On the implications of recent advancements in information technologies and high-dimensional modeling for financial markets and econometric frameworks

Schmidt, Alexander

Eingang zum Volltext

Schmidt, Alexander

On the implications of recent advancements in information technologies and high-dimensional modeling for financial markets and econometric frameworks

Über die Implikationen der jüngsten Fortschritte in Informationstechnologien und hochdimensionaler Modellierung für Finanzmärkte und ökonometrische Modelle

(Übersetzungstitel)

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-16802
URL: http://opus.uni-hohenheim.de/volltexte/2019/1680/

pdf-Format:

Dokument 1.pdf (1.788 KB)

Gedruckte Ausgabe:

Print-on-Demand-Kopie

Dokument in Google Scholar suchen:

Social Media:

Export:

Abrufstatistik:

SWD-Schlagwörter:

Social Media , Ökonometrie , Twitter <Softwareplattform> , Strukturbruch , Aktienmarkt

Freie Schlagwörter (Deutsch):

Lasso

Freie Schlagwörter (Englisch):

Social Media , Econometrics , Twitter , Lasso , Structural Breaks

Institut:

Institut für Volkswirtschaftslehre

Fakultät:

Fakultät Wirtschafts- und Sozialwissenschaften

DDC-Sachgruppe:

Wirtschaft

Dokumentart:

Dissertation

Hauptberichter:

Jung, Robert C. Prof. Dr.

Sprache:

Englisch

Tag der mündlichen Prüfung:

26.11.2019

Erstellungsjahr:

2019

Publikationsdatum:

16.12.2019

Lizenz:

Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim

Kurzfassung auf Englisch:

Around the turn of the millennium, the Organization for Economic Co-operation and Development (OECD) published an article, which summarizes the organizations expectations towards technological developments of the 21st century. Of particular interest to the authors are innovations in the area of information technology, highlighting their far-reaching impact on, amongst others, the financial sector. According to the article, the expected increasing interconnectedness of individuals, markets, and economies holds the potential to fundamentally change not only the flow of information in financial markets but also the way in which people interact with each other and with financial institutions.
Looking back at the first two decades of the 21st century, these predictions appear to have been quite accurate: The rise of the internet to a platform of utmost relevance to industries and the economy as a whole profoundly impacts how people nowadays receive and process information and subsequently form, share, and discuss their opinions amongst each other. At the financial markets around the globe trading has become more and more accessible to individuals. Less financial and technical knowledge is required of retail investors to engage in trading, resulting in increased market participation and more heterogeneous trader profiles. This, in turn, influences the dynamics in the financial markets and challenges some of the conventional wisdom concerning market structures. In this context, the interdependencies between the media, retail investors, and the stock market are of particular interest for practitioners.
However, the changed dynamics in the flow and exchange of data and information are also highly interesting from a researchers perspective, resulting in entire branches of the academic literature devoted to the topic. While these branches have grown in many different directions, this doctoral thesis explores two specific aspects of this field of research: First, it investigates the consequences of the increased interconnectedness of individuals and markets for the dynamics between the new information technologies and the financial markets. This entails gaining new insights about these dynamics and assessing how investors process certain company-related information for their investment decisions by means of sentiment analysis of large, publicly available data sets.
Secondly, it illustrates how an advanced understanding of high-dimensional models, resulting from such analyses of large data sets, can be beneficial in re-thinking and improving existing econometric frameworks.
Three independent but related research projects are presented in this thesis that address both of the aforementioned aspects to give a more holistic picture of the implications that the profoundly changed flow and exchange of data and information of the last decades hold for finance and econometrics. As such, the projects (i) highlight the importance of carefully assessing the dynamics between investor sentiment and stock market volatility in an intraday context, (ii) analyze how investors process newly available, rich sources of information on a firms environmental, social, and governance (ESG) practices for their investment decisions, and (iii) propose a new approach to detecting multiple structural breaks in a cointegrated framework enabled by new insights about high-dimensional models.
The first original work of this doctoral thesis aims at closing an existing gap in the behavioral finance literature by taking an intraday perspective in assessing the relationship between investor sentiment and stock market volatility. More precisely, the paper titled "The Twitter myth revisited: Intraday investor sentiment, Twitter activity and individual-level stock return volatility", which is joint work with Simon Behrendt, takes a closer look at the dynamics of individual-level stock return volatility, measured by absolute 5-minute returns, and Twitter sentiment and activity in an intraday context. After accounting for the intraday periodicity in absolute returns, we discover some statistically significant co-movements of intraday volatility and information from stock-related Tweets for all constituents of the Dow Jones Industrial Average (DJIA). However, economically, the effects are of negligible magnitude, and out-of-sample forecast performance is not improved when including Twitter sentiment and activity as exogenous variables. From a practical point of view, this chapter finds that high-frequency Twitter information is not particularly useful for highly active investors with access to such data for intraday volatility assessment and forecasting when considering individual-level stocks.
Inspired by this first research project, the second original work presented in this thesis keeps its focus on sentiment analysis in the context of the financial markets. Titled "Sustainable news - A sentiment analysis of the effect of ESG information on stock prices", it investigates the effect of ESG-related news sentiment on the stock market performance of the DJIA constituents. Relying on a large data set of news articles that were published online or in print media between the years of 2010 and 2018, each articles sentiment with respect to ESG-related topics is extracted using a dictionary approach from which a polarity-based sentiment index is calculated. Estimating autoregressive distributed lag models reveals significant effects of both temporary and permanent changes in ESG-related news sentiment on idiosyncratic returns for the vast majority of the DJIA constituents.
According to the models results, one can assign the stocks to different groups depending on their investors apparent predisposition towards ESG news, which in turn seems to be linked with a stocks financial performance.
The last original work presented is then concerned with the second aspect of this doctoral thesis - the question of how our enhanced understanding of the increasingly high dimensional datasets that occur in practice can produce new solutions to familiar problems in econometrics.
The paper "Multiple structural breaks in cointegrating regressions: A model selection approach", which is joint work with Karsten Schweikert, introduces the least absolute shrinkage and selection operator (lasso) as a tool for consistent breakpoint estimation. In this paper, we propose a new approach to model structural change in cointegrating regressions using penalized regression techniques. First, we consider a setting with fixed breakpoint candidates and show that a modified adaptive lasso estimator can consistently estimate structural breaks in the intercept and slope coefficient of a cointegrating regression. In such a scenario, one could also perceive our method as performing an efficient subsample selection. Second, we extend our approach to a diverging number of breakpoint candidates and provide simulation evidence that timing and magnitude of structural breaks are consistently estimated. Third, we use the adaptive lasso estimation to design new tests for cointegration in the presence of multiple structural breaks, derive the asymptotic distribution of our test statistics and show that the proposed tests have power against the null of no cointegration. Finally, we use our new methodology to study the effects of structural breaks on the long-run PPP relationship.

