Sentiment des analystes chinois et réactions des marchés

Résumé

Cette étude applique le traitement automatique du langage à des rapports d’analystes chinois et utilise un modèle BERT personnalisé pour classer leur tonalité comme positive, neutre ou négative. Elle examine si le sentiment des rapports aide à expliquer les évolutions ultérieures des actions, notamment les rendements excédentaires, la volatilité et le volume de trading. L’analyse porte sur le marché boursier chinois et traite le langage des rapports comme un signal de marché mesurable.

Les associations rapportées varient selon le sens du sentiment. Les rapports fortement positifs sont liés à des rendements excédentaires et à une volatilité intrajournalière plus élevés, tandis que les rapports fortement négatifs sont associés à une volatilité et à un volume de trading accrus, ainsi qu’à des rendements excédentaires futurs plus faibles. Les effets rapportés sont plus importants pour le sentiment positif que pour le sentiment négatif. Ces résultats suggèrent que le ton des rapports peut fournir des informations sur les rendements et l’activité de trading, mais la description fournie ne précise ni la période de l’échantillon, ni les règles de portefeuille ou de trading, ni les variables de contrôle utilisées. Ces associations prédictives ne doivent donc pas être considérées comme la preuve qu’une stratégie fondée sur les classifications générerait des profits nets.

Idées clés

• Un modèle BERT personnalisé pour le chinois classe le sentiment des rapports d’analystes.
• L’étude met en relation le sentiment des rapports et les rendements excédentaires, la volatilité et le volume de trading.
• Un sentiment fortement positif est associé à des rendements excédentaires et à une volatilité intrajournalière plus élevés.
• Un sentiment fortement négatif est associé à une volatilité et à un volume plus élevés, mais à des rendements excédentaires futurs plus faibles.
• Les résultats décrits concernent le marché boursier chinois et n’établissent pas la rentabilité nette d’une stratégie.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.