από τον Γιώργο Λούβαρη, ερευνητή της ομάδας «Οικονομικές Δυναμικές»

Η διάδοση της πληροφορίας αποτελεί σημαντικό και κρίσιμο παράγοντα επηρεασμού των επενδυτικών κινήσεων και καθορισμού των τιμών στα διεθνή χρηματιστήρια.Είναι γεγονός πως η ισχύς μιας επιχείρησης ή ενός οργανισμού σε επενδυτικούς όρους απαιτεί καλή φήμη, θετικά πρόσημα στα οικονομικά χαρακτηριστικά και διαφάνεια, η οποία τονώνει την εμπιστοσύνη των μετόχων της. Η τέταρτη βιομηχανική επανάσταση και η ανάπτυξη των τεχνολογικών μέσων έδωσαν για πρώτη φόρα νέες δυνατότητες και δυναμικές στην μετάδοση της πληροφορίας και την αποδοτικότερη ανάλυση της.

Συγκεκριμένα, τη δεδομένη περίοδο τόσο η ενημέρωση για επενδυτικά θέματα όσο και η αγοραπωλησία μετοχών ή άλλων αξιογράφων πραγματοποιείται από ρομποτικά αυτοματοποιημένες πλατφόρμες. Με αυτόν τον τρόπο, τα στοιχεία ενός οργανισμού ερμηνεύονται άμεσα και δίνουν αποτελέσματα εντός ολίγων δευτερολέπτων, κάτι το οποίο είναι ζωτικής σημασίας για τις σύγχρονες αγορές χρήματος και κεφαλαίου που τρέχουν με καταιγιστικούς ρυθμούς.

Ωστόσο, η νέα αυτή δόμηση της χρηματοοικονομικής πληροφόρησης επιφέρει και νέες προκλήσεις τόσο για την κλασσική αρθρογραφία γύρω από οικονομικά θέματα όσο και για την βέλτιστη εφαρμογή των νέων τεχνολογιών στην λήψη επενδυτικών αποφάσεων. Το βασικό ζήτημα που προκύπτει είναι η διαχείριση της πληροφορίας.

Από την μία πλευρά, σύμφωνα με έρευνες παρατηρείται ότι οι επενδυτές αντιδρούν με μεγαλύτερη ένταση στις αρνητικές ειδήσεις από ότι στις θετικές κάτι που με την ταχύτατη μεταφορά της πληροφορίας προκαλεί ακαριαία ανισορροπία στις αγορές. Από την άλλη, μεγάλο ρόλο στην αστάθεια των αγορών προκαλούν και τα «fakenews» τα οποία με την βοήθεια της σύγχρονης τεχνολογίας αλλά και της κλασσικής αρθρογραφίας διαδίδονται ανεξέλεγκτα προκαλώντας επενδυτικό πανικό και αποσταθεροποίηση των δεικτών.

Υπό αυτό το πρίσμα, είναι αναγκαίο για την επίτευξη γενικότερης ευημερίας και ισορροπίας στον χρηματοοικονομικό τομέα, να αναλυθεί το φαινόμενο της πληροφόρησης σε επενδυτικά θέματα με τέτοιο τρόπο ώστε οι νέες τεχνολογίες θα κατανοηθούν κατάλληλα και η ένταξη τους στην ενημέρωση των διεθνών αγορών να μην διαταράσσει σε μεγάλο βαθμό την ομαλή λειτουργία τους.

Η διάδοση των νέων τεχνολογιών και η απαίτηση για γρήγορη χρηματοοικονομική ενημέρωση

Η δομή των σύγχρονων χρηματοοικονομικών αγορών με την ταχύτητα των συναλλαγών που πραγματοποιούνται, απαιτούν την εξίσου γρήγορη μεταφορά των ειδήσεων και των επενδυτικών πληροφοριών. Σε αυτό το πλαίσιο,σταδιακά τα ειδησεογραφικά δίκτυα εγκαθιστούν τεχνολογικά ανεπτυγμένες πλατφόρμες, ρομποτικά τροποποιημένες μονάδες ή και social media για την γρήγορη ενημέρωση του επενδυτικού κοινού. Χαρακτηριστικά παραδείγματα είναι ο οργανισμός AP, ο οποίος ήδη χρησιμοποιεί ρομπότ για την συλλογή και την επεξεργασία των επιχειρησιακών δεδομένων, ενώBloomberg και άλλα δίκτυα οπτικοποιούν δεδομένα και ειδήσεις σε στατικά και διαδραστικά πληροφοριακά γραφήματα παρέχοντας τα σε συνδρομητές στο Twitter.

Το γεγονός αυτό, σε πρώτη φάση βελτίωσε τις συνθήκες ενημέρωσης για τους επενδυτές αλλά και τις συνθήκες στην κλασσική αρθρογραφία. Σύμφωνα με έρευνα του Forbes, η κλασσική μεθοδολογία συγγραφής αναλύσεων απαιτεί 80% του χρόνου στην συλλογή, επαλήθευση και ενοποίηση δεδομένων και μόνο το υπόλοιπο 20% σε ουσιαστική ανάλυση, ερμηνεία και λήψη αποφάσεων βάσει των στοιχείων.

Ταυτόχρονα, σύμφωνα με στοιχεία του “The Verge” για την AP η εταιρεία μέσω της ρομποτικής αυτοματοποίησης παράγει 3000 τριμηνιαίες αναφορές κερδών για 300 επιχειρήσεις επιτρέποντας στους αρθρογράφους να ασχοληθούν επιτακτικά με ανώτερη ανάλυση για την γρηγορότερη έκδοση σημαντικών στοιχείων για επενδυτές και φορείς.

