Google trends e o desempenho do mercado brasileiro de ações

Abstract

Resumo: O trabalho proposto teve como objetivo avaliar se as evoluções de buscas de palavras-chave no Google, ao serem utilizadas como métricas de atenção e sentimento dos investidores, conseguem fornecer tendências de desempenho do mercado financeiro brasileiro. Com base em dados do período entre 2015 e 2019, estimamos regressões com dados em painéis e regressões VAR, para investigar o efeito da frequência de pesquisas em palavras relacionadas a sentimento financeiro, nomes de índices de mercado, tickers de negociação e nome de empresas sob três indicadores de desempenho de mercado: retorno semanal, volume de negociação semanal e volatilidade. Os resultados confirmam que o Google pode ser utilizado como uma ferramenta de auxílio nas previsões de desempenho de mercado, por exemplo: (i) um aumento na atenção anormal na palavra "Ibovespa" indica um impacto positivo no retorno semanal dos índices de ação Ibovespa de duas semanas posteriores; (ii) um maior nível de pesquisas em palavras que formam o índice de sentimento negativo reflete uma piora no retorno dos principais índices acionários na semana posterior. Por fim, desenvolvemos uma estrutura de rede neural artificial no software Matlab combinada com dados extraídos do Google Trends, para sugerir duas estratégias de alocação de capital e comparar as rentabilidades com o retorno do Ibovespa no mesmo período, verificamos que ambas as estratégias alcançaram rentabilidades superiores ao do índice.

Abstract: The purpose of the study was to evaluate if Google search queries can provide insights of the Brazilian financial market performance. Based on weekly data from the period between 2015 and 2019, we estimated regressions with panel data and VAR regressions to investigate the effect of frequency of searches on words related to financial sentiments, markets index names, trading tickers and company names over three indicators of market performance: weekly return, weekly trading volume, and volatility. The findings support that Google can be used as a tool to predict market performance, for example:. (i) An increase in abnormal attention to the word "Ibovespa" indicates a positive impact on the weekly return of Ibovespa index in two subsequent weeks; (ii) a higher level of searches over words that form the negative sentiment index reflects a negative return of market index in the subsequent week. Finally, we developed an artificial neural network structure in Matlab software combined with data extracted from Google Trends, to suggest two capital allocation strategies and to compare with Ibovespa's return in the same period, we verified that both strategies achieved higher returns than the index.