TU Darmstadt / ULB / TUprints

The Value of Social Media for Predicting Stock Returns - Preconditions, Instruments and Performance Analysis

Nofer, Michael (2014):
The Value of Social Media for Predicting Stock Returns - Preconditions, Instruments and Performance Analysis.
Darmstadt, Technische Universität,
[Ph.D. Thesis]

[img]
Preview
Text
Value_of_Social_Media_for_Predicting_Stock_Returns.pdf
Copyright Information: CC-BY-NC-ND 2.5 Generic - Creative Commons, Attribution, NonCommercial, NoDerivs .

Download (1MB) | Preview
Item Type: Ph.D. Thesis
Title: The Value of Social Media for Predicting Stock Returns - Preconditions, Instruments and Performance Analysis
Language: English
Abstract:

The cumulative dissertation of Michael Nofer examines whether Social Media platforms can be used to predict stock returns. Market-relevant information is available on various platforms on the Internet, which consist largely of user generated content. For instance, emotions can be extracted in order to identify the investors' risk appetite and in turn the willingness to invest in stocks. Discussion forums also provide an opportunity to extract opinions on certain stocks. Taking Social Media platforms as examples, the dissertation examines the forecasting quality of user generated content on the Internet.

Alternative Abstract:
Alternative AbstractLanguage

Die kumulative Dissertation von Michael Nofer untersucht, ob und inwiefern Social Media für die Prognose von Aktienkursen genutzt werden kann. Börsenrelevante Informationen finden sich auf verschiedenen Social Media Plattformen im Internet, welche zu einem Großteil aus nutzergenerierten Daten (user generated content) bestehen. So lassen sich aus den Beiträgen der Nutzer beispielsweise Emotionen extrahieren, woraus Aussagen über die Risikobereitschaft von Investoren und demzufolge auch über die zukünftige Entwicklung von Börsenkursen abgeleitet werden können. Diskussionsforen bieten ebenfalls eine Möglichkeit, Meinungen von Investoren über einzelne Aktien zu identifizieren. Die Dissertation untersucht am Beispiel verschiedener Social Media Plattformen die Prognosegüte nutzergenerierter Daten im Internet.

German
Place of Publication: Darmstadt
Classification DDC: 300 Sozialwissenschaften > 330 Wirtschaft
Divisions: 01 Department of Law and Economics
01 Department of Law and Economics > Betriebswirtschaftliche Fachgebiete
01 Department of Law and Economics > Betriebswirtschaftliche Fachgebiete > Fachgebiet Electronic Markets
Date Deposited: 10 Dec 2014 07:10
Last Modified: 09 Jul 2020 00:50
URN: urn:nbn:de:tuda-tuprints-42863
Referees: Hinz, Prof. Dr. Oliver ; Benlian, Prof. Dr. Alexander
Date of oral examination: 6 November 2014
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/4286
PPN:
Export:
Actions (login required)
View Item View Item