As redes sociais desempenham hoje em dia um papel significativo na disseminação de opiniões e informações sobre empresas, marcas, serviços e produtos. As grandes empresas, em particular, por terem mais presença no mercado são mais interessantes e atraem um interesse massivo do público. O presente estudo procura compreender em que medida o sentimento expresso nas publicações e comentários nas redes sociais pode servir de barómetro para a previsão das decisões dos investidores, focando-se no caso da Tesla. Assim, foram analisadas as informações de mercado do valor da empresa e o sentimento dos comentários e publicações na rede social Twitter. Essa análise passou por vários procedimentos. Inicialmente uma revisão sistemática da literatura, com o auxílio de duas bases de dados científicas, a web of science e a scopus, com a utilização de uma query, e analisados 28 artigos científicos sobre o tema. A metodologia utilizada foi a CRISP-DM. Foi estudada a compreensão do negócio e dos dados, definindo o problema, os objetivos de estudo e a recolha e compreensão dos dados. Os dados reportavam-se ao ano 2018. Seguidamente os dados foram preparados, limpos e transformados para as fases seguintes. Nas fases de modelação e avaliação, criou-se os modelos e avaliou-se, retirando-se conclusões. Por fim, a implementação passou pela escrita desta dissertação. Pelos resultados conclui-se que existe uma relação entre a variação do valor das ações e o sentimento dos tweets, isto é, quando existe um grande número de tweets positivos irá aumentar o valor da ação da Tesla, e o contrário, nos tweets negativos.

Nowadays, social networks play a significant role in disseminating opinions and information regarding companies, brands, products and services. Especially large companies, since their market presence is bigger, therefore luring a larger number of stakeholders, attract massive public interest. This study seeks to understand to what extent the sentiment expressed in social media posts and comments can be used for predicting investor decisions, focusing on the Tesla case. To this end, market information on the company's value and the sentiment derived from the social network Twitter engagements were analysed. In order to develop this study, several procedures were carried out. First, a systematic literature review was conducted using two scientific databases, Web of Science and Scopus, using the same query for both, where 28 scientific articles related to the topic under study were revised. The methodology employed was CRISP-DM. A business understanding was executed as well as the assessment of the data, where were defined the problem, the objectives of the research and the collection and understanding of the data, including information from January to December 2018. The data was then prepared, cleaned and transformed for the following phases. In the modelling and evaluation phases, the models were created and evaluated, drawing conclusions. Finally, the implementation involved writing this dissertation. The results show that there is a relationship between change in share value and the sentiment of the tweets, i.e. the larger the number of positive tweets the greater increase in Tesla’s value, and the same linear relation applies for the negative ones.