1 کارایی نیمه قوی بازارهای مالی فرض می کند که قیمت دارایی ها بلافاصله منعکس کننده تمام اطلاعات در دسترس عموم است (فاما، 1970). این فرم اطلاعات برون زا را که از خارج از بازار می آید، اما شامل آن می شود، بررسی می کند (ماتوک و مونینو، 2005). این مجموعه شامل تمام اطلاعات عمومی است، این اصول اساسی اقتصاد، اخبار اقتصادی و مالی شرکت ها، اطلاعات سیاسی (جنبش های اجتماعی) و اطلاعات ارائه شده توسط رسانه ها است.

2این تحلیل، همچنین «مطالعات رویدادها» واجد شرایط، تلاش می‌کند تا تأثیر اطلاعات برون‌زا را در بازارها به دست آورد. آنها تعدیل قیمت ها را برای انتشار اطلاعات بررسی می کنند [1]، این در صورتی است که بازار به درستی اثرات اعلامیه ها را پیش بینی کرده باشد یا خیر. پرکاربردترین مدل Fama’s و al است.(1969) بر اساس مدل بازار [2]. همچنین می‌توانیم «آزمون اجرا» را نقل کنیم (فاما، 1970؛ بلانچارد و واتسون، 1984). فرآیند اتخاذ شده، بررسی نوع خاصی از اطلاعات (توصیه‌ها، تقسیم سهام، اعلان‌های سود...) برای گروهی از شرکت‌ها است [3]. بررسی‌های تجربی نشان داده‌اند که بازارهای مالی به این اطلاعات و به‌ویژه آن‌هایی که ستون‌های مطبوعات مکتوب داده‌اند، پاسخ داده‌اند. نویسندگان به وجود تأثیر معنادار اطلاعات روزنامه ها بر بازده سهام اشاره کرده اند. لوید دیویس و کینز (1978); سید، لیو و اسمیت (1989); لیو، اسمیت و سید (1990); چانگ و سوک (1998)؛فریرا و بروکس (2000)؛فریرا و اسمیت (1999، 2003); و غیره؛ستون های مختلف آموزنده "وال استریت ژورنال" را بررسی کرد و متوجه وجود بازده های غیرعادی در روزهای انتشار اطلاعات و این روزها شد. این نتایج در سایر بازارها از طریق "ژورنال هنگ کنگ" تایید شده است (چان و فونگ، 1996؛ و غیره). انتشارات «مجلات مالی شخصی آلمان» برای بازار آلمان (کرل و والتر، 2005، 2007؛ و غیره)، مقالات نشریه دوره ای «Les Echos» برای بازار فرانسه (Lardic and Mignon، 2002، 2003؛ بویا،2009؛ و غیره).

سپس،

اعلان‌های یک رویداد مثبت (منفی) می‌توانند در یک محدوده طولانی به تأثیر متفاوتی از آنچه که توسط تفسیر اعلامیه‌ها در روز انتشار اطلاعات تایید شده است منجر شود [4].

4 در مطالعات رویداد قبلی، تمایز بین اخبار خوب یا بد، طبقه بندی شده به دلیل تأثیر آن بر قیمت سهام، مورد بررسی قرار گرفته است، اما بدون مدل سازی واقعی.

5 اولین جنبه کار ما ارائه مدلی است که مفاهیم اخبار خوب یا بد را به همه اطلاعات رسانه ها تعمیم می دهد و از آنها عبور می کند. برای انجام این کار، ما روشی را بر اساس تجزیه و تحلیل گفتار با استفاده از تکنیک‌های تقسیم‌بندی متن پیشنهاد می‌کنیم. این یکی برای تفسیر اطلاعات بر رابطه معنایی در سطح زبانی تکیه دارد. علاوه بر این، ما آمار را به منظور ارتباط یک مقدار با اطلاعات و ارائه یک شاخص معرفی می کنیم.

