Tâm lý báo cáo phân tích Trung Quốc và phản ứng thị trường cổ phiếu

Tóm tắt

Nghiên cứu áp dụng xử lý ngôn ngữ tự nhiên vào các báo cáo của chuyên gia phân tích bằng tiếng Trung, sử dụng mô hình BERT tùy chỉnh để phân loại sắc thái cảm xúc của báo cáo là tích cực, trung tính hoặc tiêu cực. Nghiên cứu xem xét liệu sắc thái cảm xúc của báo cáo có giúp giải thích kết quả cổ phiếu sau đó, gồm lợi suất vượt trội, biến động và khối lượng giao dịch. Phân tích tập trung vào thị trường cổ phiếu Trung Quốc và xem ngôn ngữ báo cáo là một tín hiệu thị trường có thể đo lường.

Các mối liên hệ được báo cáo khác nhau tùy hướng tâm lý. Báo cáo có sắc thái tích cực mạnh liên hệ với lợi suất vượt trội và biến động trong ngày cao hơn; báo cáo có sắc thái tiêu cực mạnh liên hệ với biến động và khối lượng giao dịch lớn hơn, đồng thời lợi suất vượt trội trong tương lai thấp hơn. Tác động được báo cáo lớn hơn với tâm lý tích cực so với tâm lý tiêu cực. Các phát hiện này cho thấy sắc thái báo cáo có thể chứa thông tin về cả lợi suất và hoạt động giao dịch, nhưng phần mô tả được cung cấp không nêu giai đoạn lấy mẫu, danh mục hoặc quy tắc giao dịch hay các biến kiểm soát được sử dụng. Vì vậy, không nên xem các mối liên hệ dự báo là bằng chứng rằng chiến lược dựa trên phân loại này sẽ tạo ra lợi nhuận ròng.

Ý chính

• Một mô hình BERT tùy chỉnh cho tiếng Trung phân loại sắc thái cảm xúc của báo cáo chuyên gia phân tích.
• Nghiên cứu liên hệ tâm lý trong báo cáo với lợi suất vượt trội, biến động và khối lượng giao dịch.
• Tâm lý tích cực mạnh liên hệ với lợi suất vượt trội và biến động trong ngày cao hơn.
• Tâm lý tiêu cực mạnh liên hệ với biến động và khối lượng cao hơn, nhưng lợi suất vượt trội trong tương lai thấp hơn.
• Kết quả được mô tả liên quan đến thị trường cổ phiếu Trung Quốc và không chứng minh chiến lược có lợi nhuận ròng.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.