PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Utilizing 10-K filing sentiment in finance: the cases of bank stock returns, mergers and acquisitions and green bonds
Alternative Title :Χρήση μεθόδων ανάλυσης κειμένου στα χρηματοοικονομικά: οι περιπτώσεις των αποδόσεων μετοχών τραπεζών, εξαγορών και συγχωνεύσεων και πράσινων ομολόγων
Creator :Παναγιώτου, Νικόλαος
Panagiotou, Nikolaos
Contributor :Leledakis, Georgios (Επιβλέπων καθηγητής)
Episcopos, Athanasios (Εξεταστής)
Androutsopoulos, Ion (Εξεταστής)
Drakos, Konstantinos (Εξεταστής)
Pyrgiotakis, Emmanouil (Εξεταστής)
Spyrou, Spyros (Εξεταστής)
Tsekrekos, Andrianos (Εξεταστής)
Athens University of Economics and Business, Department of Accounting and Finance (Degree granting institution)
Type :Text
Extent :157p.
Language :en
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11509
Abstract :Πρωταρχικός στόχος της παρούσας διδακτορικής διατριβής αποτελεί η διερεύνηση της χρησιμότητας της ανάλυσης κειμένου και η εφαρμογή αυτής στον κλάδο της Χρηματοοικονομικής. Η παρούσα διδακτορική διατριβή χωρίζεται σε πέντε κεφάλαια ως εξής: i) το πρώτο κεφάλαιο παρουσιάζει την εισαγωγή της διατριβής, ii) το δεύτερο κεφάλαιο εξετάζει την επίδραση της φυσικής γλώσσας στις αποδόσεις των τιμών μετοχών των τραπεζών, iii) το τρίτο κεφάλαιο επεξηγεί την επιρροή του τόνου του κειμένου, που εξάγεται από τις δημοσιευμένες καταστάσεις, στις εξαγορές και συγχωνεύσεις, iv) το τέταρτο κεφάλαιο εξετάζει τη χρήση των αρνητικών λέξεων στην αγορά των πράσινων ομολόγων, και v) το τελευταίο κεφάλαιο παραθέτει τα γενικά συμπεράσματα. Ειδικότερα, το πρώτο κεφάλαιο παρουσιάζει τους βασικούς στόχους της παρούσας διατριβής. Σε μια σύντομη εισαγωγή παρατίθενται περιληπτικά οι μελέτες που ακολουθούν και έχουν σαν βασικό πυλώνα την επεξεργασία της φυσικής γλώσσας και τη χρήση αυτής στο ευρύτερο πεδίο της Χρηματοοικονομικής.Το δεύτερο κεφάλαιο διερευνά τη δυνατότητα πρόβλεψης των αποδόσεων των τιμών μετοχών των αμερικάνικων τραπεζών, με χρήση μεταβλητών που προκύπτουν από την επεξεργασία της φυσικής γλώσσας (Natural Language Processing), των χρηματοοικονομικών κειμένων. Με την ανάλυση κειμένου (Textual Analysis) προκύπτουν νέες μεταβλητές, που μετρούν την ποιότητα πληροφόρησης που λαμβάνουν οι εποπτικές αρχές και οι επενδυτές από τις εταιρείες. Αυτές οι νέες μεταβλητές χρησιμοποιούνται σαν επιπρόσθετες επεξηγηματικές μεταβλητές για να προβλέψουν τις αποδόσεις μετοχών των τραπεζών. Τα αποτελέσματα οδηγούν στο συμπέρασμα ότι, οι μεταβλητές που εξάγοντα από την ανάλυση του κειμένου και δείχνουν τον τόνο του κειμένου (ποσοστό θετικότητας-αρνητικότητας κειμένου) συμβάλουν στην πρόβλεψη των αποδόσεων των μετοχών τραπεζών, και σε συνδυασμό με τις χρηματοοικονομικές μεταβλητές δύναται να αυξάνουν την προβλεπτική ικανότητα των μοντέλων παλινδρόμησης. Επιπρόσθετα, παρατηρείται ότι όταν αυξάνεται ο τόνος του κειμένου (θετικότητα), αυξάνονται και οι αποδόσεις των μετοχών των τραπεζών. Το συγκεκριμένο αποτέλεσμα σχετίζεται με τη βελτίωση της οικονομικής κατάστασης των τραπεζών που αντικατοπτρίζεται μέσω της αύξησης της θετικότητας του κειμένου και οδηγεί με τη σειρά του στην αύξηση των αποδόσεων.Στο τρίτο κεφάλαιο εξετάζονται οι αθροιστικές υπέρ-αποδόσεις (cumulative abnormal returns) και τα επιπλέον κόστη (premiums) που πληρώθηκαν σε διάστημα γύρω από τις εξαγορές και τις συγχωνεύσεις (mergers and acquisitions) των αμερικάνικων τραπεζών. Συγκεκριμένα, εξετάζεται κατά πόσο ο τόνος του κειμένου επηρεάζει, σε συνδυασμό με χρηματοοικονομικές μεταβλητές, τις ανωτέρω αθροιστικές υπέρ-αποδόσεις και τα επιπλέον κόστη. Από τα αποτελέσματα της έρευνας προκύπτει ότι όσο αυξάνεται η αρνητικότητα του κειμένου των δημοσιευμένων καταστάσεων (10-Κ filings) της εξαγοραζόμενης εταιρείας, τόσο αυξάνονται οι αθροιστικές υπέρ-αποδόσεις των αγοραστών (bidder CARs) γύρω από τις εξαγορές και τις συγχωνεύσεις, καθόσον μειώνονται τα επιπλέον κόστη (premiums) που αυτοί πληρώνουν.