SIJOITTAJIEN SENTIMENTIN VAIKUTUS TUNNUSLUKU- SEKÄ MARKKINA-ARVOPERUSTEISESTI: TUTKIMUS SUOMEN OSAKEMARKKINOILLA
Notice bibliographique
Résumé
Tutkielman tarkoituksena on selvittää, onko sijoittajien sentimentillä mahdollista ennus-taa osakemarkkinoiden tuottoja. Tärkeimpänä päämääränä on tutkia, miten koko- ja arvoanomaliat vaikuttavat sijoittajien sentimenttiin. Tutkimus toteutetaan Suomen osa-kemarkkinoilla, sillä suurin osa aikaisemmista tutkimuksista on tutkinut sentimentin vaikutusta USA:n osakemarkkinoilla ja muualla Euroopassa, joten on tärkeää selvittää vaikuttaako ilmiö myös Suomessa. Tutkimuksen aikavälinä on 1995–2014, mikä tekee kuukausittaista aineistoa käytettäessä yhteensä 224 havaintoa. Lisäksi selvitetään vai-kuttaako sijoittajien sentimentti ajasta riippumatta jakamalla tutkimusaikaväli kahteen osaan aikavälille 1995–2005 sekä 2005–2014. Sijoittajien sentimentti-indikaattorina on käytetty Tilastokeskuksen keräämää kuluttajabarometriä, joka mittaa kuluttajien näke-myksiä kotitalouden sekä kansantalouden kehityksestä seuraavan 12 kuukauden aikana. Tärkeimpänä tutkimusmenetelmänä käytetään Granger-kausaalisuustestiä, sillä mene-telmä on todettu päteväksi useissa vastaavissa tutkimuksissa (Jansen & Nahuis 2003). Koko- ja arvoanomalioiden vaikutusta selvitetään muodostamalla osakeportfolioita tun-nuslukuperusteisesti (P/B sekä P/E) sekä jakamalla osakkeet markkina-arvon mukaises-ti. Portfolioiden muodostuksessa on noudatettu Fama ja Frenchin (1992,1993) portfoli-on muodostuskriteereitä. Tämän jaottelun lisäksi tutkielmassa käytetään toimialaperus-teista jaottelua, sillä valtaosa Helsingin pörssin yrityksistä toimii teollisuusalalla ja suo-raan kuluttajille suunnattujen tuotteiden ja palveluiden osuus on vähäisempi. Sijoittajien sentimentin ja osakemarkkinoiden tuottojen todettiin korreloivan positiivi-sesti. Granger-kausaalisuustestin tulosten perusteella kausaalisuuden havaittiin kulkevan kuitenkin ainoastaan yhdensuuntaisesti osakemarkkinoista sijoittajien sentimenttiin. Tällä tarkoitetaan, että sentimentti-indikaattorina käytettyä kuluttajabarometriä ei ole mahdollista hyödyntää sijoituspäätöksiä tehdessä. Toisensuuntainen kausaalisuus osoit-taa kuitenkin, että suomalaiset kuluttajat hyödyntävät osakemarkkinoista saatavaa in-formaatioita siitä huolimatta, omistavatko he itse osakkeita vai eivät.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,004 |
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 ».