بنابراین ما قادر به شناسایی محتوای آموزنده و طبقه بندی اطلاعات مختلف برون زا با توجه به مفهوم "رنگ بندی اطلاعاتی" هستیم. این عنصر یک عنصر شاخص برای پیش‌بینی تحولات آینده قیمت سهام است. ما نه تنها بر روی داده‌های خاص تمرکز می‌کنیم، بلکه بر تجزیه و تحلیل همه اطلاعات برون‌زا تمرکز می‌کنیم. مدل رنگ آمیزی اطلاعات قادر است تمام اطلاعات رسانه ها را پردازش کند.

7 مرحله دوم این است که رفتار پیش بینی خود را بررسی کنیم. مدل‌های آماری ادبیات (مدل CAR یا "آزمایش‌های اجرا شده") بر اساس چارچوبی دقیق از مطالعه نوع خاصی از اطلاعات برای گروهی از شرکت‌ها ساخته شده‌اند. بنابراین، در مورد حاضر، ما باید تعداد زیادی از اطلاعات را بررسی کنیم که همه متفاوت هستند. استفاده از مدل قبلی احتمال خطا است. امکان مطالعه همزمان تقسیم سهام با اتحادیه بازاریابی در مدل CAR وجود ندارد. مطالعه اشتباه خواهد بود زیرا ما نمی‌توانیم تشخیص دهیم کدام اطلاعات مهم است. ما به مدلی نیاز داریم که بتواند تمام داده های بیرونی موجود در بازار را بررسی کند. در نتیجه، ما یک مدل اصلی کیفی ناپارامتریک را پیشنهاد می‌کنیم. می تواند رابطه بین رنگ بندی اطلاعات و قیمت سهام برای هر شرکت را بررسی کند. بنابراین، این مطالعه با استفاده از مجموعه اطلاعات موجود مجموعه، کارهای قبلی را توسعه می دهد. ما تأثیر اطلاعاتی قابل توجهی از اطلاعات موجود در مجموعه های مختلف بر قیمت سهام پیدا کردیم. علاوه بر این، اطلاعات بلافاصله در قیمت دارایی‌ها ادغام نمی‌شوند. یک تاخیر زمانی قبل و تغییر روز انتشار اطلاعاتی وجود دارد.

8 برای نتیجه گیری ، هدف از مقاله ما سؤال عمیق از فرضیه کارآیی با توجه به اینکه اطلاعات بلافاصله در قیمت دارایی ادغام می شوند.

9 برای دنبال کردن مقدمه کلی ما ، بخش دوم مفهوم رنگ آمیزی آموزنده را در مورد مفاهیم خبرهای خوب و بد ایجاد می کند. ما تفسیرهای احتمالی از اطلاعات برونزا را نشان می دهیم. بخش سوم به منظور بررسی رنگ آمیزی اطلاعات و تغییرات بورس اوراق بهادار به لطف یک مدل غیر پارامتری ، مدل نظری را ارائه می دهد. بخش چهارم یک برنامه تجربی در مورد سه جسد آموزنده ارائه می دهد. نتایج از نظر آماری معنی دار است و رفتار خوب مدل را نشان می دهد. بخش آخر به عنوان نتیجه گیری عمل می کند و در آثار آینده ما افتتاح می شود.

رنگ آمیزی اطلاعات اگزوژن

10 اطلاعات اگزوژن مطابق با داده هایی است که در یک چارچوب مطالعه خاص واریز شده ، طبقه بندی شده ، سازمان یافته ، توافق شده و تفسیر شده اند. در مطالعه ما ، ما به ویژه در تجزیه و تحلیل رسانه ها داده ها اهمیت می دهیم.

