Настроения в отчётах китайских аналитиков и реакция фондового рынка

Сводка

В исследовании обработка естественного языка применяется к отчётам китайских аналитиков: доработанная модель BERT классифицирует их тональность как положительную, нейтральную или отрицательную. Авторы проверяют, помогает ли тональность отчётов объяснить последующие результаты акций, включая избыточную доходность, волатильность и торговый объём. Анализ посвящён китайскому рынку акций и рассматривает язык отчётов как измеримый рыночный сигнал.

Выявленные связи различаются в зависимости от тональности. Сильно положительные отчёты связаны с более высокой избыточной доходностью и внутридневной волатильностью, а сильно отрицательные — с более высокими волатильностью и торговым объёмом, но более низкой будущей избыточной доходностью. Связи для положительной тональности выражены сильнее, чем для отрицательной. Результаты показывают, что тональность отчётов может содержать информацию о доходности и торговой активности, однако в предоставленном описании не указаны период выборки, правила формирования портфеля или торговли и использованные контрольные переменные. Поэтому прогностические связи не следует считать доказательством того, что стратегия на основе классификации принесёт чистую прибыль.

Ключевые идеи

• Доработанная китайскоязычная модель BERT классифицирует тональность отчётов аналитиков.
• В исследовании тональность отчётов сопоставляется с избыточной доходностью, волатильностью и торговым объёмом.
• Сильно положительная тональность связана с более высокой избыточной доходностью и внутридневной волатильностью.
• Сильно отрицательная тональность связана с более высокой волатильностью и объёмом, но с более низкой будущей избыточной доходностью.
• Описанные результаты относятся к китайскому рынку акций и не доказывают прибыльность стратегии за вычетом издержек.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.