Facebook推动股市中被动家庭的行为

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Facebook drives behavior of passive households in stock markets》
---
作者：
Milla Siikanen, K\\k{e}stutis Baltakys, Juho Kanniainen, Ravi Vatrapu,
  Raghava Mukkamala, Abid Hussain
---
最新提交年份：
2018
---
英文摘要：
  Recent studies using data on social media and stock markets have mainly focused on predicting stock returns. Instead of predicting stock price movements, we examine the relation between Facebook data and investors\' decision making in stock markets with a unique data on investors\' transactions on Nokia. We find that the decisions to buy versus sell are associated with Facebook data especially for passive households and also for nonprofit organizations. At the same time, it seems that more sophisticated investors---financial and insurance institutions---are behaving independently from Facebook activities.
---
中文摘要：
最近使用社交媒体和股票市场数据的研究主要集中在预测股票回报上。我们没有预测股价走势，而是通过一个关于投资者在诺基亚上交易的独特数据来研究Facebook数据与投资者在股市决策之间的关系。我们发现，购买与出售的决定与Facebook数据相关，尤其是被动家庭和非营利组织。与此同时，似乎更老练的投资者——金融和保险机构——的行为独立于Facebook的活动。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--

---
PDF下载：
--> Facebook_drives_behavior_of_passive_households_in_stock_markets.pdf (169.83 KB)

2022-6-1 09:34:27 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：FACEBOOK EBook eboo Face Book

Facebook推动被动家庭在股市的行为米拉·西卡尼娜，*, Kestutis Baltakysa、Juho Kanniainna、Ravi Vatrapub、c、Raghava Mukkamalab、c、Abid HussainbaDARE商业数据研究小组、坦佩雷理工大学工业和信息管理实验室、芬兰商业数据分析中心、哥本哈根商学院、DenmarkWesterdalso艺术、通信和技术学院、，NorwayAbstracts最近使用社交媒体和股票市场数据的研究主要集中在预测股票回报上。我们不需要预测股价走势，而是通过Nok ia上投资者交易的独特数据来检查Facebook数据与投资者在股市决策之间的关系。我们发现，购买与出售的决定与Facebook数据相关，尤其是对于有影响力的住房和非营利组织。与此同时，似乎更多老练的投资者——金融和保险机构——正在独立于Facebook的活动。关键词：投资者行为、社交媒体、股市、投资者成熟度、决策JEL分类：G10、G111。简介Facebook和Twitter等社交媒体网站为公司创造了各种机会，以改善其内部和外部沟通，并与客户、合作伙伴和其他利益相关者（如投资者）进行合作和沟通。考虑到社交媒体在对外交流中的重要性，社交媒体数据最近被用来预测现实世界的结果也就不足为奇了（参见。

Asur和Huberman，2010年）。在金融市场研究中，许多学者使用了Facebook数据（Karabulut，2013；Siganos等人，2014；Bukovina等人，20 15）和其他社交媒体网站的数据（Bollen等人，2011；Zhang等人，2011；Zheludev等人，2014；Chen等人，2014；Nofer和Hinz，2015；Zhang等人，20 17；Yo u等人。，这篇论文发表在《金融研究快报》上：https://doi.org/10.1016/j.frl.2018.03.020*相应的authorEmail地址：milla。siikanen@tut.fi（Mil la Siikanen）预印本提交给《金融研究快报》，20182017年5月23日）。这类研究的主要目的是预测市场波动，但对于社交媒体数据如何与个人投资者行为相关的研究却很少，这可能是因为缺乏投资者账户层面的数据。在本文中，我们考察了投资者的交易决策在多大程度上受Facebook帖子和活动的驱动。为此，我们使用一个独特的investorlevel股权登记数据集，其中包括多年来所有芬兰投资者的交易。特别是，考虑到投资者进行交易，我们研究Facebook数据与投资者决定增持或减持头寸的关系。这个问题针对不同的投资群体，包括金融机构、非营利组织和家庭，以及他们在诺基亚股票中的等级。由于诺基亚是芬兰股市上流动性最强的股票之一，这一独特的数据已经在多篇文章中进行了研究，这里我们将其与社交媒体数据相结合。Lillo等人（2015年）的论文是与我们的研究最密切相关的研究。