قاب

11 مجموعه مجموعه ای از عناصر مرتب شده (داده های برون زا) در مورد مجموعه ای که از جمعیت P "در زمان t" صادر شده است. اجازه دهید مجموعه های غیر مرتب شده؟از همه مجموعه های A ، مانند؟حاوی مواردی مانند ، با

تحقیق در مورد عناصر مهم_j12 ما t را به عنوان مجموعه ای از منابع تشکیل شده با عناصر مشخص t تعریف می کنیم_jبا j = 1 ... t مانند t

؟آ . ما تنظیم کردیم که T از دو زیر مجموعه T1 و T2 تشکیل شده است ، مانند_j13 • زیر مجموعه T1 تعداد عناصر منابع متعلق به T را نشان می دهد ، مانند عناصر T1 (موجود) در a. اگر t_j؟t 1 بنابراین متعلق به A است ، مانند t

؟بنابراین ، T 1؟آ . تعداد عناصر موجود در T 1 کارت ذکر شده است (T 1)._j14 • زیر مجموعه T 2 نمادی از عناصر منابع متعلق به T است ، مانند عناصر T 2 (موجود) در a نیست. اگر t_j؟t 2 بنابراین متعلق به A نیست ، مانند t

؟بنابراین ، T 2؟آ . تعداد عناصر موجود در T 2 کارت ذکر شده است (T 2)._k15 ما شاخص موفقیت در T را به عنوان گزارش بین کارت (T 1) توصیف می کنیم؟کارت (T) ، که به آن توجه می کنیم؟= n 1؟n ، با کارت (t 1) = n 1 و کارت (t) = N. این یک عملکرد فزاینده از تعداد عناصر t است. از این رو، ؟آیا بین [0 ، n 1 محدود است؟n]مکمل غیر موفقیت 1 -؟= (1 - n 1)؟n. شاخص موفقیت اندازه گیری مقدار اطلاعات برای a است_kیکسان با مفهوم آنتروپی شانون (1949). هر واحد از اطلاعات تکمیلی عدم اطمینان را کاهش می دهد. بنابراین ، میزان موفقیت در

عملکرد فزاینده ای از مقدار اطلاعات است.

• انواع اخبار
• خبر خوب

خبر بد

نتایج ادبیات در مورد اطلاعات اگزوژن

خبر بد

نتایج ادبیات در مورد اطلاعات اگزوژن_l17 ما عنصر I را در نظر بگیرید_{(جدید) l = 1 ،… ، n متعلق به زیر مجموعه I که از دو زیر مجموعه تشکیل شده است}- ل_-من + و من - مانند I +؟من - = من. من + مجموعه اخبار خوب و من را نشان می دهد_lیکی از اخبار بد عنصر من

می تواند متعلق به یکی از دو زیر مجموعه باشد._l18 • اجازه دهید من_l+ یک عنصر مرتبط با خبر خوب ، مانند من_{+؟من +. به}+ + _{+؟من +. به}لشکر_lهر عنصر من_l+ ما شماره ای مانند i را مرتبط می کنیم

+ = 1._l19 • اجازه دهید من_l- یک عنصر مرتبط با خبر بد ، مانند من_l-؟من - . به هر عنصر من_l- ، ما تعدادی مانند من را مرتبط می کنیم

- = –1._l20 اگر من_k+ متعلق به I + است و در a گنجانده شده است_l، بنابراین با توجه به آن هر یک_l+ با مقدار 1 همراه است ، ما مجموع اخبار خوب را خواهیم داشت. این برای من همین است_k-، مرتبط با مقدا ر-1 ، هنگامی که l مانند l = 1 متفاوت است ، ... ، n ما جمع خبر بد را داریم. در اولین رویکرد رنگ آمیزی ، مجموع نمایندگان تقریب رنگ آمیزی a را فراهم می کند

تحت شرط t._l,k21 ما یک آرایه (n ، m) مانند c = [c

] جایی که C (L ، K) مقادیر اخبار L (اخبار) تولید شده در هر عنصر K (مقاله) را نشان می دهد ، مانند:_l23 خط اول این آرایه یک بردار است که با ارزش اولین خبر مطابقت دارد (من_l) (که می تواند من باشد_l+ = 1 یا من_k- = –1) برای هر یک مشخص شده است_l) (که می تواند من باشد_l+ = 1 یا من_k- = –1) برای اولین بار₁، یعنی

، و غیره.

