MétaCan
Menu
Retour à la cohorte
Enregistrement W4413369365 · doi:10.1111/jfir.70011

CEO social media activity and insider trading

2025· article· en· W4413369365 sur OpenAlexafffund
Zhichuan Li, Claire Y.C. Liang, Zhenyang Tang

Notice bibliographique

RevueThe Journal of Financial Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensWestern University
Organismes subventionnairesIvey Business School, Western UniversityXiamen UniversityHefei UniversityHefei University of TechnologyChina University of Mining and TechnologyZhejiang UniversitySouth China University of TechnologyHangzhou Dianzi UniversitySouthwestern University of Finance and EconomicsSun Yat-sen UniversityMinzu University of ChinaFuzhou UniversityUniversité du Québec à Montréal
Mots-clésInsider tradingBusinessSocial mediaInsiderInternet privacyComputer scienceWorld Wide WebPolitical scienceFinanceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This article studies the relationship between CEOs' social media activity and their insider trading behavior. Drawing on psychological evidence linking online activity to risk‐taking, we find that active CEOs on social media exhibit higher risk preferences and engage more in insider trading—particularly in terms of incidence, intensity, and profitability. The effects are primarily driven by insider buys (rather than sells), which are more likely to involve material non‐public information, and such opportunistic trades may increase firm reputational risk. Further analysis reveals that certain corporate governance mechanisms, such as blackout policies and compensation structures, help mitigate the negative impact.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,433
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Financial ResearchMême sujetDigital Marketing and Social MediaTravaux en français237 207