它还调查了不同投资者群体对诺基亚股票的交易行为，但汤森路透的新闻报道本身并非社交媒体数据。目前，Facebook显然是美国最广泛的社交媒体平台，全球每月有22亿活跃用户（Statista，2018）。截至2013年1月，约45%的标普1500企业使用Fac电子书和推特等社交媒体网站对外交流其业务的正式和非正式信息（Jung等人，2017年）。具体而言，公司通过社交媒体传播公司披露和其他信息（Zhou等人，2014）。Yang等人（2017年）表明，社交媒体和mas媒体通常会影响投资者的交易决策。Snow和Rasso（2017）认为，无亲缘关系的投资者可能从社交媒体的披露中获益最多，因为在社交媒体平台上，信息基本上是“推送”给他们的，这使得这些信息更容易获取。此外，Snow和Rass o（2017）表明，不太成熟的投资者处理从社交媒体收到的财务信息的方式不同于通过公司投资者关系网站收到的信息。重要的是要记住，公司通常使用官方交易所发布的公司公告作为主要沟通渠道（见Jung等人，2017），其次是其他渠道，包括报纸和社交媒体。此外，通过社交媒体交流信息是自愿的，而一些公司公告发布是强制性的。此外，Jung等人（2017）表明，公司在战略上传播信息，即当消息不好时，公司不太可能在推特上传播信息。

在这方面，我们希望确定投资决策如何，例如，参见Bukovina（2016），了解与社交媒体和资本市场之间的联系相关的研究概述，例如Westerholm（2009）；Tumminello等人（2012年）；Lillo等人（2015年）；Ranganathan等人（2017年）参见Siikanen等人（2017b，a）及其参考文献，了解公司公告在股票市场的影响。在其他投资者群体中，不太成熟和专业的投资者与潜在的有偏见的Facebook信息相关。我们还注意到，Facebo ok数据与交易之间的关系也可能与投资者，尤其是家庭的注意力吸引行为有关（见Barber a and Odean，2007）。2、数据2.1。股权登记记录数据为了识别不同投资者类别的交易，我们使用股权登记记录数据，包括2016年6月7日、20日、10日至2016年底的所有国内投资者，从欧洲结算系统（Euroclear）有限公司获得。数据中的每个记录都包含投资者及其持股变动的详细信息。在我们的分析期间，282269名芬兰投资者交易了诺基亚股票。我们根据行业代码将其分为五类：非金融公司、金融和保险公司、一般ZF组织、非金融组织和家庭。家庭投资者进一步分为四个投资者活动组。投资者的活动组由投资者在过去八周内交易的天数确定，包括分析的一周。如果过去8周的活跃天数等于1，则认为投资者不活跃；如果介于2和5之间，则投资者是合格的；6-20表示中等；21–40表示活动。

值得注意的是，这是一个动态的群体，因为在整个分析期间，一个投资者可能出现在多个群体中。为了进行分析，我们计算了每个集团中在一周内改变持股的投资者人数，以及在该周内增加持股（买入多于卖出）的投资者人数。表1给出了我们数据样本中投资者群体及其周交易的描述性统计数据。我们发现，平均而言，金融和ZF机构是最活跃的部门集团，而家庭和非组织则是最不活跃的。2.2. Facebook数据我们使用theGrinblatt和Keloharju（2000、2001）在2010年6月至2016年12月期间从诺基亚的Facebook墙收集每日帖子数和相关评论、赞数和共享数；Tummi nello等人（2012年）；Lil lo等人（2015年）；Baltakys等人（2018年）使用来自同一来源的数据集，并提供数据描述。然而，他们使用的是2009年之前的数据，当时所有交易都单独报告，并附有确切的交易日期。在2009年末转向中央交易对手清算后，欧洲结算系统研究数据集只包含每日累计交易，没有指定实际交易日期，而是为每条记录报告注册日期。因此，我们将交易日期与注册日期反向设计。我们对2014年10月8日之前和之后的数据使用官方T+3结算会议（见欧洲结算系统，2014）。使用衍生交易日期，我们每周汇总交易，这减少了不准确交易日期衍生可能带来的噪音。https://www.facebook.com/nokiaTable1：投资者群体的描述性统计。N表示每组投资者的总数。

平均值、中位数和标准差（st.Dev）与每周观察的各组投资者在一周内改变其净持有量的数量有关。在PanelB中，家庭投资者根据过去八周（40个交易日）的交易情况分为活跃群体。A组：投资者分类N均值（占所有公司的百分比）中位st.DEV公司12213 271（2.2%）230 166金融427 28（6.6%）27政府89（7.9%）7非盈利1177 18（1.5%）16 12家庭268363 4640（1.7%）3694 3179总计282269 B组：家庭投资者的活动群体活跃度活动天数的N平均值（占所有天数的%）中间值st.DevActive；（20，40）1228 54（4.4%）51 22中等；（5，20）16019 502（3.1%）450 227被动；（1，5）120906 1856（1.5%）1402 1422活性；1 264942 2228（0.8%）1670 1897社会数据分析工具（SODATO）（见侯赛因等人，2014；侯赛因和瓦特拉普，2014a，b）。评论、赞和分享总是与特定帖子相关，即帖子是主要动作。因此，我们将评论、赞和共享的数量分配给原始帖子的日期，即不是发表实际评论、赞或共享的日期。实际上，评论、赞和分享的数量量化了在特定日期发布的帖子所受到的关注。我们通过将一周内的帖子、评论、赞数和共享数相加，将每天的Facebook数据汇总到每周。由于交易不在周末进行，我们将在周六开始，周五结束。通过这种方式，我们将Fac周末的电子书活动与影响投资者交易决策的一周联系起来。总的来说，我们的样本包括342个每周观察的帖子、评论（如s）和分享。表2给出了这些时间序列的描述性统计数据。

