We aimed to explore how the machine learning models Artificial Neural Network (ANN), Support Vector Machine (SVM) and Decision tree (DT) compared in analyzing the effects of investor sentiment (from the forum www.reddit.com/r/wallstreetbets) in conjunction with other key parameters, to predict asset price volatility of major US corporations. The paper explores the effect on asset price volatility that the addition of sentiment based indicators had on companies listed in the S&P500 index since 2012. None of the models we used could accurately predict the volatility of stocks using our collected sentiment and financial data. While social media sentiment has been shown by previous research to impact parts of financial markets, the market as a whole does not seem to be as susceptible to this interference as some analysts have suggested. Therefore, the training data for the algorithms had too much noise to find strong relationship. Furthermore we believe that more research is required in order to better understand which financial (or other) indicators play a role in shaping online sentiment. 

I den här rapporten ämnade vi att undersöka hur väl maskininlärningsmodellerna Artificial Neural Network (ANN), Support Vector Machine (SVM) och Decision trees (DT) kan förutspå prisvolatilitet av enskilda aktier med hjälp av historiskt användarsentiment och finansiella nyckelindikatorer. Vi har använt det historiska sentimentet på forumet www.reddit.com/r/wallstreetbets och historisk prisdata för det Amerikanska börsindexet S&P500. Ingen modell kunde exakt förutspå prisvolatilitet av enskilda med hjälp av sentiment och den finansiella datan. Det indikerar att även om enskilda företag kan påverkas starkt så har marknaden som helhet inte påverkats i signifikant grad av den sentimentkälla vi undersökt. Därför hade träningsdatan för algoritmerna för mycket brus för att hitta starka relationer i datan. Vidare anser vi att mer forskning krävs för att etablera en länk mellan vilka finansella (eller andra) nyckeltal som påverkar sentimentet på social media.