Hoje em dia, as pessoas publicam milhões de atualizações nas redes sociais, onde expressam as suas opiniões, ideias e sentimentos. Este estudo visa avaliar o efeito do sentimento expresso no Twitter no retorno das ações dos clubes de futebol, através de uma análise empírica do caso português. O estudo baseia-se em dados do Sporting, Benfica, e Porto entre a época de 2016/2017 e a época de 2020/2021. Com base em estudos anteriores realizados por Saraç e Zeren são realizados modelos de Regressões Logísticas com o objetivo de analisar o efeito do sentimento expresso pelos adeptos de futebol na direção do retorno das ações dos clubes controlando variáveis como o índice de mercado PSI20, o sentimento geral neutro e negativo expresso no Twitter, o número total de Tweets por dia, o resultado geral do sentimento, a probabilidade de ganhar um determinado jogo, o resultado do jogo, o tipo de jogo, a diferença dos golos marcados, e a importância do jogo Nacional. A fim de obter o sentimento associado a cada tweet, foram analisados cerca de 79.000 tweets entre julho de 2016 e maio de 2021 através de uma Análise de Sentimento em Python. Os resultados indicam que o sentimento geral neutro e negativo expresso no Twitter é considerado estatisticamente significativo para o Sporting. Para o Sporting e Benfica, um modelo que combina variáveis de desempenho desportivo com o sentimento expresso no Twitter oferece uma melhor adequação dos dados quando comparado com um modelo que se baseia apenas em variáveis de sentimento.

Nowadays, people post millions of status updates on social media, where they express their opinions, ideas, and sentiments. This study aims to assess the effect of the sentiment expressed on Twitter on the football clubs’ stock return through an empirical analysis of the Portuguese case. The study is based on data from Sporting, Benfica, and Porto, the biggest football clubs in Portugal, between the 2016/2017 season and the 2020/2021 season. Inspired by previous work done by Saraç and Zeren, Logistic Regressions models are performed to analyze the effect of the expressed sentiment by football fans on the direction of the clubs’ stock returns controlling variables such as the market index, the overall neutral and negative sentiment expressed on Twitter, the total number of Tweets per day, the overall sentiment score, the probability of winning a given match, match result, match type, the difference of scored goals, and the importance of the National match. In order to obtain the associated sentiment to each tweet, around 79,000 tweets from July 2016 to May 2021 were analyzed through a Sentiment Analysis on Python. The findings indicate that the overall neutral and negative expressed sentiment on Twitter is found statistically significant for Sporting, and that for Sporting and Benfica, a model that combines sporting performance variables with the sentiment expressed on Twitter offers a better fit to the data when compared to a model that is based only on sentiment variables.