Trong thị trường tài chính, tâm lý (Sentiment) thường dẫn dắt giá trước khi các con số kỹ thuật kịp phản ứng. Việc khai thác dữ liệu từ mạng xã hội hoặc tin tức báo chí để đo lường “nhiệt độ” thị trường là một lợi thế cực lớn cho các Quant.
Ví dụ về cách sử dụng TextBlob để phân tích cảm xúc của một đoạn tin tức:
from textblob import TextBlob
news_headline = "The Fed announces interest rate cuts, sparking optimism in the tech sector."
analysis = TextBlob(news_headline)
sentiment_score = analysis.sentiment.polarity
if sentiment_score > 0:
print(f"Tin tức tích cực: {sentiment_score}")
else:
print(f"Tin tức tiêu cực hoặc trung tính: {sentiment_score}")
Chúng ta sẽ học cách kết nối với Twitter API để lấy dữ liệu thời gian thực và tích hợp điểm số cảm xúc (Sentiment Score) như một bộ lọc (filter) cho các lệnh mua/bán của Robot giao dịch.
