Markedseffisiens på Oslo Børs i lys av kursutvikling før og etter flaggemeldinger og meldepliktig handel
Notice bibliographique
Résumé
Denne oppgaven tar for seg markedseffisiens på Oslo Børs. Den overordnede problemstillingen er: I hvilken grad er aksjemarkedet på Oslo Børs effisient? Dette er et omfattende spørsmål og vi vil undersøke spørsmålet i lys av børsmeldinger om flagging og meldepliktige handler.\n\nVårt første forskningsspørsmål er: Avviker kursutviklingen i aksjer fra markedets utvikling i tiden etter publisering av børsmeldinger om flagging eller meldeplikt?\n\nHvis markedet er effisient innebærer det at all offentlig tilgjengelig informasjon gjenspeiles i markedsprisen. I så tilfelle ville vi forvente å se at kursutviklingen i aksjene i tiden etter publisering av børsmeldingene tilsvarer markedsutviklingen. Dersom utviklingen i perioden fra første handelsdag etter offentliggjøringen er svakere enn utviklingen i markedet generelt tyder det på at markedet reagerte for positivt på nyheten i børsmeldingen. Dersom utviklingen er sterkere enn utviklingen i markedet generelt tyder det på at markedet har reagert for negativt på nyheten i børsmeldingen.\n\nVårt andre forskningsspørsmål er: Avviker kursutviklingen i aksjer fra markedets utvikling i tiden før publisering av børsmeldinger om flagging eller meldeplikt?\n\nDersom markedet er effisient vil vi forvente at aksjenes utvikling i perioden før børsmeldingen ikke avviker fra markedets utvikling. Dersom børsmeldinger om kjøp ofte er foranlediget av svak utvikling i kursen kan det tyde på at innsiderne og de flaggepliktige, som formodentlig har god kjennskap til selskapets virkelige verdi, mener at markedet har overreagert.\n\nFor å besvare spørsmålene benytter vi data fra TITLON-databasen. Den inneholder historiske børsmeldinger, historiske aksjekurser og annen markedsinformasjon. Vi har skrevet Python-programmer for å hente data fra TITLON, for å tilrettelegge data for analyse og for den endelige analysen.\n\nVi analyserer 7531 børsmeldinger fra 2002 til 2019 om flagging og meldepliktig handel ved å se på kursutviklingen i tiden forut for børsmeldingen, kursutviklingen fra siste handelsdag før meldingen offentliggjøres til første handelsdag etter offentliggjøring, og kursutviklingen i perioden etter offentliggjøring. Vi sammenligner utviklingen med utviklingen i hovedindeksen på Oslo Børs i samme periode.\n\nTidligere studier har tydet på at graden av effisiens kan variere mellom underkategorier av selskaper. I tillegg til å analysere markedet som helhet deler vi derfor også opp i underkategorier basert på kjennetegn ved aksjene for å undersøke eventuell variasjon i effisiens. Vi undersøker om det er noen forskjeller basert på tidspunkt, selskapets markedsverdi, handelsvolum, transaksjonsstørrelse omtalt i børsmeldingen og forholdet mellom pris og inntjening.\n\nVåre resultater er ikke entydige, men kan tyde på at ikke all informasjonen i børsmeldingene gjenspeiles riktig i markedskursene. Et funn som tyder på manglende effisiens i en henseende er at kursutviklingen de fire ukene etter første handelsdag etter offentliggjøring av en børsmelding om meldepliktig kjøp er svakere enn for markedet som helhet. Effekten er signifikant på 1%-nivå.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,309 | 0,152 |
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 ».