رفتن به محتوا
همه اسناد کتابخانه

احساسات گزارش تحلیلگران چینی و واکنش بازار سهام

مقاله arXiv papers · نویسنده: Rui Liu et al.

خلاصه

این مطالعه پردازش زبان طبیعی را بر گزارش‌های تحلیلگران چینی به کار می‌گیرد و با استفاده از مدل سفارشی BERT لحن آن‌ها را مثبت، خنثی یا منفی دسته‌بندی می‌کند. بررسی می‌کند آیا احساسات گزارش به توضیح پیامدهای بعدی سهام، از جمله بازده مازاد، نوسان و حجم معاملات کمک می‌کند. تحلیل بر بازار سهام چین متمرکز است و زبان گزارش را سیگنالی قابل اندازه‌گیری برای بازار در نظر می‌گیرد.

روابط گزارش‌شده بر اساس جهت احساسات تفاوت دارند. گزارش‌های بسیار مثبت با بازده مازاد و نوسان درون‌روزی بیشتر همراه‌اند؛ در حالی که گزارش‌های بسیار منفی با نوسان و حجم معاملات بیشتر و بازده مازاد آتی کمتر همراه‌اند. اثرهای گزارش‌شده برای احساسات مثبت از احساسات منفی بزرگ‌ترند. این یافته‌ها نشان می‌دهند لحن گزارش ممکن است درباره بازده و فعالیت معاملاتی اطلاعاتی داشته باشد، اما شرح ارائه‌شده دوره نمونه، قواعد سبد یا معامله و کنترل‌های به‌کاررفته را مشخص نمی‌کند. بنابراین روابط پیش‌بینانه را نباید اثباتی دانست بر اینکه استراتژی مبتنی بر این دسته‌بندی‌ها سود خالص ایجاد می‌کند.

ایده‌های کلیدی

  • یک مدل سفارشی زبان چینی BERT گزارش‌های تحلیلگران را بر پایه احساسات دسته‌بندی می‌کند.
  • مطالعه احساسات گزارش را با بازده مازاد، نوسان و حجم معاملات مرتبط می‌سازد.
  • احساسات بسیار مثبت با بازده مازاد و نوسان درون‌روزی بیشتر همراه است.
  • احساسات بسیار منفی با نوسان و حجم بیشتر، اما بازده مازاد آتی کمتر همراه است.
  • نتایج توصیف‌شده به بازار سهام چین مربوط‌اند و سودآوری خالص استراتژی را ثابت نمی‌کنند.

برچسب‌ها

متن کامل
# 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.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.