Investor sentiment in blogs : design of a classifier and validation by a portfolio simulation

Klein, Achim

Investor sentiment in blogs : design of a classifier and validation by a portfolio simulation

dc.contributor.advisor	Kirn, Stefan	de
dc.contributor.author	Klein, Achim	de
dc.date.accepted	2016-05-12
dc.date.accessioned	2024-04-08T08:53:46Z
dc.date.available	2024-04-08T08:53:46Z
dc.date.created	2017-02-14
dc.date.issued	2016
dc.description.abstract	How can investment recommendations available on the web significantly improve stock selection? This dissertation shows how online investment recommendations can automatically be analyzed, aggregated, and used to achieve a return above the market’s. To this respect, it is crucial to understand how investment recommendations affect returns. Therefore, the dissertation examines the effects of direct and indirect investment recommendations from blogs in the form of investor sentiments (i.e., opinions) on the expected development of stock prices. Blogs have made it possible for everyone to publish articles on the web. The studied blog platforms Seekingalpha and Blogspot host a wealth of semi-professional stock analyses, investor opinions, company rumors, and stock recommendations. The dissertation’s study uses about 77,000 articles from Seekingalpha and about 198,000 articles from Blogspot over a five-year period (2007-2011). A novel text classification method is developed for the automatic classification of blog articles in a positive vs. negative sentiment. To achieve a high classification accuracy, experiments were carried out to configure this method. The text classification method uses machine learning techniques, which learn from manually classified articles from a novel corpus. Using behavioral finance theory, hypotheses are developed about the effects of investor sentiments on a portfolios returns. To test these hypotheses, a monthly selection of stocks of the Dow Jones Industrial Average into a portfolio was simulated (i.e., backtested). The selection is made by means of the ranking of the monthly aggregated overall sentiment of all articles regarding a specific stock. The results show that a return above the market’s can be achieved with aggregated investor sentiments from the Seekingalpha platform. In most cases, the achieved return exceeds the return of a momentum portfolio based solely on past returns. For the platform Blogspot, results are weaker. Overall, it seems advisable for investors to select a small number of stocks based on the most positive and most negative monthly investor sentiments from professional blogs.	en
dc.description.abstract	Wie können Anlageempfehlungen aus dem Web die Aktienauswahl deutlich verbessern? Die Dissertation zeigt, wie solche Online-Anlageempfehlungen automatisch analysiert, verdichtet und zur Erzielung einer über dem Markt liegenden Rendite genutzt werden können. Hierzu ist entscheidend, wie sich Anlageempfehlungen auf die Renditen auswirken. Daher untersucht die Dissertation die Wirkung von direkten und indirekten Anlageempfehlungen aus Blogs in der Form von Meinungen (sogenannte Investor Sentiments) zur erwarteten Entwicklung von Aktienkursen. Mit Hilfe von Blogs ist es jedermann möglich, im Web Artikel zu veröffentlichen. Auf den untersuchten Blog-Plattformen Seekingalpha und Blogspot finden sich zahllose semi-professionelle Aktienanalysen, Anlegermeinungen, Gerüchte zu Unternehmen und Aktienempfehlungen. Für die Untersuchung verwendet die Arbeit etwa 77.000 Artikel von Seekingalpha und etwa 198.000 Artikel von Blogspot aus einem Fünfjahreszeitraum (2007-2011). Für die automatische Einstufung der Artikel in eine positive vs. negative