Investor sentiment in blogs : design of a classifier and validation by a portfolio simulation

How can investment recommendations available on the web significantly improve stock selection? This dissertation shows how online investment recommendations can automatically be analyzed, aggregated, and used to achieve a return above the market’s. To this respect, it is crucial to understand how investment recommendations affect returns. Therefore, the dissertation examines the effects of direct and indirect investment recommendations from blogs in the form of investor sentiments (i.e., opinions) on the expected development of stock prices. Blogs have made it possible for everyone to publish articles on the web. The studied blog platforms Seekingalpha and Blogspot host a wealth of semi-professional stock analyses, investor opinions, company rumors, and stock recommendations. The dissertation’s study uses about 77,000 articles from Seekingalpha and about 198,000 articles from Blogspot over a five-year period (2007-2011). A novel text classification method is developed for the automatic classification of blog articles in a positive vs. negative sentiment. To achieve a high classification accuracy, experiments were carried out to configure this method. The text classification method uses machine learning techniques, which learn from manually classified articles from a novel corpus. Using behavioral finance theory, hypotheses are developed about the effects of investor sentiments on a portfolios returns. To test these hypotheses, a monthly selection of stocks of the Dow Jones Industrial Average into a portfolio was simulated (i.e., backtested). The selection is made by means of the ranking of the monthly aggregated overall sentiment of all articles regarding a specific stock. The results show that a return above the market’s can be achieved with aggregated investor sentiments from the Seekingalpha platform. In most cases, the achieved return exceeds the return of a momentum portfolio based solely on past returns. For the platform Blogspot, results are weaker. Overall, it seems advisable for investors to select a small number of stocks based on the most positive and most negative monthly investor sentiments from professional blogs. Wie konnen Anlageempfehlungen aus dem Web die Aktienauswahl deutlich verbessern? Die Dissertation zeigt, wie solche Online-Anlageempfehlungen automatisch analysiert, verdichtet und zur Erzielung einer uber dem Markt liegenden Rendite genutzt werden konnen. Hierzu ist entscheidend, wie sich Anlageempfehlungen auf die Renditen auswirken. Daher untersucht die Dissertation die Wirkung von direkten und indirekten Anlageempfehlungen aus Blogs in der Form von Meinungen (sogenannte Investor Sentiments) zur erwarteten Entwicklung von Aktienkursen. Mit Hilfe von Blogs ist es jedermann moglich, im Web Artikel zu veroffentlichen. Auf den untersuchten Blog-Plattformen Seekingalpha und Blogspot finden sich zahllose semi-professionelle Aktienanalysen, Anlegermeinungen, Geruchte zu Unternehmen und Aktienempfehlungen. Fur die Untersuchung verwendet die Arbeit etwa 77.000 Artikel von Seekingalpha und etwa 198.000 Artikel von Blogspot aus einem Funfjahreszeitraum (2007-2011). Fur die automatische Einstufung der Artikel in eine positive vs. negative Meinung wird eine neuartige Textklassifikationsmethode entworfen. Um eine moglichst hohe Genauigkeit der Methode zu erzielen, wurden Experimente zur Parametrisierung durchgefuhrt. Die Textklassifikation erfolgte mit Hilfe eines maschinellen Lernverfahrens. Das Verfahren lernt mit Hilfe von manuell eingestuften Artikeln aus einem eigens entwickelten Korpus. Unter Bezugnahme auf die Behavioral-Finance-Theorie werden Hypothesen zu den Wirkungen von Anlegermeinungen auf Renditen eines Portfolios entwickelt. Zur Uberprufung der Hypothesen wurde eine monatliche Auswahl von Aktien des Dow Jones Industrial Average in ein Portfolio uber einen Funfjahreszeitraum simuliert. Die Auswahl erfolgt mit Hilfe der Rangfolge der monatlich verdichteten Gesamtmeinung aller Artikel zu einer Aktie. Die Ergebnisse zeigen, dass mit Hilfe der verdichteten Anlegermeinungen von der Plattform Seekingalpha eine uber dem Markt liegende Rendite erzielt werden kann. Die Rendite ubertrifft in fast allen Fallen die Rendite eines Portfolios, das rein basierend auf vergangenen Renditen erstellt wurde. Fur die Plattform Blogspot fallen die Ergebnisse schwacher aus. Insgesamt scheint es fur Anleger empfehlenswert, eine kleine Anzahl von Aktien entsprechend der positivsten und negativsten monatlich verdichteten Anlegermeinung aus professionellen Blogs auszuwahlen.