Notice bibliographique
Résumé
The importance of investor sentiment and its influence on financial market has been widely documented. The majority of these studies, however, are either US-centred or focus on a single source of sentiment. In this thesis, I contrast the effects of news and social media sentiment and assess their impacts on markets around the world, using both daily and intraday textual analytics sentiment from Thomson Reuters MarketPsych Indices (TRMI). In the first chapter, I explore the rapidly changing news and social media landscape and its interplay with market returns and volatility. I find that news media activities (buzz) dominate social media before 2013, while social media has become increasingly important especially after 2016. A similar evolution of lead-lag pattern between news and social media sentiment is also uncovered. Moreover, I discover that market variables exert stronger impact on sentiment than the other way around, and the linkage between volatility and sentiment is more persistent than that between returns and sentiment. The second chapter examines the role of news and social media sentiment in explaining intraday returns. My analysis of the Dow Jones Industrial Average (DJIA) constituents reveals that sentiment during non-trading hours is a strong yet short-lived predictor of opening returns. Specifically, sentiment from social media induces larger changes than news media. Negative sentiment effects work at higher economic magnitudes than positive sentiment. Nonetheless, these phenomena quickly diminish after the first minute of trading. Robustness tests show that these effects are not driven by corporate earnings announcements. This chapter provides a new set of techniques and develops a novel framework for high-frequency sentiment analysis. The last chapter applies similar intraday analysis into 14 international markets: Australia, Brazil, Canada, the EU, France, Germany, Hong Kong, India, Japan, Singapore, Spain, Switzerland, the UK and the US. I find that the dominant role of social media in US is not representative of other global markets. News media sentiment expounds a greater impact on stock prices in other major financial markets. Robustness tests show that the aggregation of sentiment up to three hours prior to the market opening helps generate an effective signal for predicting the direction of the opening prices. This chapter underscores the importance of avoiding adopting US evidence naively to other markets. Overall, this thesis contrasts effects of news sentiment with that of social media sentiment. Applying a novel dataset of high-frequency text analytics, this thesis provides an approach to help shed light on the role social media sentiment plays in the dynamics of stock markets.
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 | 0,001 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».