- Код статьи
- S042473880008527-8-
- DOI
- 10.31857/S042473880008527-8
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 56 / Номер 2
- Страницы
- 77-89
- Аннотация
В данном исследовании оценивается влияние тональности новостей в зарубежных средствах массовой информации о России на отечественный фондовый рынок в период до и после введения санкций. Эмпирическая база исследования включала новости изданий, аккредитованных агентством Thomson Reuters, а суммарный объем статей составляет 2,4 млн. Для оценки тональности текста использовались метод мешка слов и три англоязычных словаря (AFINN, NRC и Loughran and McDonald Word List), в то время как анализ временных рядов выполнялся на базе процедуры Тода–Ямамото для тестирования причинности по Грэнджеру, VAR-модели и ее функций импульсного отклика и декомпозиции дисперсии. Анализ выполнен на периоде с 2012 по 2018 г. с разделением на два подпериода: до и после введения зарубежными государствами санкций в отношении России. В результате проведенного нами исследования показана статистическая значимость эмоциональной окраски информационно-новостного фона для объяснения динамики российского фондового рынка. Выявлено усиление влияния тональности новостей в зарубежных СМИ на поведение участников и, как следствие, динамику композитного фондового индекса Мосбиржи в период после введения санкций. Также из полученных результатов сделан вывод о наличии асимметрии в реакции рынка на шоки позитивной и негативной риторики в зарубежных средствах массовой информации.
- Ключевые слова
- текстовый анализ, мешок слов, фондовый индекс, тональность новостей, санкции.
- Дата публикации
- 11.06.2020
- Год выхода
- 2020
- Всего подписок
- 35
- Всего просмотров
- 2105
Библиография
- 1. Демин И.С., Федорова Е.А., Рогов О.Ю. Применение словарей тональности для текстового анализа / Прикладная информатика. 2019. Т. 14. № 1 (79). С. 5-16.
- 2. Федорова Е.А., Демин И.С., Хрустова Л.Е., Осетров Р.А., Федоров Ф.Ю. Влияние тональности писем СЕО на финансовые показатели компании / Российский журнал менеджмента. 2017. Т. 15. № 4. С. 441-462.
- 3. Федорова Е.А., Рогов О.Ю., Ключников В.А.Влияние новостей на индекс нефтегазовой отрасли ММВБ: текстовый анализ /
- 4. Вестник Московского университета. Серия 6: Экономика. 2018. № 4. С. 79-99
- 5. Эдилбаев А.А.. Модель CAPM с учетом поведенческих аспектов. Экономика и предпринимательство. 2016. № 12-4 (77). С. 493-496.
- 6. Araujo, T., Eleuterio, S., & Louca, F. (2018). Do sentiments influence market dynamics? A reconstruction of the Brazilian stock market and its mood. Physica A, 505, 1139–1149. https://doi.org/10.1016/j.physa.2018.04.045
- 7. Fang, L., Qian, Y., Chen, Y., & Yu, H. (2018). How does stock market volatility react to NVIX? Evidence from developed countries. Physica A, 505, 490–499. https://doi.org/10.1016/j.physa.2018.03.039
- 8. Feuerriegel, S., & Gordon, J. (2018). Long-term stock index forecasting based on text mining of regulatory disclosures. Decision Support Systems, 112(June), 88–97. https://doi.org/10.1016/j.dss.2018.06.008
- 9. Gupta, K., & Banerjee, R. (2018). Does OPEC news sentiment influence stock returns of energy fi rms in the United States? Energy Economics. https://doi.org/10.1016/j.eneco.2018.03.017
- 10. Ho, K., Shi, Y., & Zhang, Z. (2018). News and return volatility of Chinese bank stocks. International Review of Economics and Finance, (xxxx), 1–11. https://doi.org/10.1016/j.iref.2018.12.003
- 11. Nam, K., & Seong, N. (2018). Financial news-based stock movement prediction using causality analysis of influence in the Korean stock market. Decision Support Systems, (November), 1–13. https://doi.org/10.1016/j.dss.2018.11.004
- 12. Ruan, Y., Durresi, A., & Alfantoukh, L. (2018). Knowle dge-Base d Systems Using Twitter trust network for stock market analysis. Knowledge-Based Systems, 145, 207–218. https://doi.org/10.1016/j.knosys.2018.01.016
- 13. Walker, C. B. (2016). Journal of Behavioral and Experimental Finance The direction of media influence: Real-estate news and the. Journal of Behavioral and Experimental Finance, 10, 20–31. https://doi.org/10.1016/j.jbef.2016.02.001
- 14. Wei, Y., Lu, Y., Chen, J., & Hsu, Y. (2017). North American Journal of Economics and Finance Informativeness of the market news sentiment in the Taiwan stock market q. North American Journal of Economics and Finance, 39(1), 158–181. https://doi.org/10.1016/j.najef.2016.10.004
- 15. Wu, G. G., Hou, T. C., & Lin, J. (2018). Asia Paci fi c Management Review Can economic news predict Taiwan stock market returns? Asia Pacific Management Review. https://doi.org/10.1016/j.apmrv.2018.01.003
- 16. Nielsen F.A.. A new ANEW: Evaluation of a word list for sentiment analysis in microblogs, Proceedings of the ESWC2011 Workshop on 'Making Sense of Microposts': Big things come in small packages, 2011, 93-98.
- 17. Mohammad S., Turney P. Emotions Evoked by Common Words and Phrases: Using Mechanical Turk to Create an Emotion Lexicon. Proceedings of the NAACL-HLT 2010 Workshop on Computational Approaches to Analysis and Generation of Emotion in Text, 2010, 26-34
- 18. McDonald В., Loughran T. Textual Analysis in Accounting and Finance: A Survey. SSRN, Journal of Accounting Research, 2016, 54:4, 1187-1230.
- 19. Toda H.Y. and Yamamoto T., 1995. Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66, 225–250.
- 20. Kwiatkowski, D., Phillips, P.C.B., Schmidt, P., Shin, Y., 1992. Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, 54, 159–178.
