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.\n\nTärkeimpänä 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.\n\nSijoittajien 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».