Kurzfassung auf Deutsch:

Um die Jahrtausendwende hat die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) einen Artikel publiziert, in welchem sie ihre Erwartungen bezüglich der technologischen Entwicklungen des 21. Jahrhunderts zusammenfasst. Hervorgehoben werden dabei insbesondere Innovationen im Bereich der Informationstechnologien und deren weitreichende Konsequenzen, die unter anderem auch den Finanzsektor betreffen. Dem Artikel zufolge birgt die zunehmende Vernetzung von Individuen, Märkten und Volkswirtschaften das Potential, den Informationsfluss auf den Finanzmärkten und die Interaktionen zwischen Marktteilnehmern und Finanzinstitutionen fundamental zu verändern. Blicken wir nun auf die ersten zwei Jahrzehnte des 21. Jahrhunderts zurück, so erscheinen diese Prognosen durchaus zutreffend: Die Etablierung des Internets zu einer der wichtigsten Plattformen für Unternehmen und ganze Industrien hat tiefgreifende Auswirkungen darauf, wie wir heutzutage an Informationen gelangen und diese verarbeiten, wie wir unsere Meinungen bilden, diese teilen und mit anderen diskutieren. Die Teilnahme am Handel wird an den Finanzmärkten weltweit einer immer breiteren Masse an Individuen ermöglicht, da diese heutzutage weit weniger Finanzwissen und technische Expertise für den Einstieg benötigen. Die somit steigende Anzahl von Kleinanlegern hat unmittelbare Auswirkungen auf die Dynamiken an den Finanzmärkten. In diesem Kontext ist vor allem die sich verändernde Beziehung zwischen den Medien, Kleinanlegern und den Aktienmärkten hervorzuheben. Jene ist nicht nur aus Anwendersicht, sondern auch aus Sicht der Wissenschaft äußerst interessant, was sich an neu entstehenden Forschungszweigen der akademischen Literatur zeigt, die sich mit diesem Thema beschäftigen. Während diese Zweige in die unterschiedlichsten Richtungen wachsen, ergründet die vorliegende Doktorarbeit zwei spezifische Aspekte dieses Forschungsbereiches näher: Erstens beschäftigt sie sich mit den Folgen der zunehmenden Vernetzung von Individuen und Märkten für die Dynamiken zwischen den neuen Informationstechnologien und den Finanzmärkten. Mittels Sentimentanalyse großer, öffentlich verfügbarer Datensätze werden dabei neue Erkenntnisse über ebendiese Dynamiken erlangt und die Fragestellung untersucht, wie Investoren firmenspezifische Informationen in ihre Investitionsentscheidungen einbeziehen.
Zweitens verdeutlicht sie, wie ein fortschrittliches Verständnis von hochdimensionalen Modellen, welches durch die Analyse solch großer Datensätze ermöglicht wird, vorteilhaft sein kann, um existierende ökonometrische Modelle zu verbessern.
Diese beiden Aspekte werden in drei unabhängigen, jedoch miteinander verwandten Forschungsprojekten, die den Kern dieser Doktorarbeit bilden, näher betrachtet. Als solche (i) heben sie die Bedeutung einer sorgfältigen Analyse der Dynamiken zwischen Investoren Sentiment und der Volatilität am Aktienmarkt im Innertages-Kontext hervor, (ii) analysieren sie, wie Investoren neu verfügbare Informationsquellen über die Praktiken von Unternehmen im Bereich Umwelt, Soziales und Unternehmensführung (Englisch: environmental, social, and governance, kurz ESG) in ihren Investmententscheidungen verarbeiten und (iii) schlagen sie einen neuen Ansatz zum Erkennen von multiplen Strukturbrüchen in kointegrierten Systemen vor, der durch neue Erkenntnisse über hochdimensionale Modelle ermöglicht wird.
