Data365 API für die Doktorandenforschung: Wie können Tweets und Reddit die Marktbewegung vorhersagen?

Es war nicht nur eine Dissertation, es war eine doppelte Mission.

• Ein Teil: bedeutende akademische Arbeiten veröffentlichen.
• Der andere: modernes Finanzverhalten durch Live-Marktdaten, Fallstudien und bessere Werkzeuge für seine Studenten in den Unterricht bringen.

Die Mission definieren und das Ziel festlegen

Um die Verbindung zwischen Anlegerstimmung und Marktverhalten zu erkunden, machte sich Professor Willis daran:

• Ein ganzes Jahr (Mai 2024 – Mai 2025) von Reddit- und Twitter-Beiträgen zu analysieren, die die wichtigsten US-Aktien ($TSLA, $AAPL, $AMZN, $NVDA, $GME, $JPM, $WMT) erwähnen;
• Diese Beiträge nach finanziellen Sentiment-Begriffen wie „bullisch“, „bärisch“, „kaufen“, „verkaufen“ zu filtern;
• Die Sentiment-Scores aus sozialen Medien (verarbeitet mit VADER) mit den Aktienleistungskennzahlen (Preisbewegung, Handelsvolumen und Volatilität) aus Quellen wie Yahoo Finance zu vergleichen.

Alles im Streben nach zwei zentralen Fragen:

1. Gibt es eine statistisch signifikante Beziehung (60%+) zwischen sozialem Sentiment und Marktrichtung?
2. Verbessert Echtzeit-Social-Daten die Genauigkeit kurzfristiger Handelsprognosen?

Die Antworten?‍
Ja, Roston T. Willis Jr. fand sie und machte sein Projekt erfolgreich.

Die Analyse bestätigte einen statistisch signifikanten Zusammenhang zwischen sozialem Sentiment und Marktbewegungen. Und die Data365 API war da, um es möglich zu machen, indem sie die solide Datenbasis hinter jedem Insight bereitstellte. 

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

Wenn Forschungspläne bereit sind, aber Daten fehlen

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

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

Professor Willis versuchte öffentliche APIs, Scraper und Datensätze… und stieß auf folgende Herausforderungen:

• Teilweise Abdeckung und inkonsistente Zeiträume über die Quellen hinweg;
• Fehlende Werte, die die statistische Validität reduzierten;
• Signifikante Zeit, die mit Fehlersuche und manueller Datenbereinigung verloren ging.

Diese Probleme verzögerten den Fortschritt und gefährdeten die Zuverlässigkeit der Ergebnisse.

Eine Data365 API, großer Wandel

Sobald die Data365 API angeschlossen war, erhielt Professor Willis endlich, was er benötigte, um voranzukommen.

Was früher ein Flickenteppich von Quellen war, verwandelte sich in eine einzige, optimierte Pipeline, die einfach funktionierte:

1. Keyword-basiertes Filtern für Ticker und Sentiment-Signale;
2. Zugang zu 91.738 Beiträgen von Twitter & Reddit — gereinigt, gefiltert und vollständig (so wie sie veröffentlicht wurden);
3. 100% historische Abdeckung für das gesamte 12-monatige Forschungsfenster;
4. Daten, die perfekt mit den Handelsstatistiken von Yahoo Finance übereinstimmten.

Dies lieferte einen konsistenten, forschungsrelevanten Datensatz, der statistisch fundiertes Modellieren ermöglichte und Professor Willis die Freiheit gab, sich auf die Analyse statt auf die Datenproblematik zu konzentrieren.

„Data365 lieferte genau das, was ich benötigte, um meine Dissertation voranzubringen. Bevor ich die Plattform nutzte, hatte ich mit fragmentierten und inkonsistenten Datenquellen zu kämpfen, was meinen Fortschritt verlangsamte. Mit Data365 konnte ich nahtlos einen umfassenden Datensatz sammeln, strukturieren und analysieren, wodurch eines der größten Hindernisse auf meinem Forschungsweg beseitigt wurde. Die Benutzerfreundlichkeit und Zuverlässigkeit der Plattform ermöglichten es mir, mich mehr auf bedeutende Analysen und weniger auf die Fehlersuche bei der Datensammlung zu konzentrieren.“

— Professor Roston T. Willis Jr.

Ergebnisse, die zählten oder Vertrauen in jede Zahl

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

• 1.743 tägliche Beobachtungen über 7 große Unternehmen ($TSLA, $AAPL, $AMZN, $NVDA, $GME, $JPM, $WMT) zusammengestellt;
• über 90.000 sentimentbewertete Beiträge ohne fehlende Werte abgerufen;
• einen statistisch zuverlässigen Datensatz erstellt, der bereit für eine tiefgehende Analyse mit VADER ist;
• praktische Erkenntnisse entwickelt, die akademische Arbeiten, Unterrichtsübungen und von Studenten geleitete Projekte informieren werden;
• Die Forschung ist nun im Gange mit vollem Vertrauen in die Datenqualität, wobei der Fokus von der Datensatzzusammenstellung auf bedeutende Entdeckungen verlagert wird.

Durch die Beseitigung von Datenlücken wurde der Forschungsprozess befreit, um sich auf seine Kernziele zu konzentrieren: Anstatt Fehler zu suchen, baut Professor Willis nun Modelle, testet Annahmen und lehrt mit Vertrauen.

„Ich freue mich, mitteilen zu können, dass ich meine Dissertation erfolgreich verteidigt habe, eine Leistung, die zu einem großen Teil dank Data365 möglich wurde. Ihre Plattform war entscheidend, um die Herausforderungen der Datensammlung zu überwinden und den Abschluss meiner Forschung zu gewährleisten.“

Dr. Roston T. Willis Jr.

DBA, MBA