مدل توزین_k24lin و Hovy (1997 ، 1999) وجود منظم در یک_lوادآنها توجه دارند که موقعیت یا بومی سازی اخبار من_lمهم بوددر واقع ، L نمایانگر ردیف است که در آن خبر من است_kدر_kهستند. نویسندگان نشان دادند که وزن یک خبر ، عملکرد کاهش یافته رتبه یا محلی سازی آن در یک است

، مانند r = r (l) ، با_k26 ما وزن را بر اساس تقسیم داده های اگزوژن معرفی می کنیم (لین و هوی ، 1997 ، 1999 ؛ هرناندز و گراو ، 2002 ؛ هرناندز ، 2004). بگذارید وزنه برداری را در نظر بگیریم؟عملکرد رتبه L از II در a_{+؟من +. به}لشکر_kواداین پارامتر خوانایی ردیف را در مجموعه مرتب شده ارائه می دهد_k .

، مانند نشان دهنده رتبه طبقه بندی شده با کاهش نظم ، یا رتبه معکوس ، با. وزنه برداری؟ 1 عملکرد در حال کاهش رتبه اخبار در a است_{27 این امکان را برای تعریف آرایه (n ، m) مانند d = [وجود دارد؟}L ، k

] کجا؟ (L ، K) تعادل اخبار L را که در هر عنصر k تولید می شود ، نشان می دهد ، مانند:_k29 خط اول این آرایه یک بردار است که مربوط به تعادل اولین خبر مشخص شده برای هر یک است_k، و غیره. یک ستون بردار است که مربوط به تمام وزن های اخبار برای یکی است

و جایی که مجموع هر ستون برابر با 1 است.

رنگ آمیزی اخبار اگزوژن

30 رنگ این خبر از یک محصول آرایه ناشی می شود. از آنجا که آرایه های C و A از همان نوع هستند ، این محصول Hadamard است. بنابراین ، ج؟D = B مانند ، با B از فرم زیر:_k32 فرم وزنی هر ستون از آرایه B ، مقیاس رنگ آمیزی هر یک را فراهم می کند₁وادبنابراین ، برای₁مقیاس وزنی از آرایه B ذکر خواهد شد؟_k، برای یک₂, …, A_m: آ₂ , …, ?_m، با مقیاس ها؟_{وادمجموع مقیاس ها؟مگس} ?_kk = 1_kنتیجه ای می دهد که ممکن است مثبت ، منفی یا صفر باشد و رنگ آمیزی را در روز اخبار فراهم می کند. بنابراین ، رنگ آمیزی a

• بر روی یک شاخص سه گانه ساخته شده است. این ماهیت اطلاعاتی اخبار است.
• رنگ مثبت: نشانگر اخبار اگزوژن است که ما برای آنها نتیجه مثبت در قیمت سهام پیش بینی می کنیم.
• فرضیه

