Detailansicht
Asset volatility forecasting using news sentiment data
an empirical investigation
Jasmin Seliansky
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Applied Economics
Betreuer*in
Robert Kunst
DOI
10.25365/thesis.74788
URN
urn:nbn:at:at-ubw:1-16899.21867.382247-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Ziel dieser Arbeit ist, die Frage zu beantworten, ob positive und negative exogene Nachrichtendaten von Unternehmen zur Schätzung der Volatilität ihrer Vermögenswerte beitragen. Diese Arbeit kommt zu drei Ergebnisse. Erstens haben negative und positive Finanznachrichten einen gegensätzlichen Einfluss auf die Vermögensrenditen von Unternehmen. Positive Nachrichten sind mit höheren Vermögensrenditen, während negative Nachrichten mit niedrigeren Renditen verbunden sind. Zweitens wirken sich positive und negative Nachrichten nicht symmetrisch auf die Volatilität der Renditen aus. Daher erzielt die Verwendung asymmetrischer Modelle zur Schätzung der Volatilität von Anlagerenditen bessere Ergebnisse. Drittens tragen exogene Unternehmensnachrichten bei der Vorhersage der extremen Ausreißer der Volatilität von Anlagerenditen bei.
Abstract
(Englisch)
This thesis aims to answer the question whether positive and negative exogenous news data of companies contribute to the estimation of their asset volatility. This work finds three primary results. Firstly, negative and positive financial news have a contrary influence on the asset returns of firms. Consequently, positive news are associated with higher asset returns, while negative news are linked to lower returns. Secondly, positive and negative news do not have a symmetric effect on the volatility of asset returns. Thus, using asymmetric models for estimating the volatility of asset returns provides more accurate results. Thirdly, exogenous companies’ news data helps to forecast the extreme outliers of volatility of asset returns.
Schlagwörter
Schlagwörter
(Deutsch)
GARCH Volatility Conditional Variance Finanznachrichten
Schlagwörter
(Englisch)
GARCH Volatility Conditional Variance financial news
Autor*innen
Jasmin Seliansky
Haupttitel (Englisch)
Asset volatility forecasting using news sentiment data
Hauptuntertitel (Englisch)
an empirical investigation
Publikationsjahr
2023
Umfangsangabe
38 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Robert Kunst
Klassifikation
83 Volkswirtschaft > 83.00 Volkswirtschaft. Allgemeines
AC Nummer
AC16995488
Utheses ID
69103
Studienkennzahl
UA | 066 | 913 | |