TU Darmstadt / ULB / TUbiblio

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.
Technische Universität Darmstadt
Dissertation, Erstveröffentlichung

Kurzbeschreibung (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.

Typ des Eintrags: Dissertation
Erschienen: 2014
Autor(en): Nofer, Michael
Art des Eintrags: Erstveröffentlichung
Titel: The Value of Social Media for Predicting Stock Returns - Preconditions, Instruments and Performance Analysis
Sprache: Englisch
Referenten: Hinz, Prof. Dr. Oliver ; Benlian, Prof. Dr. Alexander
Publikationsjahr: 2014
Ort: Darmstadt
Datum der mündlichen Prüfung: 6 November 2014
URL / URN: http://tuprints.ulb.tu-darmstadt.de/4286
Kurzbeschreibung (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.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

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.

Deutsch
URN: urn:nbn:de:tuda-tuprints-42863
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 300 Sozialwissenschaften > 330 Wirtschaft
Fachbereich(e)/-gebiet(e): 01 Fachbereich Rechts- und Wirtschaftswissenschaften
01 Fachbereich Rechts- und Wirtschaftswissenschaften > Betriebswirtschaftliche Fachgebiete
01 Fachbereich Rechts- und Wirtschaftswissenschaften > Betriebswirtschaftliche Fachgebiete > Fachgebiet Electronic Markets
Hinterlegungsdatum: 14 Dez 2014 20:55
Letzte Änderung: 14 Dez 2014 20:55
PPN:
Referenten: Hinz, Prof. Dr. Oliver ; Benlian, Prof. Dr. Alexander
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 6 November 2014
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen