Facebook推动股市中被动家庭的行为

出售决策和Facebook数据。公司和ZF机构的结果介于金融机构、家庭和非金融机构之间，因为一半或更少的估计值具有统计意义。为了更深入地了解金融账户对家庭交易的影响，表3中的B组给出了不同活动组中个人投资者的估计回归结果。我们观察到，一般来说，家庭越活跃，脸书数据与买卖行为之间的关联就越弱。被动投资者和非活跃投资者的优势比比非营利机构的要小得多，尽管就职位而言，它们仍然相对较高（1.088和1.072）。为简洁起见，我们在此不报告截获和控制变量的回归估计值，但可在在线附录中找到。一般来说，大多数控制变量的估计值在统计上具有显著性。表3：回归估计：投资者群体交易和Facebook数据。第3节（方程式1）中描述的所有投资者类别的与Facebook逻辑回归变量相关的估计。因变量是一个虚拟变量，如果投资者在一周内增加其持有量，则取值为1；如果投资者减少持有量，则取值为0。除了与Facebook相关的风险（我们报告估计值），我们还控制公司公告发布、前几周投资者改变头寸的数量（规模）、当前和前几周的回报，此外，我们还有每月和每年的假人。在线附录中提供了控制变量的回归估计（此处省略）。在B组中，家庭投资者根据其过去八周（40个交易日）的交易情况分为活跃群体。

所有其他回归的观察数（分析中的周数）为341，但组政府回归的观察数为332。p值用括号（）表示，优势比（OR）用括号{}表示。ORs是根据解释变量中的一个标准偏差变化计算的。A组：投资者分类帖子评论，如股票公司0.011***5.55E-06 7.61E-07**–6.40E-07（3.71E-12）（0.098）（6.44E-03）（0.775）{1.064}{1.016}{1.034}{0.997}财务公司5.92E-03 1.25E-05 9.42E-07–1.94E-06（0.185）（0.197）（0.226）（0.758）{1.034}{1.036}{1.042}{0.991}政府0.015 5.45E-05**2.62E-06 2.19E-05（0.091）（7.20E-03）（0.112）（0.087）{1.086}{1.165}{1.121}{1.104}非营利组织0.033***3.76E-05**4.43E-06***3.03E-05**（2.27E-07）（4.79E-03）（2.23E-04）（1.84E-03）{1.203}{1.111}{1.212}{1.147}户0.011***–4.46E-06***1.92E-07**–9.04E-06***（5.74E-83）（7.64E-07）（6.89E-03）（1.23E-03）E-41{1.064}{0.988}{1.008}{0.960}小组B：家庭投资者的活动群体活跃2.41E-04–5.82E-06–9.74E-07–1.36E-05**（0.942）（0.386）（0.065）（1.32E-03{1.001}{0.984}{0.959}{0.940}中等1.85E-03 4.11E-06 2.67E-07–1.71E-06（0.083）（0.071）（0.140）（0.225）{1.011}{1.012}{0.992}被动0.012***–9.33E-06***–7.33E-07***–1.60E E-05***（8.55E-55）（2.37E-10）（4.53E-10）（1.73E-49）{1.072}{0.974}{0.969}{0.930}非活动0.015***1.01E-05***1.84E-06***1.09E-07（5.12E-67）（5.19E-12）（1.24E-42）（0.911）{1.088}{1.029}{1.083}{1.000}***p<0.001；**p<0.01；*Grinblatt和Keloharju（2000）认为，大致而言，s peaking、Finance和Insurance机构以及公司可以被视为最成熟的投资者群体，因为他们通常拥有更大的职位，有更多的资源用于研究，并且在许多情况下将投资视为全职职业。

