Show simple item record

The Information Value of Unstructured Analyst Opinions

Studies on the Determinants of Information Value and its Relationship to Capital Markets

dc.contributor.advisorMuntermann, Jan Prof. Dr.
dc.contributor.authorEickhoff, Matthias
dc.date.accessioned2017-07-11T08:56:27Z
dc.date.available2017-07-11T08:56:27Z
dc.date.issued2017-07-11
dc.identifier.urihttp://hdl.handle.net/11858/00-1735-0000-0023-3EA0-5
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-6389
dc.language.isoengde
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.ddc330de
dc.titleThe Information Value of Unstructured Analyst Opinionsde
dc.title.alternativeStudies on the Determinants of Information Value and its Relationship to Capital Marketsde
dc.typedoctoralThesisde
dc.contributor.refereeSchumann, Matthias Prof. Dr.
dc.date.examination2017-06-29
dc.description.abstractgerAufgrund der zunehmenden Bedeutung von Informations- und Kommunikations- Technologien in der Finanzindustrie nimmt auch das Volumen unstrukturierter und entscheidungsrelevanter Textdaten zu, welche von Marktteilnehmern analysiert werden. In diesem Umfeld erhöhter Datengeschwindigkeit und Datenkomplexität müssen Entscheidungsträger weiterhin in die Lage versetzt werden entscheidungsrelevante Informationen zeitnah zu verarbeiten. Dieses Problemfeld betrifft verschiedenste Quellen unstrukturierter Daten, wie zum Beispiel Beiträge in sozialen Medien, Finanznachrichten und diverse Quellen unstrukturierter textbasierter Analystenmeinung. Der Analystenmeinungen innewohnende Informationswert wurde durch bestehende finanzwissenschaftliche Forschung bereits vielfach untersucht. Dennoch stellt die Analyse des unstrukturierten Teils von Analystenmeinungen aufgrund der inhärenten Problematik der Informationsgewinnung aus großen Mengen textbasierter Daten die Forschung weiterhin eine Hürde dar. In dieser Dissertation untersuche ich daher wie mittels moderner Methoden der computergestützten Textanalyse von bestehender Forschung ausgehende Forschungsfragen bezüglich des Informationsgehalts unstrukturierter Analystenmeinung beantwortet werden können und wie auf dieser Grundlage unstrukturierte textbasierte Analystenmeinungen mit bestehenden strukturierten Quellen derselben kombiniert werden können, um durch diese Synthese ein umfassenderes Abbild der Meinung von Finanzanalysten geben zu können. Vor dem Hintergrund dieser Zielsetzung ist diese Dissertation in drei Forschungsfelder unterteilt. Im ersten Forschungsfeld wird zunächst die Wirkung neuer digitaler Technologien auf die Finanz- und Finanzdienstleistungsindustrie untersucht, wobei der Fokus der Analyse auf der Wirkung auf die Geschäftsmodelle in diesem Bereich liegt. Dies erlaubt einen Überblick des Umfelds in dem sich Finanzanalysten derzeit bewegen. Im zweien Forschungsgebiet werden die methodischen Grundlagen der Analyse unstrukturierter Analystenmeinungen untersucht, wobei insbesondere Stimmungsanalysen und Themenanalysen als die zwei im dritten Forschungsgebiet der Dissertation relevanten Ansätze untersucht werden. Schließlich wird im dritten Teil der Dissertation der Informationswert unstrukturierter Analystenmeinung vor dem Hintergrund verschiedener Theorien aus Wirtschaftsinformatik und Finanzwirtschaft analysiert. Dies beinhaltet Studien hinsichtlich des Einflusses von Medienreichtum (Media-Richness) auf denselben, sowie den Effekt der Weisheit der Masse (Crowd-Wisdom) auf das Verhältnis der Meinungen von Aktienanalysten und den Nutzern sozialer Medien und die Untersuchung wie Entscheidungsträger durch automatisierte Textanalysen bei der Nutzung unstrukturierter Analystenmeinung unterstützt werden können.de
dc.description.abstractengDue to the rising importance of information and communication technology in the financial industry the amount of unstructured textual and decision-relevant data that is being analyzed by market participants also continues to increase. In this environment, decision makers must continue to be able to stay informed despite the increases in data velocity that this process has entailed. This concerns many sources of unstructured textual data, such as social-media postings, financial news, and various sources of unstructured analyst opinions. The information value of stock analyst opinions has been studied by finance research extensively. However, the unstructured portion of analyst opinions continue to pose a challenge to research due to the inherent difficulty of extracting knowledge from copious amounts of textual data. In this thesis, I investigate how modern text-mining methods can be applied to this source of textual data in order to answer different research questions derived from extant research and how the information value of unstructured analyst opinions can help to augment existing sources of structured analyst opinions to help create a more comprehensive data landscape for the analysis of analyst opinions as a whole. To this end, this thesis includes three areas of research. In the first area of research, the impact of new digital technologies on the financial (services) industry is investigated regarding their effect on business models in the financial sector. This helps to understand the environment in which financial analysts operate following the digitization of financial markets. In the second research area, the methodological foundations for the analysis of unstructured analyst opinions are examined and sentiment analysis and topic mining are looked at in more detail as the two main methods of analysis used throughout the third research are of the thesis. In the third and main part of the thesis, the information value of unstructured analyst opinion is investigated through the lenses of different theories stemming from both information systems and financial research. This includes studies on the effect of media richness on information value, the relation between social-media and analyst sentiment and the effect crowd wisdom has on this relation, as well as how decision makers can be supported using text-mining methods when analyzing unstructured analyst opinions.de
dc.contributor.coRefereeKolbe, Lutz M. Prof. Dr.
dc.subject.engAnalyst Opinionde
dc.subject.engSentiment Analysisde
dc.subject.engTopic Modellingde
dc.subject.engInformation Valuede
dc.subject.engMedia Richness Theoryde
dc.subject.engWisdom of Crowdsde
dc.subject.engCapital Marketsde
dc.subject.engDecision Supportde
dc.subject.engDecision Support Systemsde
dc.subject.engText Miningde
dc.subject.engData Miningde
dc.subject.engUnstructured Datade
dc.subject.engFinancial Decision Support Systemsde
dc.identifier.urnurn:nbn:de:gbv:7-11858/00-1735-0000-0023-3EA0-5-3
dc.affiliation.instituteWirtschaftswissenschaftliche Fakultätde
dc.subject.gokfullWirtschaftswissenschaften (PPN621567140)de
dc.identifier.ppn893410888


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record