| dc.contributor.advisor | Muntermann, Jan Prof. Dr. | |
| dc.contributor.author | Palmer, Matthias | |
| dc.date.accessioned | 2023-02-16T16:31:42Z | |
| dc.date.issued | 2023-02-16 | |
| dc.identifier.uri | http://resolver.sub.uni-goettingen.de/purl?ediss-11858/14522 | |
| dc.identifier.uri | http://dx.doi.org/10.53846/goediss-9715 | |
| dc.format.extent | 224 Seiten | de |
| dc.language.iso | eng | de |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject.ddc | 330 | de |
| dc.title | Textual Information in Analyst Reports and its Value for Decision Support | de |
| dc.type | doctoralThesis | de |
| dc.contributor.referee | Muntermann, Jan Prof. Dr. | |
| dc.date.examination | 2022-11-17 | de |
| dc.description.abstractger | Das Berufsbild der Finanzanalysten schließt Fähigkeiten ein, die auch durch die fortschrittlichsten Analyseverfahren nicht ersetzt werden können. Vielmehr schaffen die fortschreitende Globalisierung und die zunehmende Verflechtung der internationalen Finanzmärkte ein neues Maß an Komplexität, das in dieser Ausprägung vor wenigen Jahrzehnten nicht gegeben war. Die vorliegende Arbeit widmet sich der verbesserten Aufbereitung und Nutzung von in Textform verfügbaren Analystenmeinungen sowie der Verwendung dieser Daten für die Entscheidungsunterstützung. Dazu wird eine pragmatische und nutzerorientierte Sichtweise eingenommen, die in der bisherigen Forschung zu grundlegenden Zusammenhängen zumeist im Hintergrund blieb. Diese Arbeit zielt zudem darauf ab, erfolgreich Informationen aus Analystenberichten in konkreten Anwendungsfällen einzusetzen. Ein spezielles Augenmerk wird dabei darauf gelegt, in welchen Konstellationen Analystenberichte mit Bedacht zu lesen sind und welche analystenspezifischen Merkmale bei der Entscheidungsfindung zu berücksichtigen sind.
Vor dem Hintergrund der skizzierten Ziele gliedert sich die Arbeit in drei Forschungsbereiche: Methodische Grundlagen, Verhaltensmuster von Finanzanalysten sowie Analystenberichte und Finanzmärkte. Die ersten zwei Forschungsbereiche dienen als Grundgerüst. Sie umfassen zum einen ausgewählte methodische Ansätze des Text Mining und zum anderen in qualitativen Analystendaten sichtbar werdende Verhaltensmuster. Der erste Forschungsbereich, die methodischen Grundlagen, umfasst ein Rahmenwerk, das verschiedene Ansätze zur strukturierten Darstellung von Dokumenten abbildet und als Orientierungshilfe für die Durchführung von Text-Mining-Aufgaben in verschiedenen Anwendungsbereichen dienen kann. Darüber hinaus wird ein Sentiment-Wörterbuch entwickelt, welches durch Finanzanalysten erstellte Texte domänenspezifisch analysiert. Der zweite Forschungsbereich, Verhaltensmuster von Finanzanalysten, widmet sich der Erkennung von Herdenverhalten unter Finanzanalysten durch Anwendung von Topic Mining. Ferner wird ein in Analystenberichten besonders ausgeprägter sprachlicher Unterschied zu weiteren finanzspezifischen Texten veranschaulicht. Der dritte Forschungsbereich, Analystenberichte und Finanzmärkte, baut auf den vorangegangenen Bereichen auf und demonstriert die praktische Anwendung, indem die Implementierung einer Anlagestrategie und ein Risikomanagementansatz auf der Grundlage von Analystentexten dargestellt werden.
Insgesamt spannen die drei Forschungsbereiche dieser Arbeit einen Bogen von der Betrachtung methodischer Aspekte und dem Verständnis der Besonderheiten von Analystentexten bis hin zu einer Vorstellung relevanter praktischer Anwendungen. In ihrer Kombination zielen die einzelnen Studien darauf ab, zu einem besseren Verständnis des Potenzials qualitativer Analysteninformationen beizutragen und diese Informationen als sinnvollen Bestandteil von Entscheidungsunterstützungssystemen herauszustellen. | de |
| dc.description.abstracteng | The profession of financial analysts requires skills that cannot be replaced even by today’s most cutting-edge analytical tools. Instead, ongoing globalization and the increasing interconnectedness of international financial markets are creating new levels of complexity that did not exist even a few decades ago. Therefore, this thesis is dedicated to the improved processing and use of textual analyst opinion and promoting the value of this data for decision support. The intention is to take a pragmatic and user-oriented view, which remained in the background of previous research on fundamental relationships. Specifically, this thesis aims to successfully apply the signals from analyst reports in actual use cases. Here, special attention is paid to the settings in which analyst reports should be read with caution and which analyst-specific characteristics should be considered in the decision-making process.
In light of the outlined objectives, the thesis is divided into three research areas: methodological foundations, behavioral patterns of financial analysts, and analyst reports and financial markets. The first two research areas serve as a basis. They cover selected approaches in text mining on the one hand and typical behavioral patterns visible in qualitative analyst content on the other hand. The first research area, methodological foundations, proposes a framework that includes different approaches to document representation, providing a guideline for conducting text mining tasks in various domains. Additionally, a sentiment dictionary is developed that improves the domain-specific analysis of analyst content. The second research area, behavioral patterns of financial analysts, addresses the detection of herding behavior among financial analysts by applying topic mining. Furthermore, a particularly pronounced linguistic distinction between analyst reports and other finance-specific texts is illustrated. The third research area, analyst reports and financial markets, builds on the previous two areas and displays the practical application of textual analyst reports by showcasing the implementation of an investment strategy and a risk management approach based on textual analyst reports.
Overall, the three research areas in this thesis span from considering methodological aspects and understanding the distinctive characteristics of texts in analyst reports to demonstrating relevant practical applications. In combination, the individual studies aim to contribute to a better understanding of the potential of qualitative analyst information and emphasize the role of this information as a sensible component of decision support systems. | de |
| dc.contributor.coReferee | Schumann, Matthias Prof. Dr. | |
| dc.contributor.thirdReferee | Kolbe, Lutz M. Prof. Dr. | |
| dc.subject.eng | Financial Analysts, Analyst Reports, Unstructured Data, Text Mining, Sentiment Analysis, Sentiment Dictionary, Topic Mining, Decision Support, Portfolio Strategy, Credit Risk | de |
| dc.identifier.urn | urn:nbn:de:gbv:7-ediss-14522-6 | |
| dc.date.embargoed | 2024-06-01 | |
| dc.affiliation.institute | Wirtschaftswissenschaftliche Fakultät | de |
| dc.subject.gokfull | Wirtschaftswissenschaften (PPN621567140) | de |
| dc.description.embargoed | 2024-06-01 | de |
| dc.identifier.ppn | 1836921578 | |
| dc.notes.confirmationsent | Confirmation sent 2023-02-17T06:15:01 | de |