Publicação
Can news headlines be traded?
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Tran, Dan | |
| dc.contributor.author | Freitas, Maria Manuel Rodrigues de | |
| dc.date.accessioned | 2023-04-14T09:47:58Z | |
| dc.date.available | 2023-09-13T00:30:22Z | |
| dc.date.issued | 2022-10-17 | |
| dc.date.submitted | 2022-09 | |
| dc.description.abstract | Papers have documented a relation between news and financial market movements. We explore this observation on the firm level from a practical investment perspective with the aid of ML methods. Various implementations of NLP models are trained to produce numerical sentiment value from the news, from which the best model is the state-of-the-art ‘Finbert’ plus a SVM with rbf kernel. The model is used on the news of S&P500 constituents retrieved from ‘Reuters Newswire’ between the 1st of December 2020 and the 31st of March 2022. Finally, sentiment is aggregated daily to create Long, Short and Long-Short portfolios with 100 and 200 companies. We find that the relationship between sentiment and return is stronger on the same day, with some value being retained the following day. Namely, the Long-Short portfolio achieves the best performance, displaying a significant positive alpha on Fama-French factors and a low r square. However, the profitability of the strategies does not hold when considering transaction costs of 10bp. A further analysis using the EWCT technique to limit turnover shows that some profitability can still be achieved but only for the Long portfolio, which beats the benchmark by a small margin. This fact is solidified by the different sentiment proxies, which also demonstrate the potential for some profitability in the Long-Short portfolio, highlighting news volume as an essential component of the sentiment. We also find that lower turnover limits in the EWCT strategy provide better returns, meaning that sentiment momentum has value. | pt_PT |
| dc.description.abstract | Jornais académicos documentam uma relação entre notícias e movimentos do mercado finan ceiro. Exploramos esta observação a nível da empresa segundo uma perspectiva de investi mento, com a ajuda de métodos de ML. Diversas implementações de modelos de NLP foram treinadas para produzir uma classificação para as notícias, das quais o melhor modelo é o ’Fin bert’ mais um SVM com kernel rbf. O modelo seleccionado é aplicado às notícias publicadas pela ’Reuters Newswire’ entre 1 de Dezembro de 2020 e 31 de Março de 2022 relativamente aos constituintes do S&P500. Finalmente, o sentimento é agregado em sinais diários utilizados para criar estratégias de investimento com posições Longas, Curtas e Longas-Curtas, testadas com 100 e 200 empresas. Verificamos que a relação entre sentimento e retorno é mais forte no mesmo dia, com algum valor a ser retido no dia seguinte. Nomeadamente, a estratégia Longa Curta atinge o melhor desempenho, apresentando um alfa positivo significativo em factores Fama-French e um r-squared baixo. No entanto, a rentabilidade das estratégias não se mantém quando se consideram custos de transacção de 10bp. Uma análise adicional utilizando a técnica EWCT para limitar o volume de transacções mostra que a estratégia Longa consegue alguma rentabilidade, ultrapassando o benchmark por uma pequena margem. Este facto é solidificado pelos sentimentos alternativos, que também demonstram potencial na estratégia Longa-Curta, evidenciando o volume de notícias como um componente essencial do sentimento. Verificamos também que limites baixos de transacções na EWCT, proporcionam melhores retornos, o que significa que a tendência do sentimento tem valor. | pt_PT |
| dc.identifier.tid | 203133811 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/40826 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Sentiment | pt_PT |
| dc.subject | News | pt_PT |
| dc.subject | Natural language processing | pt_PT |
| dc.subject | FinBert | pt_PT |
| dc.subject | Transaction costs | pt_PT |
| dc.subject | Investment strategy | pt_PT |
| dc.subject | Turnover optimization | pt_PT |
| dc.subject | News speed assimilation | pt_PT |
| dc.subject | Sentimento | pt_PT |
| dc.subject | Notícias | pt_PT |
| dc.subject | Processamento de linguagem natural | pt_PT |
| dc.subject | Custos de transação | pt_PT |
| dc.subject | Estratégia de investimento | pt_PT |
| dc.subject | Otimização de volume de transações | pt_PT |
| dc.subject | Velocidade da assimilação de notícias | pt_PT |
| dc.title | Can news headlines be traded? | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Finanças | pt_PT |