Meinung wird eine neuartige Textklassifikationsmethode entworfen. Um eine möglichst hohe Genauigkeit der Methode zu erzielen, wurden Experimente zur Parametrisierung durchgeführt. Die Textklassifikation erfolgte mit Hilfe eines maschinellen Lernverfahrens. Das Verfahren lernt mit Hilfe von manuell eingestuften Artikeln aus einem eigens entwickelten Korpus. Unter Bezugnahme auf die Behavioral-Finance-Theorie werden Hypothesen zu den Wirkungen von Anlegermeinungen auf Renditen eines Portfolios entwickelt. Zur Überprüfung der Hypothesen wurde eine monatliche Auswahl von Aktien des Dow Jones Industrial Average in ein Portfolio über einen Fünfjahreszeitraum simuliert. Die Auswahl erfolgt mit Hilfe der Rangfolge der monatlich verdichteten Gesamtmeinung aller Artikel zu einer Aktie. Die Ergebnisse zeigen, dass mit Hilfe der verdichteten Anlegermeinungen von der Plattform Seekingalpha eine über dem Markt liegende Rendite erzielt werden kann. Die Rendite übertrifft in fast allen Fällen die Rendite eines Portfolios, das rein basierend auf vergangenen Renditen erstellt wurde. Für die Plattform Blogspot fallen die Ergebnisse schwächer aus. Insgesamt scheint es für Anleger empfehlenswert, eine kleine Anzahl von Aktien entsprechend der positivsten und negativsten monatlich verdichteten Anlegermeinung aus professionellen Blogs auszuwählen.	de
dc.identifier.swb	483431605
dc.identifier.uri	https://hohpublica.uni-hohenheim.de/handle/123456789/6105
dc.identifier.urn	urn:nbn:de:bsz:100-opus-13063
dc.language.iso	eng
dc.rights.license	publ-mit-pod	en
dc.rights.license	publ-mit-pod	de
dc.rights.uri	http://opus.uni-hohenheim.de/doku/lic_mit_pod.php
dc.subject	Behavioral finance	en
dc.subject	Investor sentiment analysis	en
dc.subject	Text classification	en
dc.subject	Stock selection	en
dc.subject	Portfolio simulation	en
dc.subject	Verhaltensökonomie	de
dc.subject	Sentimentanalyse	de
dc.subject	Textklassifikation	de
dc.subject	Aktienauswahl	de
dc.subject	Portfoliosimulation	de
dc.subject.ddc	330
dc.subject.gnd	Verhaltensökonomie	de
dc.subject.gnd	Textanalyse	de
dc.subject.gnd	Weblog	de
dc.subject.gnd	Kapitalanlage	de
dc.title	Investor sentiment in blogs : design of a classifier and validation by a portfolio simulation	de
dc.title.dissertation	Anlegermeinungen in Blogs : Gestaltung eines Klassifikators und Validierung durch eine Portfoliosimulation	de
dc.type.dcmi	Text	de
dc.type.dini	DoctoralThesis	de
local.access	uneingeschränkter Zugriff	en
local.access	uneingeschränkter Zugriff	de
local.bibliographicCitation.publisherPlace	Universität Hohenheim	de
local.export.bibtex	@phdthesis{Klein2016, url = {https://hohpublica.uni-hohenheim.de/handle/123456789/6105}, author = {Klein, Achim}, title = {Investor sentiment in blogs : design of a classifier and validation by a portfolio simulation}, year = {2016}, school = {Universität Hohenheim}, }
local.export.bibtexAuthor	Klein, Achim
local.export.bibtexKey	Klein2016
local.export.bibtexType	@phdthesis
local.faculty.number	3	de
local.institute.number	530	de
local.opus.number	1306
local.university	Universität Hohenheim	de
local.university.faculty	Faculty of Business, Economics and Social Sciences	en
local.university.faculty	Fakultät Wirtschafts- und Sozialwissenschaften	de
local.university.institute	Institute for Household and Consumer Economics	en
local.university.institute	Institut für Health Care & Public Management	de
thesis.degree.level	thesis.doctoral

Files

Original bundle

Now showing 1 - 1 of 1

Name:: Klein_2016_Dissertation_Investor_Sentiment_in_Blogs.pdf
Size:: 2.87 MB
Format:: Adobe Portable Document Format
Description:: Open Access Fulltext

Download

Collections

Institut für Health Care & Public Management