il capitolo si conclude spiegando come i dati non convenzionali(soft) possano essere estratti e successivamente analizzati tramite il text mining, parlando oltre che dell’utilità di questo processo, anche delle varie tecniche e metodologie per applicarlo. Il secondo capitolo invece si concentra sulla rilevanza e sui principali approcci applicati nell’analisi del sentiment, descrivendo le principali tecniche utilizzate e le differenze tra alcuni degli strumenti informatici impiegati attualmente. Infine viene illustrato il processo di creazione del sentiment index di Shapiro, Sudhof e Wilson, discutendo le innovazioni introdotte in questo ambito ed introducendo le possibili relazioni tra l’index ed i cicli economici. Il terzo ed ultimo capitolo esamina le variazioni degli indici di sentimento creati dai tre economisti ed i principali eventi storici che si sono verificati tra il 1980 e il 2015. Concludendo viene proposta una breve parte empirica in cui, tramite l’utilizzo del linguaggio di programmazione R e della sua interfaccia Rstudio, viene analizzata la possibile correlazione tra gli indicatori di sentiment ed i principali parametri macroeconomici usati per la valutazione dell’economia degli Stati Uniti, rappresentando poi le loro linee temporali tramite il software Tableau.