Modelo predictivo de Análisis de sentimiento con respecto a la variación del tipo de cambio del dólar durante la pandemia en el 2021 en Twitter

Abstract

Durante los últimos años las redes sociales se han visto en auge, en donde las personas expresan su opinión sobre diferentes temas entre ellos la variación del dólar, que es un tema importante para la población debido a su influencia en el mercado financiero, debido a esto, en la presente investigación se describe la propuesta de analizar la tendencia de los usuarios de Twitter respecto a la variación del dólar usando algoritmos de machine learning así como datos bancarios obtenidos del BCRP conjuntamente con datos de la red social Twitter para realizar un forecasting del tipo de cambio del dólar. En la presente investigación se propone una metodología basada en 5 etapas; para la construcción del dataset se utilizó la librería Snscrape de Python, luego se realizó el procesamiento del lenguaje natural de los tweets, seguido del muestreo de los datos en donde se utilizaron particiones porcentuales y validación cruzada, la implementación abarcó una primera subetapa en la que se realiza una clasificación de los tweets obtenidos haciendo uso de los algoritmos de Naive Bayes y Random Forest teniendo un score de 0.901459854, este resultado obtenido junto a información bancaria recopilada sirven como input para la segunda subetapa del forescasting de la variación del dólar, el cual usó los algoritmos de Random Forest Regressor y Support Vector Machine, finalmente usando los errores MSE y MAE se obtiene que el modelo Support Vector Machine muestra un menor error en la predicción del tipo de cambio del dólar teniendo un MAE de 0.009605179, un MSE de 0.000232213 y un F1 Score de 0.92826181.