我们看不到平均每天发表的帖子超过一篇，并计算出平均有274条评论、4379条赞和7股。表2:Facebook数据的描述性统计。N给出了样本中每个FaceB ook活动的总数。平均值、中位数和标准差（st.Dev）与每周Facebook活动数量的观察值相关。活动N平均中位数st.DevPost 2906 8 8 6注释797586 2332 1585 2808，如12725171 37208 11977 43500共享919380 2688 461 45252.3。公司公告数据公告数据收集自纳斯达克OMX Nordic的网站。数据集包括2010年6月至2016年12月诺基亚在纳斯达克发布的所有公告。样本中总共有507份公司公告。我们通过将周六至周五的公告数量相加，将公告数据汇总为一周，即与Facebook数据相似。在回归中，我们使用虚拟变量来表示一周内是否至少有一次公告发布。我们的样本包括187周，其中至少有一次发布公告（总共342周）。2.4. 每周收益数据用于计算收益的每日调整收盘价数据从纳斯达克OMX Nordic网站收集。对于每个星期，我们计算logreturn为Rett=ln[Pt/Pt-1] ，其中PTI是一周最后一个交易日（通常为周五）的收盘价，Pt-1是前一周t最后一个交易日的收盘价- 1（通常是前一周的星期五）。样本期间诺基亚的平均每周回报率为–0.16%。3.

实证分析框架我们的分析基于逻辑回归，以解释Facebook活动如何与投资者投资组合中诺基亚股份的增加和减少相关。为了确定交易行为与Facebookdata相关的投资者群体，我们使用每个Facebookvariable对每个投资者群体进行单独回归。我们回归中的因变量是一个虚拟变量，如果投资者在给定的一周内增加了他/她在诺基亚股票中的持有量（购买量超过10亿），则为1；如果投资者减少了持有量（Dincreasedt），则为0。在给定的一周内，仅包括诺基亚净头寸发生变化的投资者。主要关注的解释变量是帖子、评论、赞或共享的数量，这取决于回归（FB）。我们使用公司公告虚拟（NEWSt）控制公司公告发布，如果在第t周发布公告，则为1，否则为0。http://www.nasdaqomxnordic.com/news/companynews，有关详细信息，请参见该页。http://www.nasdaqomxnordic.com/shares/microsite?Instrument=HEX24311.Another选项是（而不是限制对二元结果的分析）使用连续因变量的线性回归（即投资者改变头寸的程度）。然而，为了使用连续因变量，必须计算投资者头寸的比例变化，这反过来又需要投资者持有的信息。然而，与持股变动相比，持股水平并不准确。使用“持股变动”作为非比例风险值是有问题的，因为投资者交易的股票数量非常不同。

这些问题通过logistic回归得到解决。此外，我们还统计了集团中上周增持股票的投资者数量，该数量由上周增持股票的投资者总数来衡量。如下所示：scDincreasedt-1=nt-1nt-1Xi=1增量di，t-1其中nt-1是指t周内更改（增加或减少）持有诺基亚股份的投资者数量- 1、我们还为本周收益率（Rett）和上周收益率（Rett）添加了控制变量-1). 最后，包括月度（Mt）和年度（Yt）虚拟变量。交易中潜在年度季节性的月度模拟控制（例如，出于税务目的，在12月实现亏损，参见Grinblatt和Keloharju，2001），每年的假人都会根据分析进行调整，例如，由于诺基亚移动业务的放弃，可能会发生变化（2014年，Nok ia的移动业务被微软收购，将公司的重点转变为电信基础设施业务）。总之，我们进行的回归如下：g（Dincreasedt）=α+α·FBt+α·NEWSt+α·scDincreasedt-1+α·Rett+α·Rett-1+Xj=1αj+6·Mj+Xj=1αj+17·Yj（1），其中g是logit函数。4、结果表3中的面板A显示，对于家庭和非营利机构，所有回归估计都具有统计意义。结果表明，这些群体中的投资者购买与出售的决定与Facebook的数据有着明显的关联。对于非营利机构而言，经济意义相对较高：当Faceboo k活动量增加一个标准差时，非营利机构买入而非卖出的几率在1.111到1.21 2之间。对于金融机构，表3中的面板A显示购买与。