Το τέταρτο κεφάλαιο επικεντρώνεται στην αγορά των πράσινων ομολόγων. Στο εν λόγω κεφάλαιο χρησιμοποιείται μέθοδος επεξεργασίας φυσικής γλώσσας προκειμένου να ποσοτικοποιηθεί η αρνητικότητα της ποιοτικής πληροφορίας που παρέχεται από τις ετήσιες καταστάσεις των αμερικάνικων εταιρειών, οι οποίες εκδίδουν πράσινα ομόλογα. Τα αποτελέσματα υποδεικνύουν ότι η αύξηση της αρνητικότητας των κειμένων συνδέεται με μείωση στις αθροιστικές υπέρ-αποδόσεις γύρω από την ημερομηνία έκδοσης του πράσινου ομολόγου. Επιπρόσθετα το ανωτέρω εύρημα συνδέεται με την αρνητική αντίληψη που σχηματίζουν τα ενδιαφερόμενα μέρη, σε περιόδους αβεβαιότητας σχετικά με την έκβαση και ολοκλήρωση των έργων, για τα οποία έχει πραγματοποιηθεί ο δανεισμός μέσω του πράσινου ομολόγου.Τέλος, το πέμπτο κεφάλαιο σημειώνει τη συμβολή της παρούσας έρευνας στον κλάδο της Χρηματοοικονομικής, παρουσιάζοντας τα βασικά συμπεράσματα της διδακτορικής διατριβής και παραθέτοντας προτάσεις για μελλοντική έρευνα.
This dissertation consists of five chapters: i) chapter one is the introduction of this thesis, ii) chapter two shows the predictive power of the textual tone of 10-K and 10-Q filings on bank stock returns, iii) chapter three employs natural language processing techniques, utilizing 10-K filing sentiment in mergers and acquisitions, iv) chapter four surveys the use of negative words on green bond market and finally, v) chapter five concludes our thesis.Specifically, chapter one presents the main objectives of this dissertation. In a brief introduction, this chapter outlines the basic concepts of this thesis, concerning the use of natural language processing techniques in the broader field of Finance.Chapter two examines the textual information predictability from quarterly and annual filings (10-Q and 10-K), in explaining the cross-section of bank stock returns. It examines the bank stock returns predicting ability of bank-specific variables along with sentiment variables, extracted from banks’ annual and quarterly reports, using the sentiment word lists of Loughran and McDonald (2011). The findings suggest that the sentiment variables explain the cross-section of bank stock returns. Furthermore, the results show that textual information can effectively complement bank-specific variables, in terms of explaining future stock returns.Chapter three examines whether and how targets’ tone of textual features from annual documents (10-K reports), affects the upcoming mergers and acquisitions (M&As) in terms of bidders’ Cumulative Abnormal Returns (CARs) and takeover premiums. The results provide evidence that the pessimistic tone of target’s 10-Ks is positively related to the abnormal returns near the announcement date and negatively related to the bid premium paid. This effect appears to be linked with a positive perception of the shareholders of the progress of the M&A transaction, when they buy the target in a lower price. Chapter four is focused on the effects of the issuers’ 10-K filing conservative tone, on cumulative abnormal returns, during the day of the announcement of green bonds. According to the documented results, the market reacts negatively to the announcement of green bond issuances and CARs are negatively related to the issuers’ conservative tone. This effect appears to be linked with a negative perception of the shareholders regarding the issuance of green bonds, when there is high risk of not following up with the use of proceeds.Finally, chapter five highlights the contribution of this research in the field of Finance, by presenting the main conclusions of the doctoral thesis and providing suggestions for further analysis and research.
Subject :Ανάλυση κειμένου
Αποδόσεις των τιμών μετοχών τραπεζών
Εξαγορές
Συγχωνεύσεις
Πράσινα ομόλογα
Textual analysis
Bank stock returns
Mergers
Acquisitions
Green bonds
Date Available :06-09-2026
Date Issued :22-07-2024
Date Submitted :06-09-2024
Date Accepted :06-09-2024
Licence :