新闻流的蒸馏转化为股票反应分析
摘要：金融商业领域的庞大观点、事实和推特提供了测试和分析此类文本来源对股票未来走势影响的机会。然而，这也造成了需要通过统计技术提取这一庞大而巨大的数据源中的信息元素的必要性。我们利用来自专业平台、博客论坛和股票留言板的混合文本来源，通过不同的词典提取情绪变量。这些情绪变量被用于分析股票反应：波动性、交易量和收益。情绪增加，尤其是对于那些具有负面前景的情况，会影响波动性和交易量。这种影响取决于词汇投射，并且在全球行业分类标准（GICS）部门之间存在差异。基于对2014年10月20日至2019年10月13日的100家标普500指数成分股的综述文章，我们使用BL、MPQA、LM词典进行预测个体股票指标，在面板环境中使用提炼的情绪变量。利用不同的词汇投射来测试不同的股票反应指标，我们的目标是回答以下研究问题：（i）词典的分析能力是否一致？（ii）在情绪尺度（正面vs负面）上是否存在非对称的反应？（iii）高关注公司的新闻是否传播更快，导致更及时和高效的股票反应？（iv）提炼的情绪测量是否存在特定于部门的反应？我们发现，提炼的新闻流中存在显著的增量信息，情绪效应表现为股票反应的非对称、关注特定和部门特定的响应。
作者：Junni L. Zhang, Wolfgang Karl H"ardle, Cathy Y. Chen, Elisabeth Bommes
论文ID：2009.10392
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2020-09-23