Show simple item record

2019-12-12Bachelorarbeit DOI: 10.18452/20866
Recent Advancements in Sentiment Analysis in Finance
dc.contributor.authorBayer, Constanze
dc.date.accessioned2019-12-12T10:56:24Z
dc.date.available2019-12-12T10:56:24Z
dc.date.issued2019-12-12none
dc.identifier.urihttp://edoc.hu-berlin.de/18452/21636
dc.description.abstractDie automatische Analyse von Meinungspolarität (Sentiment) oder Emotionen aus schriftlichen Dokumenten sind ein wichtiges Instrument im Finanzbereich. Es kann zur Prognose eingesetzt werden, etwa um die Entwicklung von Aktienmärkten vorherzusagen, finanzielle Risiken oder Schwierigkeiten zu antizipieren oder abnormales Verhalten von Anlegern zu erkennen. Dazu werden Unternehmensberichte, Social Media Beiträge oder Nachrichtenartikel untersucht. Bei der Anwendung kommen entweder Wortlisten oder Machine Learning Algorithmen zum Einsatz. Beide Forschungsmethoden wurden in den letzten Jahren verbessert, etwa um Kontext von Wörtern oder Satzstrukturen zu berücksichtigen. Durch die Literaturrecherche gewonnene Erkenntnisse werden in dieser Arbeit auf die Nachhaltigkeits- und Jahresberichte deutscher Unternehmen angewandt und nach Verbindungen zu ESG Ratings gesucht. Ziel ist es, die Stimmung als Risikoindikator für diese Themen zu verwenden. Die Ergebnisse deuten darauf hin, dass die Stimmungswerte in relativen Angaben als Stellvertrertermetrik für die Qualität der Nachhaltigkeitsberichte fungieren kann, eine Verbindung zu Risikometriken aber nicht gegeben ist.ger
dc.description.abstractSentiment analysis as deriving opinions or emotional content from written documents is an important tool in finance. It is used for prediction of stock markets, prediction of financial risk or distress, and detection of abnormal investor behavior by analyzing companies’ reports, social media posts or news articles. To conduct the analysis, either word lists or machine learning algorithms are used. Taking context of sentence structures into account improves both research methods. This thesis applies these findings by analyzing German Corporate Social Responsibility reports and parts of annual reports to investigate an association with environmental, social and governance rating scores. The aim is to assess sentiment as a risk indicator for these issues. The results indicate that proportional sentiment scores proxy as metric for reporting quality rather than risk.eng
dc.language.isoengnone
dc.publisherHumboldt-Universität zu Berlin
dc.rights(CC BY-NC-ND 3.0 DE) Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschlandger
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de/
dc.subjectStimmungsanalyseger
dc.subjectFinanzwissenschaftger
dc.subjectNachhaltigkeitsberichteger
dc.subjectCSRger
dc.subjectSentiment Analysiseng
dc.subjectFinance Data Scienceeng
dc.subjectNLPeng
dc.subjectSustainabilityeng
dc.subjectSCReng
dc.subject.ddc332 Finanzwirtschaftnone
dc.titleRecent Advancements in Sentiment Analysis in Financenone
dc.typebachelorThesis
dc.identifier.urnurn:nbn:de:kobv:11-110-18452/21636-2
dc.identifier.doihttp://dx.doi.org/10.18452/20866
dc.date.accepted2019-07-28
dc.contributor.refereeLessmann, Stefan
local.edoc.pages68none
local.edoc.type-nameBachelorarbeit
local.edoc.institutionWirtschaftswissenschaftliche Fakultätnone

Show simple item record