Sentimento em relatórios de analistas chineses e reações do mercado

Resumo

Este estudo aplica processamento de linguagem natural a relatórios de analistas chineses, usando um modelo BERT personalizado para classificar o tom como positivo, neutro ou negativo. Examina se o sentimento dos relatórios ajuda a explicar resultados posteriores das ações, incluindo retornos excedentes, volatilidade e volume de negociação. A análise se concentra no mercado acionário chinês e trata a linguagem dos relatórios como um sinal de mercado mensurável.

As associações relatadas variam conforme a direção do sentimento. Relatórios fortemente positivos estão ligados a retornos excedentes mais altos e à volatilidade intradiária, enquanto relatórios fortemente negativos estão ligados a maior volatilidade e volume de negociação, junto a retornos excedentes futuros menores. Os efeitos relatados são maiores para o sentimento positivo do que para o negativo. Esses resultados sugerem que o tom dos relatórios pode conter informações tanto sobre retornos quanto sobre atividade de negociação, mas a descrição fornecida não especifica o período da amostra, regras de carteira ou trading nem os controles usados. Portanto, associações preditivas não devem ser consideradas prova de que uma estratégia baseada nas classificações geraria lucros líquidos.

Ideias principais

• Um modelo BERT personalizado para chinês classifica o sentimento dos relatórios de analistas.
• O estudo relaciona o sentimento dos relatórios a retornos excedentes, volatilidade e volume de negociação.
• Sentimento fortemente positivo está associado a maiores retornos excedentes e volatilidade intradiária.
• Sentimento fortemente negativo está associado a maior volatilidade e volume, mas a menores retornos excedentes futuros.
• Os resultados descritos dizem respeito ao mercado acionário chinês e não estabelecem a lucratividade líquida de uma estratégia.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.