Investor Sentiment and Statistical Moments of the Return Distribution in the German Stock Market: A Three-Stage Empirical Analysis
- Autores: Emile David Hövel
- Directores de la Tesis: Matthias Gerhke (dir. tes.), Laura Nieto Torrejón (dir. tes.)
- Lectura: En la Universidad Católica San Antonio de Murcia ( España ) en 2023
- Idioma: inglés
- Tribunal Calificador de la Tesis: Joachim Rojahn (presid.), Hubert Janós Kiss (secret.), Cinta Rocío Borrero Domínguez (voc.)
- Programa de doctorado: Programa de Doctorado en Ciencias Sociales por la Universidad Católica San Antonio
- Materias:
- Enlaces
- Tesis en acceso abierto en: TESEO
- Resumen
- español
Esta tesis contribuye al avance de la literatura existente en esta área a través de una perspectiva holística en la investigación y el desarrollo de modelos que relacionan el sentimiento de los inversores y el rendimiento del mercado de valores alemán, utilizando como índice de referencia el CDAX.
Los estudios empíricos realizados hasta la fecha se han basado principalmente en datos del mercado de EE. UU., existiendo escasa literatura sobre el mercado alemán. Los hallazgos obtenidos para otros países no pueden aplicarse de forma generalizada al comportamiento del mercado alemán, especialmente porque Alemania parece estar fuertemente influenciada por las tendencias globales y los sentimientos de los inversores como consecuencia de su alta dependencia del comercio exterior.
En consecuencia, la evidencia empírica para Alemania en este campo de investigación, que incluye perspectivas transversales y longitudinales, es escasa.
Dado que existen varios enfoques para medir y evaluar los vínculos entre el sentimiento de los inversores y los movimientos del mercado de capitales, en esta tesis se propone un sistema de categorización del sentimiento de los inversores propio. La muestra, abarca un periodo de 20 años, concretamente, desde 2001 hasta 2021.
Con respecto a la estructura de la tesis, se realiza en primer lugar una revisión completa de la literatura actual sobre la eficiencia del mercado y el sentimiento de los inversores. A continuación, se expone la metodología y para, posteriormente, analizar los resultados obtenidos. Cabe destacar el análisis empírico en tres etapas realizado en esta tesis.
En primer lugar, se realiza un análisis de componentes principales basado en el sentimiento de riesgo del inversor con el fin de mejorar el rendimiento del modelo.
En segundo lugar, se aplica un modelo de redes neuronales para abordar cómo varía la prima de riesgo de la confianza de los inversores. Se establece un modelo de redes neuronales que evalúa el rendimiento del mercado alemán a partir de 73 indicadores de sentimiento del inversor sin reducir dimensiones y realizando pruebas fuera de la muestra.
En tercer lugar, se realiza un análisis exploratorio en Twitter sobre el sentimiento de los inversores en el mercado de valores alemán en tiempos de Covid-19. El estudio investiga el impacto de incorporar datos no estructurados en el análisis del sentimiento de los inversores para mejorar el poder discriminatorio y la precisión predictiva y emplea técnicas de procesamiento elaboradas. El estudio exploratorio se basa en un conjunto de datos únicos seleccionados a mano de casi dos millones de tweets en el mercado de valores alemán, recopilados exclusivamente para este estudio. En este contexto, se investiga y destaca la importancia del sentimiento de los inversores en las redes sociales para evaluar la volatilidad en el mercado bursátil alemán.
Como resultado, los tres estudios empíricos abordan numerosas cuestiones relevantes, y se plantean y discuten nuevos desafíos dignos de investigación en la parte final de la tesis.
- English
This dissertation contributes to an increasing body of literature through a holistic perspective in research and model development to investigate the relationships between investor sentiment and the lower- and higher-order statistics of the return distribution in the German stock market utilizing the market-wide CDAX stock index as an exemplary sample.
Since empirical studies on investor sentiment are conducted mainly with USmarket-based data, comparatively few academic contributions are made to the German investor sentiment literature. Moreover, previous findings for other countries cannot necessarily be generalized to Germany, especially as Germany appears to be mainly influenced by global trends and investor sentiments owing to its high dependence on foreign trade.
Consequently, the empirical evidence for Germany in this research domain, which includes both cross-sectional and longitudinal perspectives, is sparse. As various approaches exist to measure and assess the links between investor sentiment and capital market movements, a proprietarily defined investor sentiment categorization system is established, in which each investor sentiment indicator is assigned. This dissertation's underlying investor sentiment sample consists of all three categories of the dedicated categorization system for investor sentiment indicators and covers up to 20 years to 2021.
With regard to the thesis structure, a comprehensive overview of the literature and current research on market efficiency and investor sentiment is initially elaborated before the applied methodology and the evaluation results are analyzed. Of particular note is the three-stage empirical analysis conducted in this thesis: First, a principal component analysis-based investor sentiment risk factor is established to improve model performance in traditional cross-sectional multifactor models as measured by the corrected coefficient of determination and additional metrics.
Second, the application of Long Short-Term Memory (LSTM) artificial recurrent neural network architecture models to account for time-varying investor sentiment risk premia explaining and predicting the return distribution's lower- and higherorder statistics leads to notable findings.
A performant model for the German stock market results from fitting a deep neural network fed with 73 sentiment indicators without dimension reduction and performing out-of-sample tests.
Third, an insightful exploratory Twitter study of social investor sentiment in the German stock market in times of COVID-19-induced market turmoil is elaborated. The study investigates the impact of incorporating unstructured data into investor sentiment analysis to improve discriminatory power and predictive accuracy and employs elaborate processing techniques. The exploratory study is based on a unique hand-curated dataset of almost two million tweets on the German stock market, exclusively collected for this study. In this context, the importance of investor sentiment in social media for volatility in the German stock market is investigated and highlighted.
As a result, all three empirical studies address many vital matters, although new challenges worthy of investigation are as well raised and discussed in the final part of the thesis.
- español
