Stock Market Predictions Using Advanced Textual Analysis of Annual Reports

Får investorer og analytikere med seg all informasjon som finnes i selskapers årsrapporter? I denne oppgaven finner vi at finansmarkedene på kort sikt overser viktig informasjon som er inneholdt i årsrapportene, og at denne informasjonen kan utnyttes gjennom teknikker for behandling av naturlig språk for å utgjøre en del av grunnlaget i verdsettelsen av børsnoterte selskaper. Vi analyserer 15,700 årsrapporter publisert av selskaper på aksjeindeksen S&P 500 i perioden 1994 til 2018, og finner at ettårig abnormal avkastning synker signifikant med mengden negativt sentiment i rapportene og med rapportenes filstørrelse. Vi finner derimot ikke slike mønstre på kort sikt, noe som kan indikere at det tar lang tid før finansmarkedene plukker opp denne typen informasjon. Ved å bruke Latent Dirichlet Allocation (LDA), finner vi at årsrapporter som fokuserer på "Helsetjenester", "Miljøkostnader" og "Finansielle planer" assosieres med høyere abnormal avkastning, mens økt fokus på "Søksmål", "Eiendomskontrakter" og "Utenlandsk valuta" ofte assosieres med det motsatte. Til slutt lager vi en modell for aksjehandel basert på metaalgoritmen AdaBoost og CART beslutningstrær for å vise at kun ved å benytte informasjon om sentiment, lesbarhet og temaer som rapporten tar opp, er det mulig å generere en årlig risikojustert avkastning på 3.8% på et datasett fra 2004 til 2018