О влиянии зарубежных СМИ на российский фондовый рынок: текстовый анализ

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.

Источник финансирования

Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию «Анализ влияния освещения России в зарубежных СМИ (после введения санкций) на финансовый рынок» Финансового университета при Правительстве Российской Федерации в 2018 г.

Получено

12.04.2020

Дата публикации

11.06.2020

Кол-во символов

34877

Цитировать

ГОСТ	Федорова Е. А. , Демин И. С. , Афанасьев Д. О. , Рогов О. Ю. О влиянии зарубежных СМИ на российский фондовый рынок: текстовый анализ // Экономика и математические методы – 2020. – Tом 56. – Номер 2 C. 77-89 [Электронный ресурс]. URL: https://emm.jes.su/S042473880008527-8-1 (дата обращения: 29.04.2024). DOI: 10.31857/S042473880008527-8
MLA	Fedorova, Elena, Demin, Igor, Afanasyev, Dmitry, Rogov, Oleg "On the influence of foreign media on the Russian stock market: Text analysis." Ekonomika i matematicheskie metody 56.2 (2020):77-89. DOI: 10.31857/S042473880008527-8
APA	Fedorova E., Demin I., Afanasyev D., Rogov O. (2020). On the influence of foreign media on the Russian stock market: Text analysis. Ekonomika i matematicheskie metody 56(2), pp.77-89 DOI: 10.31857/S042473880008527-8

100 руб.

При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 0, всего просмотров: 939

Оценка читателей: голосов 0

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.