ایکس

حرف

حرف

حرف

حرف

حرف_t؟؟_tحرف

؟

حرف

حرف

، پ_t>* ، پ_t=1). مقادیر بحرانی برای احتمال احتمال (x_t>* ، پ_t=1ارزش های بحرانی_tT=100 T=250 T=500 T=1000 T=2000 صدک 0, 10 0, 42 0, 44 0, 46 0, 47 0, 47 درصد0, 05 0, 40 0, 438 0, 45 0, 46 0, 46 صدک 0, 95 0, 59 0, 56 0, 55 0, 53 0, 53_{ارزش های بحرانی} +?_{50 مقادیر بحرانی احتمال احتمال (x}) که در داخل آن هیچ رابطه ای بین متغیرها وجود ندارد. زمانی که مقدار احتمال احتمال (x_t) نسبت به نمره بالای بازه برتری دارد، بین دو متغیر رابطه مثبت وجود دارد [14]. استفاده از Bootstrap یک چارچوب قوی را فراهم می کند. علاوه بر این، زمانی که اندازه نمونه بالاتر از 500 باشد، ثبات مقادیر بحرانی را مشاهده می کنیم._{ارزش های بحرانی} + ? _{50 مقادیر بحرانی احتمال احتمال (x}، سی₀) نسبت به نمره بالای بازه برتری دارد، بین دو متغیر رابطه مثبت وجود دارد [14]. استفاده از Bootstrap یک چارچوب قوی را فراهم می کند. علاوه بر این، زمانی که اندازه نمونه بالاتر از 500 باشد، ثبات مقادیر بحرانی را مشاهده می کنیم.₀. سی_{50 مقادیر بحرانی احتمال احتمال (x}، و سی_{50 مقادیر بحرانی احتمال احتمال (x}52 دسترسی به داده ها دشوار است. دلایل متعددی از جمله هزینه دسترسی به پایگاه اطلاعاتی و همچنین هزینه جستجو و بازیابی اخبار گذشته ذکر شده است. بالاخره متوجه ذخیره اخبار جمع آوری شده می شویم. در مواجهه با این موانع، ما مطالعه خود را به یک سال (از اول ژانویه 2003 تا 31 دسامبر 2003) برای یک شرکت محدود می کنیم، این 261 مشاهده است. تعداد مقالات مربوط به شرکت برای سال 2003 برای مجموعه C 209 است_{50 مقادیر بحرانی احتمال احتمال (x} ? _{و 161 برای C}. بنابراین، پایگاه داده از مجموعه اخبار مربوط به یک شرکت [17] به نقل از بورس با علامت F تشکیل شده است._i = y_iحدود

برای سه مجموعه اطلاعاتی [18] ج

، سی

، سی

، سی

53 داده های جمع آوری شده در مجموعه تجزیه و تحلیل شده و سپس با توجه به مضامین: فعالیت، بورس اوراق بهادار، نتیجه که موضوعات شرکت ها هستند، طبقه بندی می شوند. موضوع نتیجه شامل مفاهیم مالی مربوط به گردش مالی، مزایا و غیره است. موضوع سهام اخبار مربوط به سهم (تقسیم سهام، تقسیم سود) را ثبت می کند. در نهایت، موضوع فعالیت نمایانگر گروه عظیمی از اخبار غیرمالی مانند ادغام، اتحادیه ها، سهام بازار و پیشنهاد تولید است. سپس، فرضیه ای را در مورد معنای مورد انتظار تأثیر بر قیمت سهم با توجه به اجماع بازار ارائه می دهیم.₁نتایج مدل₂,…, p_n54 جدول نتایج احتمال احتمال (x_i = y_i) تحت فرم درصد بیان می شود. ما یک تاخیر 2 روزه در روز انتشار رویداد را معرفی می کنیم. رویداد برونزا در t به تغییرات قیمت دارایی بین t - 2 و t + 2 نزدیکتر شده است. این تأخیرها نشانه هایی را در مورد طول عمر تأثیر برون زا ارائه می دهند.₁نتایج بر اساس موضوع و بر اساس پیکره₂ * , …, p_BCorpus C1 Corpus C2 Corpus C3 نتیجه سهام فعالیت نتیجه سهام فعالیت نتیجه سهام فعالیت نتیجه سهام t - 2 42% 53% 39% 30% 50% 45% 50% 48% 47% t-1 88%* 67%* 56% 76%*61%* 55% 50% 61%* 55% t 62%* 67%* 72%* 65%* 61%* 73%* 67%* 62%* 74%* t + 1 62%* 38% 67%* 47% 40% 36% 58%* 55% 63%* t + 2 31% 33% 50% 47% 40% 45% 55% 30% 57% * قابل توجه تا 5%، فاصله اطمینان بوت استرپ.