Das erste Projekt dieser Doktorarbeit mit dem Titel "The Twitter myth revisited: Intraday investor sentiment, Twitter activity and individual-level stock return volatility", welches in Zusammenarbeit mit Simon Behrendt verfasst wurde, beleuchtet die Dynamiken zwischen Volatilität einzelner Aktien, gemessen als 5-minütige, absolute Renditen, und Twitter Sentiment und Aktivität im untertägigen Verlauf. Nachdem wir die untertägige Periodizität der absoluten Renditen berücksichtigt haben, finden wir statistisch signifikante Zusammenhänge zwischen der untertägigen Volatilität und Informationen von aktienbezogenen Tweets für alle Aktien im Dow Jones Industrial Average (DJIA). Allerdings sind diese Effekte, ökonomisch betrachtet, von vernachlässigbarer Größe und Prognosemodelle können keine besseren Ergebnisse erzielen, wenn Twitter Sentiment und Aktivität als exogene Variablen mit hinzugezogen werden. Aus Anwendersicht scheinen Twitter-Informationen nicht besonders wertvoll zu sein. Investoren, die Zugriff auf solche Daten haben, können ihr untertägiges Handeln auf Ebene individueller Aktien dadurch nicht optimieren.
In Anlehnung an das erste Projekt beschäftigt sich auch das zweite Werk dieser Doktorarbeit mit Sentimentanalyse im Kontext der Finanzmärkte. Das Projekt mit dem Titel "Sustainable news - A sentiment analysis of the effect of ESG information on stock prices" untersucht den Effekt von ESG-bezogenen Nachrichten auf die Performance von Aktien des DJIA. Aus einem großen Datensatz öffentlich verfügbarer Nachrichtenartikel, die zwischen 2010 und 2018 erschienen sind, wird mit Hilfe eines Lexikon-Ansatzes ein Sentimentindex berechnet, der die im jeweiligen Artikel vertretene Meinung in Bezug auf ein ESG-Thema widerspiegelt. Autoregressive distributed lag Modelle zeigen signifikante Effekte von sowohl kurzfristigen als auch langfristigen Veränderungen in ESG-bezogenem Sentiment auf idiosynkratische Renditen für einen Großteil der Aktien im DJIA. Die Schätzergebnisse erlauben eine Einteilung der Aktien in verschiedene Gruppen, abhängig davon, wie die Investoren einer Aktie auf ESG-bezogene Informationen reagieren, was wiederum mit der finanziellen Performance der Aktien zusammenzuhängen scheint.
Das letzte Projekt widmet sich dann dem zweiten Aspekt der Doktorarbeit - der Frage, wie ein erweitertes Verständnis von hochdimensionalen Modellen neue Erkenntnisse für bekannte ökonometrische Modelle liefern kann. Das Projekt "Multiple structural breaks in cointegrating regressions: A model selection approach", welches in Ko-Autorenschaft mit Karsten Schweikert entstanden ist, zeigt die Vorteile des least absolute shrinkage and selection operator (lasso) als Instrument zur konsistenten Schätzung von Strukturbrüchen in kointegrierten Systemen. Wir zeigen zunächst für den Fall einer fixen Anzahl an Strukturbruchkandidaten, dass eine modifizierte Version des adaptive lasso Schätzers Strukturbrüche in der Konstanten und im Steigungsparameter einer kointegrierten Regression konsistent schätzt. Auch für den Fall einer divergierenden Anzahl an Strukturbruchkandidaten zeigen wir durch Simulationen, dass der Zeitpunkt und die Größe von Strukturbrüchen konsistent geschätzt werden können. Wir leiten außerdem die asymptotische Verteilung der Teststatistik eines neuen Kointegrationstest im Falle multipler Strukturbrüche her und zeigen, dass der von uns vorgeschlagene Test erstrebenswerte Eigenschaften aufweist. Zuletzt zeigen wir den Mehrwert unserer Methode für die Praxis, um beispielsweise die Effekte von Strukturbrüchen in der langfristigen Kaufkraftparität zu analysieren.