Dans le cadre du Baromètre des pratiques et des tendances de veille Digimind -Orange Consulting (État de l’art & tendances Veille et Market Intelligence), nous avions interviewé des spécialistes ( juridique data visualisation, deep et dark web,intelligence économique, finance) afin de mieux cerner les implications des technologies sur la fonction Veille Stratégique et Market Intelligence afin de compléter la perception des sondés.
Nous publions ici l’interview de Thomas Renault sur sa vision et ses travaux sur le fonctionnement des marchés financiers. Il nous parle machine learning, analyse prédictive, données twitter, analyse des tendances...
Thomas Renault
Docteur en Sciences de Gestion de l’Université Paris 1 Panthéon-Sorbonne. Maître de Conférence
La thématique de Thomas Renault recherche porte sur l’analyse des données publiées sur Internet et les réseaux sociaux afin d’améliorer notre compréhension du fonctionnement des marchés financiers. Il utilise des méthodes ou algorithmes afin de mesurer le sentiment de chaque message, et ce afin de structurer (catégoriser) des données non-structurées avant de les agréger pour créer de nouveaux indicateurs.
Les Tendances de la veille financière
Quelles sources d’informations avez-vous exploité pour la veille financière? Et pourquoi ?
“J’ai beaucoup travaillé sur des données Twitter et StockTwits (équivalent de Twitter pour les marchés financiers). J’apprécie particulièrement les données StockTwits car, sur cette plateforme, les utilisateurs peuvent eux-mêmes indiquer le sentiment des messages qu’ils publient (positif ou négatif) ce qui permet de travailler sur de grandes bases de données de messages classifiés dans le cadre d’algorithme de machine learning supervisé".
StockTwits
Les données Twitter sont aussi intéressantes de par le volume impressionnant de messages publiés chaque jour. La présence des grands médias et de personnalités influentes différencie aussi Twitter de nombreux autres sites. Mais les réseaux sociaux restent une source de données très intéressante et encore peu (ou mal) exploitée par les entreprises.”
“ le volume de messages publiés sur Twitter à propos de certaines petites entreprises américaines a aussi un pouvoir prédictif sur l’évolution des cours de ces actions la semaine suivante ”
Avez-vous réalisé cette veille avec votre simple œil d’expert ? Ou l’avez-vous automatisée ?
"La collecte de données est automatisée dans tous mes travaux. J’utilise des scripts en Python pour récupérer les donnés (web scrapping ou utilisation des API) et en général une base de données MongoDB pour stocker les données. Ensuite, j’utilise aussi Python pour le machine learning (scikit-learn) ou pour l’analyse textuelle (nltk). Idem pour les calculs et modèles (pandas, numpy). Pour les réseaux, j’utilise Gephi."
Avez-vous réussi à créer des modèles pour détecter et interpréter des signaux faibles ? Êtes-vous parvenu à faire du prédictif ?
"Absolument. Dans un de mes travaux, je montre ainsi que le sentiment des messages publiés sur le réseau social StockTwits permet de prévoir l’évolution des marchés financiers US avec des données intra-journalières. Dans un autre papier, je montre que le volume de messages publiés sur Twitter à propos de certaines petites entreprises américaines a aussi un pouvoir prédictif sur l’évolution des cours de ces actions la semaine suivante. Idem pour la quantification du discours de la Banque Centrale Européenne, qui contient de l’information permettant d’améliorer la prévision de la prochaine annonce de taux directeur par la Banque Centrale."
Quels types d’informations financières et économiques peuvent remonter grâce à la veille que vous avez effectuée ?
"L’objectif est de créer de nouveaux indicateurs à partir de données non-structurées pouvant avoir un pouvoir prédictif. Ensuite, ces nouveaux indicateurs peuvent être utilisés dans n’importe quel modèle (taux de croissance, prix des actions, annonce de politique monétaire…)."
Quelles tendances pouvons-nous interpréter ? Et quelles actions concrètes pourrions-nous envisager (pour les entreprises ou autre) ?
Pour une entreprise, il semble intéressant de mettre en place un système d’alerte automatique lors d’un volume anormal de message sur un sujet donné (ou lors d’une forte variation du sentiment) afin de pouvoir ensuite mettre en place des actions si nécessaire. Pour suivre les tendances, il semble aussi intéressant de mettre en place des systèmes de catégorisation automatique (non-supervisée) des sujets (avec par exemple un algorithme type Latent Dirichlet Allocation) afin de suivre l’évolution des sujets. Enfin, l’identification des influenceurs via la théorie des réseaux peut permettre d’un point de vue marketing d’identifier les meilleurs relais.
Retrouvez l’intégralité des interviews d'experts dans le baromètre sur les pratiques et tendances en veille stratégique et market intelligence par les professionnels.
.svg){kind=small}
