Data365-API for the Doctoral work: How can tweets and reddit the market movement?

Es war nicht nur eine Dissertation, es war eine Mission mit doppeltem Zweck.

• Ein Teil: veröffentlichen Sie aussagekräftige wissenschaftliche Arbeiten.
• Der andere: bringt modernes Finanzverhalten durch Live-Marktdaten, Fallsimulationen und bessere Tools für seine Schüler in den Unterricht.

Definition der Mission und Formulierung des Ziels

Um den Zusammenhang zwischen Anlegerstimmung und Marktverhalten zu untersuchen, unternahm Professor Willis:

[[ggp
https://cdn.prod.website-files.com/64d9f528c6b6445ddaf33590/6911f42d221d529c586a27df_Frame%201000003970.svg
https://cdn.prod.website-files.com/64d9f528c6b6445ddaf33590/6911f42dc5da0e641239b6cf_Frame%201000003971.svg
https://cdn.prod.website-files.com/64d9f528c6b6445ddaf33590/6911f42de36326bd37dedfdb_Frame%201000003972.svg
]]

• Analysieren Sie ein ganzes Jahr (Mai 2024 — Mai 2025) mit Reddit- und Twitter-Posts, in denen die wichtigsten US-Aktien erwähnt werden ($TSLA, $AAPL, $AMZN, $NVDA, $GME, $JPM, $WMT);
• Filtern Sie diese Beiträge nach Begriffen zur finanziellen Stimmung wie „bullisch“, „bärisch“, „kaufen“, „verkaufen“;
• Vergleichen Sie die Stimmungswerte in den sozialen Medien (verarbeitet mit VADER) mit den Kennzahlen zur Aktienperformance (Kursbewegung, Handelsvolumen und Volatilität) aus Quellen wie Yahoo Finance.

[[/ggp]]

Alles auf der Suche nach zwei Schlüsselfragen:

1. Gibt es einen statistisch signifikanten Zusammenhang (über 60%) zwischen der sozialen Stimmung und der Marktrichtung?
2. Verbessern soziale Echtzeitdaten die Genauigkeit kurzfristiger Handelsprognosen?

Die Antworten? ‍
Ja, Roston T. Willis Jr. hat sie gefunden und sein Projekt zum Laufen gebracht.

Die Analyse bestätigte einen statistisch signifikanten Zusammenhang zwischen der sozialen Stimmung und den Marktbewegungen. Und die Data365-API war da, um dies zu ermöglichen. Sie bot die solide Datengrundlage für jeden Einblick.

Und hier sind wir, um die Geschichte bis zum Ende zu erzählen.

Wenn Forschungspläne fertig sind, aber die Daten nicht ausreichen

Die Ideen waren da. Die Forschungsfragen waren klar definiert. Die analytischen Modelle waren fertig.
Die Daten? Nicht so sehr.

Die Daten waren der limitierende Faktor und der Hauptengpass für Professor Roston T. Willis Jr.

Professor Willis probierte öffentliche APIs, Scraper und Datensätze aus... und stellte sich den folgenden Herausforderungen:

• Teilweise Abdeckung und inkonsistente Zeitbereiche zwischen den Quellen;
• Fehlende Werte, die die statistische Validität reduzierten;
• Erheblicher Zeitverlust durch Fehlerbehebung und manuelle Datenbereinigung.

Diese Probleme verzögerten den Fortschritt und drohten, die Zuverlässigkeit der Ergebnisse zu schwächen.

Eine Data365-API, große Veränderung

Nachdem die Data365-API angeschlossen war, bekam Professor Willis endlich das, was er brauchte, um weiterzumachen.

Was früher ein Flickenteppich von Quellen war, wurde zu einer einzigen, optimierten Pipeline, die einfach funktionierte:

[[ns-nl]]

1. Filterung auf Keyword-Ebene für Ticker und Stimmungssignale;
2. Zugriff auf 91.738 Beiträge von Twitter und Reddit — bereinigt, gefiltert und vollständig (so wie sie veröffentlicht wurden);
3. 100% historische Berichterstattung für das gesamte 12-monatige Forschungsfenster;
4. Daten, die perfekt mit den Handelsstatistiken von Yahoo Finance übereinstimmten

[[/ns-nl]]

Dies lieferte einen konsistenten Datensatz in Forschungsqualität, der eine statistisch fundierte Modellierung ermöglichte und Professor Willis die Möglichkeit gab, sich auf die Analyse zu konzentrieren, anstatt sich auf die Datenfehlersuche zu konzentrieren.

„Data365 bot genau das, was ich brauchte, um meine Dissertationsforschung voranzutreiben. Bevor ich die Plattform nutzte, hatte ich mit fragmentierten und inkonsistenten Datenquellen zu kämpfen, was meinen Fortschritt verlangsamte. Mit Data365 war ich in der Lage, einen umfassenden Datensatz nahtlos zu sammeln, zu strukturieren und zu analysieren, wodurch letztendlich eines der größten Hindernisse auf meiner Forschungsreise beseitigt wurde. Die einfache Bedienung und Zuverlässigkeit der Plattform ermöglichte es mir, mich mehr auf aussagekräftige Analysen und weniger auf die Fehlerbehebung bei der Datenerfassung zu konzentrieren.“

— Professor Roston T. Willis Jr.

Ergebnisse, die wichtig waren oder Vertrauen in jede Zahl

Durch die Integration von Data365 in den Forschungsprozess hat Professor Willis:

• Kompiliert 1.743 tägliche Beobachtungen in 7 großen Unternehmen ($TSLA, $AAPL, $AMZN, $NVDA, $GME, $JPM, $WMT);
• Abgerufen über 90.000 Beiträge mit Sentiment-Score ohne fehlende Werte;
• Erstellung eines statistisch zuverlässigen Datensatzes, der für eine gründliche Analyse mit VADER bereit ist;
• Entwickelte praktische Erkenntnisse, die als Grundlage für wissenschaftliche Arbeiten, Unterrichtsübungen und von Studierenden geleitete Projekte dienen;
• Die Forschung wird nun mit vollem Vertrauen in die Datenqualität durchgeführt und geht von der Zusammenstellung der Datensätze zur aussagekräftigen Entdeckung über.

Durch die Integration von Datenlücken konnte sich der Forschungsprozess auf seine Kernziele konzentrieren: Anstatt nach Fehlern zu suchen, erstellt Professor Willis jetzt Modelle, testet Annahmen und unterrichtet mit Zuversicht.

“I’m pleased to share that I have successfully defended my dissertation, an achievement made possible in large part thanks to Data365. Your platform was instrumental in overcoming the challenges of data collection and ensuring the completion of my research.”

Dr. Roston T. Willis Jr.

DBA, MBA