نتایج بر اساس موضوع و بر اساس پیکره

55 نتایج برای پیکره C

در روز انتشار اطلاعات، با نرخ برتر 60 درصد، تأثیر مثبت اطلاعاتی را نشان می دهد. رنگ بندی اخبار ارائه شده توسط مدل نظری با تغییرات کیفی دارایی بیش از 60 درصد برای موضوعات بورس و نتایج و بیش از 70 درصد برای موضوع فعالیت یکسان است. این مدل رنگ‌آمیزی اخبار برون‌زا را در مورد تغییرات قیمت سهام به روشی قابل‌توجه مرتبط می‌کند. با این وجود، تجزیه و تحلیل همچنین تأثیر آموزنده ای را در آستانه روز t انتشار اطلاعات با نتیجه 88٪ و 67٪ برای موضوعات بورس و نتایج ارائه می دهد. ما همچنین متوجه وجود تأثیر اطلاعاتی در روز بعد از انتشار هستیم. این یکی با نتیجه 62% و 67% برای موضوعات بورس و فعالیت همچنان قوی است. در سطح جهانی، تجزیه و تحلیل نتایج یک تأثیر اطلاعاتی قوی را نشان می دهد روزی که اطلاعات برای همه موضوعات مورد مطالعه منتشر می شود، اما همچنین نزدیک به این روز (در t - 1 برای موضوعات بورس و نتایج، در t + 1 برای سهاممبادله و موضوعات فعالیت). طول عمر اخبار مربوط به قیمت دارایی بیشتر از آنچه در تئوری کارایی توضیح داده شده است. بنابراین بازار بلافاصله اخبار برون زا در مورد قیمت دارایی ها را یکپارچه نمی کند._i = y_i56 همانطور که در مقدمه ما اعلام شد، این مثال فرضیه کارایی را زیر سوال می برد. این دری کاملاً باز به روی سودهای استثنایی است. این نتایج همچنین بسط آزمون‌های فرم نیمه قوی هستند. مطالعات رویدادهای قبلی تأثیر چند اطلاعیه خاص از رسانه ها را بر قیمت سهام نشان می دهد. به این ترتیب ما نشان می‌دهیم که اخبار برون‌زا تأثیر قابل‌توجهی بر قیمت دارایی‌ها در روز اعلام و حوالی آن دارد. اپراتورها باید اخبار رسانه ها را در مدل های پیش بینی خود در نظر بگیرند._i = y_i57 در مورد پیکره ج

، نتایج در ردیف قبلی است. تأثیر اطلاعاتی قابل توجهی برای همه موضوعات در روز انتشار خبر وجود دارد (65٪ برای موضوع بورس اوراق بهادار، 61٪ موضوع نتیجه، 73٪ برای موضوع فعالیت). مطابق با نتایج پیکره C

، موضوعات بورس و نتایج نیز در t – 1 قابل توجه هستند.

، نتایج در ردیف قبلی است. تأثیر اطلاعاتی قابل توجهی برای همه موضوعات در روز انتشار خبر وجود دارد (65٪ برای موضوع بورس اوراق بهادار، 61٪ موضوع نتیجه، 73٪ برای موضوع فعالیت). مطابق با نتایج پیکره C

تأثیر اطلاعاتی قابل توجهی در روزهای اعلامیه با نتایج مربوط به 67 ٪ برای موضوع بورس ، 62 ٪ برای موضوع نتیجه و 74 ٪ برای موضوع فعالیت نشان می دهد. مضامین بورس اوراق بهادار و فعالیت وجود یک نتیجه مهم در T + 1 و همچنین Corpus C را نشان می دهد_i = y_iوادفقط موضوع نتیجه نتیجه قابل توجهی را در T + 1 نشان می دهد_i = y_i59 نتایج نشان داد که استفاده از مدل نظری ما امکان اتصال معنی داری از رنگ اطلاعات را به سمت تغییر قیمت سهام فراهم می کند (صفحه نتایج 4). پیش بینی تحولات قیمت دارایی با کمک مدل نظری ثابت می کند که این یکی قوی است ، از کیفیت خوبی برای همه مضامین تجزیه و تحلیل همه گروه های مورد مطالعه. در واقع ، سیگنال آموزنده صادر شده از رنگ ، مربوط به پیش بینی یکسان از قیمت سهام است. پیش بینی تحقق یافته بررسی می شود ، بنابراین مدل نظری معتبر است.

