Sentimiento de informes de analistas chinos y respuestas bursátiles

Resumen

Este estudio aplica procesamiento del lenguaje natural a informes de analistas chinos y utiliza un modelo BERT personalizado para clasificar su tono como positivo, neutral o negativo. Examina si el sentimiento de los informes ayuda a explicar resultados bursátiles posteriores, incluidos los rendimientos excedentes, la volatilidad y el volumen de trading. El análisis se centra en el mercado bursátil chino y trata el lenguaje de los informes como una señal de mercado medible.

Las asociaciones descritas varían según la dirección del sentimiento. Los informes muy positivos se vinculan con mayores rendimientos excedentes y volatilidad intradía, mientras que los muy negativos se asocian con mayor volatilidad y volumen de trading, junto con menores rendimientos excedentes futuros. Los efectos descritos son mayores para el sentimiento positivo que para el negativo. Estos resultados sugieren que el tono de los informes puede aportar información tanto sobre los rendimientos como sobre la actividad de trading, pero la descripción proporcionada no especifica el periodo de la muestra, la cartera o las reglas de trading ni los controles utilizados. Por tanto, las asociaciones predictivas no deben tomarse como prueba de que una estrategia basada en las clasificaciones obtendría beneficios netos.

Ideas clave

• Un modelo BERT personalizado para el chino clasifica el sentimiento de los informes de analistas.
• El estudio relaciona el sentimiento de los informes con los rendimientos excedentes, la volatilidad y el volumen de trading.
• Un sentimiento muy positivo se asocia con mayores rendimientos excedentes y volatilidad intradía.
• Un sentimiento muy negativo se asocia con mayor volatilidad y volumen, pero con menores rendimientos excedentes futuros.
• Los resultados descritos se refieren al mercado bursátil chino y no demuestran la rentabilidad neta de una estrategia.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.