有鉴于此，我们的发现表明，更复杂的投资工具更独立于Facebook活动，因为Facebook活动与金融机构的决策之间显然没有任何关联。由于投资者的积极性与他/她的成熟度有关，我们对家庭活动组的调查结果支持这样一个结果，即更成熟的投资者的行为更独立于Facebook数据。与交易所发布的官方公司公告相比，Facebook可以被视为一个次要的信息渠道，公司可能会战略性地选择在Facebook上传播的信息（Jung等人，2017年）。非营利组织和家庭，作为有争议的ss老练投资者（Grinblatt和Keloharju，2000），可能会允许他们的交易决策受到Facebook帖子和活动的影响，尤其是如果他们无法访问专业数据源的话。根据这一观点，Ammann和Schaub（2017）发现，不成熟投资者的交易决策受到社交交易平台上不包含价值相关信息的帖子的影响。由于我们的问题是，如果不同投资者的决策与账面数据相关，我们最感兴趣的是Facebook变量的回归估计是否在统计和经济上具有显著性，而系数的迹象并不是主要关注点。然而，关于表3中估计的迹象，有几个词。在A组中，除了househo lds的评论外，帖子、评论和赞的标志都是积极的。股票的迹象既有积极的（政府和非政府）也有消极的（公司、金融、家庭），尽管并非所有这些迹象都具有统计意义，这可以说明变化。

活动小组B报告了积极的预测，但评论、赞和分享的变化更大，因为消极和不积极的投资者有消极的预测。深入研究这些发现的原因超出了本文的范围，留给未来的研究，因为这需要语义分析。总结与结论本文提供了第一个实证证据，表明Facebook活动对不同投资者的交易有不同的影响。我们提供的证据表明，不太成熟的投资者（即家庭和非营利组织）增加或减少持股的决定显然与Facebook数据有关。同时，对于金融机构的决策，回归分析中的数据点数量为332–341，这不会像非常大的数据样本那样自动产生显著的估计，因为金融机构可能是市场上最受欢迎的投资者之一。此外，人们可以考虑，观察到的关联是否可以代表一种反向因果关系，即投资者没有对社交媒体帖子做出反应，而是公司在facebook上发布消息，以应对投资行为的变化。然而，这种反向因果关系似乎不太可能，因为有关交易员改变头寸数量的信息并不公开。与Fac电子书活动没有太大关系。此外，较不活跃家庭的决策与Facebook有关，而较活跃家庭的决策则与Facebook无关，这进一步证明，投资者越不老练，其行为与Facebook的关系就越密切。鉴于与第一手官方变更发布相比，Face book不是一个受管制的信息渠道，公司可能会从战略上选择哪些信息来传播FafaceBook（Jung et al.，2017）。

这表明，不太成熟的投资者，可能无法获得专业的财务数据和新闻来源，可能会受到偏见信息的驱动。在未来的研究中，我们计划对帖子和评论进行情感分析，以更全面地了解不同投资者对Facebook活动的反应。只关注诺基亚可能会引入一些投资者-客户偏见，因为对诺基亚感兴趣的投资者通常会更熟悉社交媒体和技术，并且会因为他们对技术的倾向而关注Postsb。目前，我们只能为诺基亚收集数据，但在未来的研究中，我们计划将样本扩展到更多种类的股票。致谢我们要感谢Hannu K¨arkk¨ainen和Jari Jussila为实现该项目所做的宝贵工作。导致这些结果的研究获得了坦佩雷理工大学通过网络大数据科学与工程中心和图坦佩雷工业学院的资助。该项目还获得了欧洲石油联盟地平线2020研究与创新计划（MarieSklodowska Curie grant agreement No.675044）的资助。第一作者感谢考特基金会和NordeaBank基金会的支持。资助者在研究设计、数据收集和分析、出版决定或手稿准备方面没有任何作用。参考参考Sammann，M.，Schaub，N.，2017年。互联网帖子对个人投资者的影响。摘自：美国金融协会2018年年会论文集。Asur，S.，Huberman，B.A.，2010年。通过社交媒体预测未来。参加：网络智能和智能代理技术（WI-IAT），2010年IEEE/WIC/ACM国际会议。第1卷。IEEE，第492–499页。Baltakys，K.、Kanniainen，J.、Emmert Streib，F.，2018年。

