Publicação
Predicting earnings surprises from financial news
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | |
| datacite.subject.sdg | 08:Trabalho Digno e Crescimento Económico | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| dc.contributor.advisor | Tran, Dan | |
| dc.contributor.author | Thie, Sven Stephan | |
| dc.date.accessioned | 2026-06-02T17:44:45Z | |
| dc.date.available | 2026-06-02T17:44:45Z | |
| dc.date.issued | 2026-04-30 | |
| dc.date.submitted | 2026-03-14 | |
| dc.description.abstract | This dissertation investigates whether news sentiment, extracted via dictionary methods or modern LLMs, provides incremental predictive power for S&P 500 corporate earnings surprises.Using 70,133 firm-quarter observations (2000–2024), we compare two sentiment sources (Harvard IV-4 dictionary, Mistral LLM) across seven ML architectures. No sentiment configuration significantly outperforms the controls-only baseline to predict SUE (best Ensemble R2:5.47% controls-only), establishing a comprehensive null result. Within this null, three findingsstand out: (1) out-of-sample R2 varies substantially across sub-periods, yet sentiment never outperforms controls in any regime; (2) SHAP analysis attributes 64–68% of feature importanceto lagged SUE, with combined sentiment contributing only 6–8%; and (3) a long/short strategy based on predicted SUE quartiles yields uniformly negative and statistically insignificantFama-French three-factor alphas, indicating that predictability does not translate into economicvalue. These findings indicate that for large-cap firms, news sentiment introduces estimationnoise rather than incremental signal, suggesting that the information content of financial newsis already captured by the structured financial variables it ultimately reflects. | eng |
| dc.description.abstract | Esta dissertação investiga se o sentimento de notícias, extraído via métodos de dicionário ou LLMs modernos, fornece poder preditivo incremental para surpresas de lucros corporativos do S&P 500. Usando 70.133 observações firma-trimestre (2000–2024), comparamos duas fontes de sentimento (dicionário Harvard IV-4, LLM Mistral) através de sete arquiteturas ML. Nenhuma configuração de sentimento supera significativamente a baseline apenas com controles na previsão do SUE (melhor R<sup>2</sup> Ensemble: 5,47%), estabelecendo um resultado nulo abrangente. Dentro deste resultado nulo, três achados destacam-se: (1) o R2 fora da amostra varia substancialmente entre subperíodos, mas o sentimento nunca supera os controles em nenhum regime; (2) a analise SHAP atribui 64–68% da importância das variáveis ao SUE defasado, com o sentimento combinado a contribuir apenas 6–8%; e (3) uma estratégia long/short baseada em quartis do SUE previsto gera alfas Fama-French de três fatores uniformemente negativos e estatisticamente insignificantes, indicando que a previsibilidade não se traduz em valor económico. Estes resultados indicam que, para empresas de grande capitalização, o sentimento de notícias introduz ruído de estimação em vez de sinal incremental, sugerindo que o conteúdo informacional das notícias financeiras já se encontra capturado pelas variáveis financeiras estruturadas que estas refletem. | por |
| dc.identifier.other | db1b2b2e-2217-40c8-accb-6498fdb24991 | |
| dc.identifier.tid | 204308640 | |
| dc.identifier.uri | http://hdl.handle.net/10400.14/57931 | |
| dc.language.iso | eng | |
| dc.rights.uri | N/A | |
| dc.subject | Supervised learning | eng |
| dc.subject | Financial news sentiment | eng |
| dc.subject | Standardized unexpected earnings | eng |
| dc.subject | Aprendizagem supervisionada | por |
| dc.subject | Sentimento de notícias financeiras | por |
| dc.subject | Lucros inesperados padronizados | por |
| dc.title | Predicting earnings surprises from financial news | por |
| dc.title.alternative | Previsao de surpresas de lucros a partir de notícias financeiras | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Finanças |
Ficheiros
Principais
1 - 1 de 1