نتایج 60 شما همچنین نشان دهنده وجود اهمیت در مورد روز انتشار اطلاعات است که مطابق مطالعات کلاسیک در مورد داده های رسانه ای است (چان و فونگ ، 1996 ؛ چانگ و سوک ، 1998 ؛ فریرا و اسمیت ، 1999 ، 2003 ؛ کرل ووالتر ، 2005 ، 2007).

61 با این حال ، با توجه به نمونه محدود ما ، این نتایج اول دلگرم کننده باید برای سایر بنگاه ها و برای مدت طولانی تر تصویب شود. دسترسی به داده های حاصل از آژانس های مطبوعاتی مانند AFP یا بلومبرگ می تواند یک مزیت مهم در تجزیه و تحلیل باشد.₁نتیجه₂62 ادبیات مربوط به اطلاعات اگزوژن عمدتاً برای مطالعه یک رویداد دقیق برای مجموعه ای از بنگاهها استفاده شده است. این قاب تجزیه و تحلیل محدود کننده نمی تواند تمام اخبار برونزا را برای یک شرکت خاص بررسی کند. وقایع اگزوژن طبق سه رنگ طبقه بندی می شوند که نشانگر یک خبر خوب ، بد یا صفر است. خواندن خودکار اخبار از طریق تکنیک های تجزیه و تحلیل گفتار ، رنگ آمیزی اخبار برون زا را ارائه می دهد. مدل غیر پارامتری پیشنهادی ، تاریخ اگزوژن و قیمت سهام را در همان زمان بررسی می کند. ما بررسی می کنیم که آیا رنگ اخبار با یکی از تغییرات قیمت سهام یکسان است یا خیر.₃63 نتایج نشان می دهد که مدل ما امکان پیش بینی تکامل تغییرات دارایی را به روش آماری معنی دار می دهد. ما حضور یک تأثیر قابل توجه در t + 1 را به شواهد نشان دادیم. این نشانه مادام العمر بودن خبر است. این یک عنصر اضافی برای مطالعات فراهم می کند که نظریه کارایی را زیر سوال می برد که براساس آن اخبار بلافاصله در قیمت سهام ادغام می شوند.₁64 در مدل نظری خود بر اساس یک مطالعه تجربی، ما ناکارآمدی بازار را نشان می‌دهیم زیرا اطلاعات بلافاصله در قیمت سهام ادغام نمی‌شوند.₂62 ادبیات مربوط به اطلاعات اگزوژن عمدتاً برای مطالعه یک رویداد دقیق برای مجموعه ای از بنگاهها استفاده شده است. این قاب تجزیه و تحلیل محدود کننده نمی تواند تمام اخبار برونزا را برای یک شرکت خاص بررسی کند. وقایع اگزوژن طبق سه رنگ طبقه بندی می شوند که نشانگر یک خبر خوب ، بد یا صفر است. خواندن خودکار اخبار از طریق تکنیک های تجزیه و تحلیل گفتار ، رنگ آمیزی اخبار برون زا را ارائه می دهد. مدل غیر پارامتری پیشنهادی ، تاریخ اگزوژن و قیمت سهام را در همان زمان بررسی می کند. ما بررسی می کنیم که آیا رنگ اخبار با یکی از تغییرات قیمت سهام یکسان است یا خیر.₃66 نتایج همچنین وجود تأثیر قابل توجهی در t - 1 را نشان داده است. برای روشن شدن این پدیده باید تحلیل پیشرفته تری دنبال شود. بنابراین، به نظر می رسد دو فرضیه برجسته است. یا اهمیت در t - 1 تشخیص یک معامله داخلی خاص از اپراتورها است. یا انتشار در روزهای مختلف از طریق چارچوب های دیگر منتشر می شود. بنابراین، مدل ما باید در پانل مهمتری از شرکت ها برای تأیید این نتایج اولیه و همچنین برای ادغام رسانه های دیگر اعمال شود.

