Is Baidu index really powerful to predict the Chinese stock market volatility? New evidence from the internet information
Notice bibliographique
Résumé
Purpose This paper verifies whether popular Internet information from Internet forum and search engine exhibit useful content for forecasting the volatility in Chinese stock market. Design/methodology/approach First, the authors’ study commences with several HAR-RV-type models, then the study amplifies them respectively with the posting volume and search frequency to construct HAR-IF-type and HAR-BD-type models. Second, from in-sample and out-of-sample analysis, the authors empirically investigate the interpretive ability, forecasting performance (statistic and economic). Third, various robustness checks are utilized to reconfirm the authors’ findings, including alternative forecast window, alternative evaluation method and alternative stock market. Finally, the authors further discuss the forecasting performance in different forecast horizons ( h = 5, 10 and 20) and asymmetric effect of information from Internet forum. Findings From in-sample perspective, the authors discover that posting volume exhibits better analytical ability for Chinese stock volatility than search frequency. Out-of-sample results indicate that forecasting models with posting volume could achieve a superior forecasting performance and increased economic value than competing models. Practical implications These findings can help investors and decision-makers obtain higher forecasting accuracy and economic gains. Originality/value This study enriches the existing research findings about the volatility forecasting of stock market from two dimensions. First, the authors thoroughly investigate whether the Internet information could enhance the efficiency and accuracy of the volatility forecasting concerning with the Chinese stock market. Second, the authors find a novel evidence that the information from Internet forum is more superior to search frequency in volatility forecasting of stock market. Third, they find that this study not only compares the predictability of the posting volume and search frequency simply, but it also divides the posting volume into “good” and “bad” segments to clarify its asymmetric effect respectively. Highlights This study aims to verify whether posting volume and search frequency contain predictive content for estimating the volatility in Chinese stock market. The forecasting model with posting volume can achieve a superior forecasting performance and increases economic value than competing models. The results are robust in alternative forecast window, alternative evaluation method and alternative market index. The posting volume still can help to forecast future volatility for mid- and long-term forecast horizons. Additionally, the role of posting volume in forecasting Chinese stock volatility is asymmetric.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».