LLM-basierter Sentiment-Faktor im Aktienmarkt
Ein mithilfe von Large-Language-Models aus Finanztexten konstruierter High-Low-Sentiment-Faktor trägt signifikant zur Erklärung der Querschnittsrenditen von US-Aktien bei, zeigt ein Research Paper von Francesco Audrino und Jule Schüttler von der Universität St. Gallen sowie Fabio Sigrist von der ETH Zürich. Untersucht werden US-Aktien aus dem CRSP-Universum im Zeitraum 2012 bis 2019. Es werden drei Textquellen genutzt, um unterschiedliche Investorengruppen abzudecken: Earnings-Call-Transkripte von Seeking Alpha, Nachrichten-Headlines (und Subheadlines) von Bloomberg sowie Tweets von StockTwits. Ein zentrales methodisches Novum besteht darin, dass die Sentiment-Labels vollständig datengetrieben aus Kapitalmarktdaten abgeleitet werden und damit auf menschliche Annotation verzichtet wird; Sentiment-Analyse und Renditebezug werden so in einem einzigen, integrierten Schritt verknüpft.
Für das Sentiment-Labeling wird jedem Text die Überschussrendite des zugehörigen Unternehmens am nächsten Handelstag zugeordnet, bereinigt um die fünf Fama-French-Faktoren. Diese kontinuierlichen Werte werden in drei Klassen (low, middle, high) transformiert, basierend auf der täglichen Querschnittsverteilung. Die vorhergesagten Sentiment-Klassen werden auf Unternehmensebene täglich aggregiert. Daraus entstehen High- und Low-Sentiment-Portfolios. Zunächst wird geprüft, ob sich die Überschussrenditen der Portfolios unterscheiden. Für gleichgewichtete Portfolios zeigt sich, dass Low-Sentiment-Aktien signifikant negative Folgerenditen aufweisen, während High-Sentiment-Aktien keine positiven Folgerenditen liefern. Der High-Low-Unterschied ist dennoch positiv und signifikant zum Niveau von 1 %; bei wertgewichteten Portfolios verschwindet der Effekt.
Quelle: Audrino, Schüttler, Sigrist, 2024
Anschließend wird ein High-Low-Sentiment-Faktor konstruiert und in multifaktoriellen Regressionen getestet. Der Faktor weist ein signifikantes Alpha auf, auch unter Berücksichtigung der Fama-French-Fünf-Faktoren und des Momentum-Faktors. Abschließend wird eine Long/Short-Handelsstrategie analysiert. Die Ergebnisse zeigen eine durchschnittliche annualisierte Rendite von 35,6 % bei einer Sharpe Ratio von 2,2 und bleiben auch nach Abzug der Transaktionskosten profitabel. Die Ertragskraft der Strategie stammt dabei nahezu vollständig aus der Short-Position in niedrigen Sentiment-Titeln, während der Long-Teil keinen eigenständigen positiven Renditebeitrag leistet.
Quelle: Audrino, Schüttler, Sigrist, 2024
Absolut Research unterstützt institutionelle Investoren bei der Bewertung von Mandaten und der Selektion neuer Asset Manager mit der monatlich erscheinenden Publikationsreihe Absolut|ranking und den 360-Grad-Analysen (Peer-/ Benchmark-/ Factor-/ Asset-Flow-/ Persistence-Analysen). Insgesamt analysiert Absolut|ranking mehr als 16.000 aktive und passive Strategien von 2.000 Asset Managern, aufgeteilt auf 36 Assetklassen und Marktsegmente sowie mehr als 200 Universen. Individuelle Mandate und Spezialfonds können ebenfalls untersucht werden.
