Do psychological factors exert greater influence on investment decisions than physiological factors? Evidence from Borsa Istanbul
Notice bibliographique
Résumé
We investigate the impact of Ramadan, the Holy month of fasting, on the phenomenon of post-earnings announcement drift (PEAD) in Borsa Istanbul. Utilizing quarterly earnings announcements and employing both the analyst forecast method and time series forecast method as surprise measures, our study spans the earnings period from the first quarter of 2007 to the last quarter of 2018. Our objective is to bridge the gap between studies highlighting the negative impacts of physiological factors and the positive impacts of psychological factors on economic decision-making. Given the anticipated opposing effects of physiological and psychological factors on PEAD during Ramadan, our findings offer a unique opportunity to compare the influences of physiology and psychology on investment decisions. Contrary to the expected positive impact resulting from physiological factors causing attention deficit, our research reveals that earnings announcements made during Ramadan exhibit, on average, a 16–25% lower drift in the subsequent 60-day period, depending on the method used. We attribute this unexpected outcome to the dominance of psychological factors, such as heightened sentiment, self-awareness, and spirituality, over physiological factors. This finding holds significance for policymakers, as activities that may seem to have a harmful impact on the economy due to visible physiological or physical factors can unexpectedly yield positive effects due to less tangible psychological factors. Additionally, our results hold importance for investors, as a hedge strategy using earnings surprises results in a negative return if the announcements are made during Ramadan. Our findings remain robust across different measures of PEAD and various intensities of physiological factors.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».