67 در نهایت، این امکان وجود دارد که رنگ‌آمیزی اخبار برون‌زا بهبود یابد، به‌ویژه زمانی که در یک رویداد، اخبار مختلف رنگ‌آمیزی همزمان وجود داشته باشد. این مدل در حوزه بازارهای مالی به کار گرفته شده است، اما بدیهی است که می توان آن را در موضوعات دیگر نیز گسترش داد. رنگ‌آمیزی یک رویداد برون‌زا نیز می‌تواند در سطح سیاسی جالب باشد، بنابراین برای بررسی تأثیر یک سخنرانی بر محبوبیت سیاستمدار.₁یادداشت₂این روش از زمان آثار بال و براون (1968) فاما و همکاران (1969) تا آخرین تحلیل های منندز و گومز-آنسون (2003) یکسان بوده است. لیدن (2004); للداکیس، کنتوپولو و نرانتسیدیس (2009).₃تغییر مبادله صفر بین دو بسیار نادر، به همین دلیل است که ما آن را از تجزیه و تحلیل جدا کرده ایم._{به عنوان مثال، این مورد قبلاً در ساختار رگرسیون های اشتباه گرنجر و نیوبولت (1974) دیده شده است. 40}ما فقط نتایج را برای شبیه سازی 100 فرآیند تعریف می کنیم. نتایج سایر شبیه سازی ها با نتایج ارائه شده یکسان است.₁نتیجه₂نتیجه₃ما فقط نتایج را برای شبیه سازی 100 فرآیند ارائه می دهیم. نتایج سایر شبیه سازی ها با نتایج ارائه شده یکسان است.

لوید دیویس و کنز، 1978; چان و فونگ (1996)؛چانگ و سوک (1998)؛فریرا و اسمیت، 1999، 2003; Lardic and Mignon، 2002، 2003; کرل و والتر، 2005، 2007; و غیره.

این مجموعه کل مقالات شرکت L'Oréal برای اخبار از سه روزنامه منتخب مالی و اقتصادی است. تجزیه و تحلیل اطلاعاتی مقالات از طریق مضامین به لطف آثار بویا (2009) بهبود یافته است.

پایگاه داده می تواند در صورت درخواست ارائه شود. در مدل ما، ما یک خواندن خودکار بر اساس زبان مالی اعمال می کنیم (مثال: نتایج در رابطه با انتظارات در حال افزایش است...). برنامه خودکار با جامعه SPOTTER (متخصص در ساعت کامپیوتری و تجزیه و تحلیل سخنرانی، www. spotter. com) تحقق یافته است._i = y_iاز سرگیری

چکیده

این مقاله به بررسی تاثیر اطلاعات برون زا بر قیمت سهام می پردازد. تجزیه و تحلیل در ادبیات کارایی نیمه قوی کمک می کند. این ماهیت اطلاعاتی را به اطلاعات نزدیک‌تر می‌آورد، که به عنوان رنگ‌بندی اطلاعاتی تعریف می‌شود، که بازار مالی را به اعتبار زیربنایی آن ضربه می‌زند. مدل آزمون پیشنهادی بر اساس آمار ناپارامتریک است. این مدل امکان بررسی کل اطلاعات برون زا در مورد تغییرات قیمت سهام را ایجاد می کند. عملکرد آماری مدل در طول کاربرد تجربی، توانایی آن را در پیش‌بینی صحیح حرکات قیمت‌ها نشان می‌دهد. شکل نیمه قوی بازارهای کارایی را به چالش می کشد. کدهای JEL: C14, D83, G14

چکیده

₁

₂₁

₃₁