多层聚合与统计验证：投资者网络的应用。arX iv预印本arXiv:1708.09850。Barb er，B.M.，T.奥登，2007年。所有闪光点：关注和新闻对个人和机构投资者购买行为的影响。金融研究回顾21（2），785–818。Bollen，J.，Mao，H.，Zeng，X.，2011年。推特情绪预测股市。计算科学杂志2（1），1-8。Bukovina，J.，2016年。社交媒体大数据和资本市场概述。《行为与实验金融杂志》11，18–26。Bukovina，J.等人，2015年。情绪和蓝筹股回归。来自动态阈值模型的企业级证据。布尔诺孟德尔大学商业与经济学院技术代表。Chen，H.，De，P.，Hu，Y.，Hwang，B.-H.，2014年。群体智慧：通过社交媒体传播的股票观点的价值。《金融研究评论》27（5），1367–1403。欧洲联盟，2014年。T+2实施问答。https://www.euroclear.com/dam/EFi/Campaigns/T-2_cycleQuestionsAndAnswers.pdf.Grinblatt，M.，Keloharju，M.，2000年。不同投资者类型的投资行为和表现：芬兰独特数据集研究。《金融经济学杂志》55（1），43–67。Grinblatt，M.，Keloharju，M.，2001年。是什么让投资者交易？《金融杂志》56（2），589–616。Hussain，A.，Vatrapu，R.，2014a。社会数据分析工具：设计、开发和示范性案例研究。参加：企业分布式对象计算会议工作区和演示（EDOCW），2014 IEEE第18届国际会议。IEEE，第414–417页。Hussain，A.，Vatrapu，R.，2014b。社会数据分析工具（sodato）。信息系统设计科学研究国际会议。斯普林格，第368-372页。Hussain，A.，Vatrapu，R.，Hardt，D.，Ja ffari，Z.A.，2014年。

社会数据分析工具：方法和软件的示范性案例研究。In：分析社交媒体数据和网络。斯普林格，第99-118页。Jung，M.J.、Nautton，J.P.、Tahoun，A。，Wang，C。，2017年。企业是否进行战略传播？来自企业使用社交媒体的证据。即将在会计审查中发布。Karabulut，Y.，2013年。facebook能预测股市活动吗？AFA 2013圣地亚哥会议论文，可在SSRN上获得。Lillo，F.、Michich\'e，S.、Tumminello，M.、Piilo，J.、Mantegna，R.N.，2015年。新闻如何影响金融市场中不同类别投资者的交易行为。QuantitativeFinance 15（2），213–229。Nofer，M.，Hinz，O.，2015年。使用推特预测股市。商业与信息系统工程57（4），229。Ranganathan，S.，Kivela，M.，Kanniainen，J.，2017年。围绕网络泡沫的投资者跨越树的动态。arXiv预印本arXiv:1708.04430。Siganos，A.，Vagenas Nano，E.，Verwijmeren，P.，2014年。Facebook的每日情绪和国际股市。《经济行为与组织杂志》107730–743。Siikanen，M.、Kanniainen，J.、Luoma，A.，2017a。是什么推动了限量订单对公司公告的敏感性？《经济学快报》159，65–68。Siikanen，M.，Kanniainen，J.，Valli，J.，2017b。围绕预定和非预定公告的限额指令簿和流动性：纳斯达克北欧的经验证据。财务调查信函21264–271。Snow，N.M.，Rasso，J.，2017年。如果推特成功：投资者如何处理通过社交媒体收到的财务信息。SSRN工作文件。Statista，2018年。截至2018年1月，全球最著名的社交网站。https://www.statista.com/statistics/272014/global-social-networks-ranked-by-number-of-users/.Tumminello，M.、Lillo，F.、Piilo，J.、Mantegna，R。N、 ，2012年。

从金融市场的实际交易活动中识别投资者集群。《新物理杂志》14（1），013041。Westerholm，P.J.，2009年。非信息交叉和内部化交易是否会利用未公开的流动性？诺基亚手机壳。会计与财务49（2），407–424。Yang，W.，Lin，D.，Yi，Z.，2017年。大众媒体对投资者情绪的影响。金融研究信函22，1-4。You，W.，Guo，Y.，Peng，C.，2017年。推特每日的快乐情绪和股票回报的公共关系。《金融研究快报》23、58–64。Zhang，X.，Fuehres，H.，Gloor，P.A.，2011年。通过推特预测股市指标“我希望没有我担心的那么糟糕”。ProMedia社会和行为科学26，55–62。张亦云，安亦云，冯亦云，金亦云，2017。社交网络中的名人和普通人：谁知道更多信息？《金融研究快报》第20、153–161页。Zheludev，I.，Smith，R.，Aste，T.，2014年。社交媒体何时能引领金融市场？科学报告44213。Zhou，M.，Lei，L.，Wang，J.，Fan，W.，Wang，A.G.，2014年。社交媒体采用和公司披露。《信息系统杂志》29（2），23–50。