Stimmung chinesischer Analystenberichte und Aktienreaktionen

Zusammenfassung

Diese Studie nutzt die Verarbeitung natürlicher Sprache für chinesische Analystenberichte und klassifiziert deren Ton mit einem angepassten BERT-Modell als positiv, neutral oder negativ. Sie untersucht, ob die Stimmung in den Berichten spätere Aktienentwicklungen wie Überrenditen, Volatilität und Handelsvolumen erklären kann. Die Analyse konzentriert sich auf den chinesischen Aktienmarkt und behandelt die Sprache der Berichte als messbares Marktsignal.

Die berichteten Zusammenhänge unterscheiden sich je nach Richtung der Stimmung. Stark positive Berichte stehen mit höheren Überrenditen und höherer Intraday-Volatilität in Verbindung, während stark negative Berichte mit höherer Volatilität und höherem Handelsvolumen sowie niedrigeren künftigen Überrenditen einhergehen. Die berichteten Effekte sind bei positiver Stimmung stärker als bei negativer. Diese Ergebnisse legen nahe, dass der Ton der Berichte Informationen über Renditen und Handelsaktivität enthalten kann. Die vorliegende Beschreibung nennt jedoch weder den Stichprobenzeitraum noch Portfolio- oder Handelsregeln oder die verwendeten Kontrollvariablen. Prädiktive Zusammenhänge sind daher kein Beleg dafür, dass eine auf den Klassifizierungen beruhende Strategie Nettogewinne erzielen würde.

Kernaussagen

• Ein angepasstes chinesischsprachiges BERT-Modell klassifiziert Analystenberichte nach ihrer Stimmung.
• Die Studie setzt die Stimmung in Berichten mit Überrenditen, Volatilität und Handelsvolumen in Beziehung.
• Stark positive Stimmung steht mit höheren Überrenditen und höherer Intraday-Volatilität in Verbindung.
• Stark negative Stimmung geht mit höherer Volatilität und höherem Volumen, aber niedrigeren künftigen Überrenditen einher.
• Die beschriebenen Ergebnisse betreffen den chinesischen Aktienmarkt und belegen keine Nettorentabilität einer Strategie.

Schlagwörter

# Analyst Reports and Stock Performance: Evidence from the Chinese Market


# Analyst Reports and Stock Performance: Evidence from the Chinese Market









This article applies natural language processing (NLP) to extract and quantify textual information to predict stock performance. Using an extensive dataset of Chinese analyst reports and employing a customized BERT deep learning model for Chinese text, this study categorizes the sentiment of the reports as positive, neutral, or negative. The findings underscore the predictive capacity of this sentiment indicator for stock volatility, excess returns, and trading volume. Specifically, analyst reports with strong positive sentiment will increase excess return and intraday volatility, and vice versa, reports with strong negative sentiment also increase volatility and trading volume, but decrease future excess return. The magnitude of this effect is greater for positive sentiment reports than for negative sentiment reports. This article contributes to the empirical literature on sentiment analysis and the response of the stock market to news in the Chinese stock market.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.