Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

PREDICTING ABNORMAL STOCK RETURN VOLATILITY USING TEXTUAL ANALYSIS OF NEWS - A META-LEARNING APPROACH

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F18%3A39913349" target="_blank" >RIV/00216275:25410/18:39913349 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.amfiteatrueconomic.ro/ArticolEN.aspx?CodArticol=2703" target="_blank" >http://www.amfiteatrueconomic.ro/ArticolEN.aspx?CodArticol=2703</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.24818/EA/2018/47/185" target="_blank" >10.24818/EA/2018/47/185</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    PREDICTING ABNORMAL STOCK RETURN VOLATILITY USING TEXTUAL ANALYSIS OF NEWS - A META-LEARNING APPROACH

  • Popis výsledku v původním jazyce

    Textual analysis of news articles is increasingly important in predicting stock prices. Previous research has intensively utilized the textual analysis of news and other firm-related documents in volatility prediction models. It has been demonstrated that the news may be related to abnormal stock price behavior subsequent to their dissemination. However, previous studies to date have tended to focus on linear regression methods in predicting volatility. Here, we show that non-linear models can be effectively employed to explain the residual variance of the stock price. Moreover, we use meta-learning approach to simulate the decision-making process of various investors. The results suggest that this approach significantly improves the prediction accuracy of abnormal stock return volatility. The fact that the length of news articles is more important than news sentiment in predicting stock return volatility is another important finding. Notably, we show that Rotation forest performs particularly well in terms of both the accuracy of abnormal stock return volatility and the performance on imbalanced volatility data.

  • Název v anglickém jazyce

    PREDICTING ABNORMAL STOCK RETURN VOLATILITY USING TEXTUAL ANALYSIS OF NEWS - A META-LEARNING APPROACH

  • Popis výsledku anglicky

    Textual analysis of news articles is increasingly important in predicting stock prices. Previous research has intensively utilized the textual analysis of news and other firm-related documents in volatility prediction models. It has been demonstrated that the news may be related to abnormal stock price behavior subsequent to their dissemination. However, previous studies to date have tended to focus on linear regression methods in predicting volatility. Here, we show that non-linear models can be effectively employed to explain the residual variance of the stock price. Moreover, we use meta-learning approach to simulate the decision-making process of various investors. The results suggest that this approach significantly improves the prediction accuracy of abnormal stock return volatility. The fact that the length of news articles is more important than news sentiment in predicting stock return volatility is another important finding. Notably, we show that Rotation forest performs particularly well in terms of both the accuracy of abnormal stock return volatility and the performance on imbalanced volatility data.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50204 - Business and management

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA16-19590S" target="_blank" >GA16-19590S: Analýza témat a sentimentu vícenásobných textových zdrojů pro finanční rozhodování podniků</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Amfiteatru Economic

  • ISSN

    1582-9146

  • e-ISSN

  • Svazek periodika

    20

  • Číslo periodika v rámci svazku

    47

  • Stát vydavatele periodika

    RO - Rumunsko

  • Počet stran výsledku

    17

  • Strana od-do

    185-201

  • Kód UT WoS článku

    000427829800012

  • EID výsledku v databázi Scopus

    2-s2.0-85041616998