The effects of social media sentiment on stock price : a study of the Canadian energy sector
Notice bibliographique
Résumé
This thesis investigates the intricate relationship between digital discourse, specifically social media sentiment, and stock price within the Canadian oil and gas industry from 2020-2021. The research comprises two distinct yet complementary studies that collectively shed light on the complex dynamics at play. The first study examines the predictive capacity of non-financial Twitter sentiment on stock prices across nine prominent Canadian oil and gas companies. Employing Granger causality tests, the findings reveal no significant influence of social media sentiment on stock prices within the sample. This contradicts previous studies suggesting a predictive relationship and highlights the potential dominance of market-level sentiment over individual company sentiment, as well as the diminished impact of non-financial discourse on investor decisions. The study bolsters past research which indicates the diminishing power of external stakeholders over firms in the digital era. The second study delves deeper into the relationship between digital discourse and stock price, focusing on Enbridge Inc. and TC Energy Corp. Granger causality tests reveal statistically significant forecasting abilities of Twitter sentiment on stock prices during shortened timeframes surrounding peak Twitter volume dates for these two companies. However, qualitative analysis suggests that stock price movement may be affected more by traditional media coverage than social media sentiment. The findings suggest that the impact of digital discourse on stock price may be company-specific and depend on the nature and intensity of the discourse. Nationally viewed political events or controversies appear to be potential catalysts for movement on stock prices. Additionally, specific RepRisk categories related to environmental, social, and governance (ESG) factors were shared between Enbridge and TC Energy, indicating their potential salience in this relationship.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,003 | 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) | 0,002 | 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 ».