Text mining e twitter : o poder das redes sociais num mercado competitivo

Actualmente, com a massificação da utilização das redes sociais, as empresas passam a sua mensagem nos seus canais de comunicação, mas os consumidores dão a sua opinião sobre ela. Argumentam, opinam, criticam (Nardi, Schiano, Gumbrecht, & Swartz, 2004). Positiva ou negativamente. Neste contexto o Text Mining surge como uma abordagem interessante para a resposta à necessidade de obter conhecimento a partir dos dados existentes. Neste trabalho utilizámos um algoritmo de Clustering hierárquico com o objectivo de descobrir temas distintos num conjunto de tweets obtidos ao longo de um determinado período de tempo para as empresas Burger King e McDonald’s. Com o intuito de compreender o sentimento associado a estes temas foi feita uma análise de sentimentos a cada tema encontrado, utilizando um algoritmo Bag-of-Words. Concluiu-se que o algoritmo de Clustering foi capaz de encontrar temas através do tweets obtidos, essencialmente ligados a produtos e serviços comercializados pelas empresas. O algoritmo de Sentiment Analysis atribuiu um sentimento a esses temas, permitindo compreender de entre os produtos/serviços identificados quais os que obtiveram uma polaridade positiva ou negativa, e deste modo sinalizar potencias situações problemáticas na estratégia das empresas, e situações positivas passíveis de identificação de decisões operacionais bem-sucedidas.

A liberalização do mercado energético e o papel das entidades reguladoras

The liberalisation of the energy market goes back to the 1990s, when it was impelled by the European legislator. Since then, three legislative packages, temporarily successive, were approved. Those packages contained the measures to be implemented in order to deepen the internal energy market. Besides the opening up of several national markets to competition, the European legislator aimed the creation of a real internal energy market within the European Union. The unbundling regime was one of the most important steps with respect to the liberalisation process. The introduction of these rules ensured independence to the various market operators. A real and effective right of choice was granted to the consumers so they may choose their electricity and natural gas supplier. Therefore, the activity of comercialisation is subject to competition. However, some activities of the electricity’s and natural gas’ chain of value, namely the activities of transportation and distribution, were kept under regulation rules. Even though it may seem odd, the assignment of important competences and strong powers to a regulatory authority was essential in order to achieve the liberalisation process’ goals. Electricity and natural gas are essential public goods; therefore the market operators are legally bound to public service obligations, such as the security, the universality and the continuity of the supply. The performance of these obligations may become, in some cases, unprofitable for those operators. For such reason, the protection of the consumers’ rights shall only be properly defended if there is a regulatory authority that monitors the behaviour of the operators and sanctions the failure to comply with the public service obligations. Portugal, as a Member State of the European Union, transposed into the national legal order the European directives concerning the liberalisation process. This transposition has caused radical changes to the electricity and natural gas’ national markets. The Entidade Reguladora dos Serviços Energéticos also suffered various mutations in order to keep up with the regulatory demands regarding the liberalisation process.

Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática

A estrutura temporal das taxas de juro, também conhecida por yield curve ou curva de rendimentos define a relação entre as taxas de juros e o prazo de vencimento (ou maturidades) dos investimentos feitos. Assim, o desenvolvimento de modelos que possibilitem a obtenção de previsões precisas sobre a estrutura temporal das taxas de juro e que permitam estudar a dinâmica da evolução das taxas de juro é de crucial importância em diversas áreas de financiamento. Neste estudo investigou-se a performance de diferentes métodos de previsão para obter a estrutura temporal das taxas de juro da Zona Euro, considerando o período entre 2009 e 2015. Em termos mais específicos, foi analisada a capacidade preditiva do modelo de Nelson-Siegel & Svensson assumindo que os parâmetros resultantes da estimação da especificação paramétrica podem ser modelizados através de métodos de séries temporais univariados (modelos ARIMA, Random walk) e multivariados (modelos VAR) e Redes Neuronais Artificiais (RNA) individuais e conjuntas. Os resultados deste estudo mostram que (i) as RNA com a previsão dos parâmetros em simultâneo exibem os valores de erro mais baixos para as maturidades de curto e médio prazo (3 meses a 5 anos); (ii) As RNAs individuais são melhores para prever as taxas de juro nas maturidades compreendidas entre os 7 e os 10 anos, e que (iii) para as maturidades de longo e muito longo prazo (15 e 30 anos respetivamente) deverá ser escolhido o modelo VAR(1). Estes resultados são robustos e consistentes para todos os horizontes de previsão analisados (1,2 e 3 meses). Contudo, no período analisado nenhum dos modelos testados apresenta valores de erro inferiores aos obtidos com o modelo Random Walk.