کشف تأثیر سیگنال‌های خبری بر عملکرد روزانه بازار سهام: یک تحلیل اقتصادسنجی

عنوان فارسی مقاله:کشف تأثیر سیگنال‌های خبری بر عملکرد روزانه بازار سهام: یک تحلیل اقتصادسنجی

چکیده

بازارهای سهام در کشورهای در حال توسعه به شدت به اخبار و رویدادها واکنش نشان می‌دهند. تحقیق ما تأثیر شرایط اقتصادی، سیاست‌های مالی و سیاست را بر شاخص KSE-100 از طریق سیگنال‌های اخبار بازار روزانه بررسی می‌کند. با استفاده از رگرسیون OLS ساده و روش‌های رگرسیون ARCH/GARCH، بهترین مدل را برای تجزیه و تحلیل تعیین می‌کنیم. نتایج نشان می‌دهد که اخبار سیاسی و جهانی تأثیر معنی داری بر شاخص KSE-100 دارد. سهام بلو چیپ سرمایه گذاری امن‌تری در نظر گرفته می‌شود، در حالی که واکنش‌های وحشت آمیز و مبتنی بر ترس کوتاه مدت اغلب تصمیم گیری منطقی در بازار سهام را تحت الشعاع قرار می‌دهد. سرمایه گذاران تمایل دارند به سرعت به اخبار منفی واکنش نشان دهند و لذا ریسک گریزتر هستند. یافته‌های ما نشان می‌دهد که مدل‌های ARCH/GARCH در پیش‌بینی نوسانات بازار سهام در مقایسه با روش ساده OLS بهتر هستند.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Uncovering the Effect of News Signals on Daily Stock Market Performance: An Econometric Analysis

Abstract

The stock markets in developing countries are highly responsive to breaking news and events. Our research explores the impact of economic conditions, financial policies, and politics on the KSE-100 index through daily market news signals. Utilizing simple OLS regression and ARCH/GARCH regression methods, we determine the best model for analysis. The results reveal that political and global news has a significant impact on KSE-100 index. Blue chip stocks are considered safer investments, while short-term panic responses often overshadow rational decision-making in the stock market. Investors tend to quickly react to negative news, making them risk-averse. Our findings suggest that the ARCH/GARCH models are better at predicting stock market fluctuations compared to the simple OLS method.