Quantifying attention: utilizing Google searches to forecast stock performance of business-to-consumer companies

Google søkedata har de siste årene blitt anvendt til stadig flere formål, deriblant finansielle prediksjoner. Hva angår prediksjon av aksjekurser, har den vanligste tilnærmingen vært å benytte søkevolum for tickere som mål på investorers interesse. Vi undersøker dette temaet nærmere ved å fokusere på konsumrelaterte selskaper, og foreslår nye mål på forbrukernes interesse og oppmerksomhet. Vi analyser selskapene i S&P 500 Consumer Discretionary og S&P 500 Consumer Staples med en initiell hypotese om at aksjekursen til konsumrelaterte selskaper er drevet av forventinger om fremtidig inntjening, og at svingninger i søkevolum har potensiale til å predikere dette. Vi kombinerer de foreslåtte interessevariablene med standard finansielle variabler, og finner at dette forbedrer nøyaktigheten til prediksjonsmodellen. Dette gjelder særlig når vi predikerer akkumulert avkastning over lenger horisonter, og selskaper kategorisert som "Discretionary". Vi tester den økonomiske signifikansen av funnene våre ved å simulerere en investeringsstrategi, og finner at anvendelsen av de foreslåtte interessevariablene kan forbedre årlig akkumulert avkastning med nærmere 1%