Η επιρροή των «analytics» στις χρηματιστηριακές τιμές και την επενδυτική συμπεριφορά

Δεύτερος βασικός παράγοντας για την μελέτη των συνεπειών των σύγχρονων δομών ενημέρωσης στις αγορές είναι η επίδραση των ειδήσεων σε επενδυτές και ακολούθως σε τιμές και δείκτες. Τη δεδομένη περίοδο πολλοί επενδυτές, κυρίως θεσμικοί, χρησιμοποιούν υπολογιστικούς αλγορίθμους οι οποίοι αναλύουν αυτόματα αν ένα άρθρο παρέχει θετικές ή αρνητικές πληροφορίες για έναν οργανισμό και τη συσχέτισή του όσον αφορά την αξία ή την οικονομική πορεία μιας επιχείρησης.

Με αυτόν τον τρόπο, πληθώρα δημόσιων πληροφοριών συλλέγονται,ερμηνεύονται και αξιολογούνται περνώντας στο επόμενο στάδιο που είναι οι αυτόματες συναλλαγές. Η αμεσότητα στη μετάδοση πληροφοριών και την λήψη αποφάσεων είναι ικανή να προσδώσει τεράστια πλεονεκτήματα σε μεγάλους επενδυτικούς οργανισμούς αφού τους επιτρέπει με ταχύτητα να λαμβάνουν χρηματοοικονομικές αποφάσεις. Ωστόσο, το πρόβλημα δημιουργείται όταν οι ειδήσεις είναι ανακριβείς με χαρακτηριστικό παράδειγμα τον Απρίλιο του 2013 όταν η «ψεύτικη είδηση»για έκρηξη στον Λευκό Οίκο είχε ως αποτέλεσμα την πτώση ορισμένων αγορών. Συνεπώς, το βασικό ερώτημα που ανακύπτει είναι εάν η χρήση της συγκεκριμένης τεχνολογικής δομή, μέσω της άμεσης συλλογής και ερμηνείας πληροφοριών, προκαλεί πτώσεις στις χρηματοοικονομικές αγορές ανεξάρτητα από το βασικό περιεχόμενο των ειδήσεων που αυτές έχουν.Σύμφωνα με έρευνα των Dow JonesNewswire και World Economic Forum σε δεδομένα της Ravenpack (βασική πάροχο των «news analytics»), για να μελετηθεί η επίδραση ενός άρθρου που συλλέγεται και ερμηνεύεται από τα σύγχρονα «analytics», πρέπει να αξιολογηθεί βάσει δύο χαρακτηριστικών. Το πρώτο είναι η σχετικότητα τόσο των αυθεντικών πληροφοριών όσο και των μετά-πληροφοριών, που προκύπτουν από την επεξεργασία των αλγορίθμων, με τα οικονομικά στοιχεία ενός οργανισμού, ενώ το δεύτερο είναι ο χαρακτηρισμός του περιεχομένου ως αρνητικό ή θετικό ανάλογα με τα στοιχεία που παρέχει για τον οργανισμό. Με αυτόν τον τρόπο τα άρθρα αξιολογημένα από τους αλγορίθμους (μετά-πληροφορίες) χωρίζονται σε τρεις βασικές κατηγορίες:

  • Τα HRH των οποίων το περιεχόμενο είναι σχετικό με κάποιον οργανισμό και εκδόθηκαν ως άρθρο σχετικό με τον οργανισμό.
  • Τα HRL των οποίων το περιεχόμενο είναι σχετικό με κάποιον οργανισμό και εκδόθηκαν ως άρθρο μη σχετικό με τον οργανισμό.
  • Τα LRH των οποίων το περιεχόμενο είναι μη σχετικό με κάποιον οργανισμό και εκδόθηκαν ως άρθρο σχετικό με τον οργανισμό.

Η πραγματική σχετικότητα ενός άρθρου βρίσκεται μετά το “R” και εντοπίζεται μέσω της καινούργιας διορθωμένης έκδοσης του Ravenpack, ενώ αντίθετα πριν από το “R” βρίσκεται η μετά-πληροφορία που αντιμετώπισε σε πραγματικά δεδομένα η αγορά. Μέσω αυτής της διάκρισης παρατηρούμε ότι τα άρθρα HRH και HRL έχουν κοινό μετά-πληροφοριακό περιεχόμενο ενώ ταυτόχρονα τα HRH θα έπρεπε να έχουν μεγαλύτερη επίδραση στις τιμές της μετοχής μιας εταιρείας λ.χ. μιας και δημιουργήθηκαν ως σχετικά με τα οικονομικά στοιχεία της εν λόγω εταιρείας. Όσον αφορά τα LRH, αν και το περιεχόμενο μέσω των «analytics» σηματοδοτεί μικρή αντίδραση στις τιμές, πρακτικά θα έπρεπε να επιδρά σημαντικά αφού το περιεχόμενο του γνήσιου άρθρου έχει σχέση με την αξία της επιχείρησης. Συνεπώς, μέσω αυτής της έρευνας διαπιστώνεται πως οι υπερβολικές αντιδράσεις στην αγορά εξαιτίας των μετά-πληροφοριών στις αυτόματες συναλλαγές κλονίζουν τις αγορές μέχρις ότου η αγορά ισορροπήσει από την συμμετοχή των επενδυτών που αξιολογούν ορθά τις ειδήσεις.

Πιο συγκεκριμένα, τα στοιχεία της έρευνας εστιάζουν στις αντιδράσεις των επενδυτών σε αληθή ή ψευδή αρνητικά άρθρα με βάση τις παραμέτρους τιμή, όγκο συναλλαγών και ρευστότητα. Κοινός παρονομαστής και των τριών κατηγοριών είναι πως 5 δευτερόλεπτα μετά την έκδοση ενός άρθρου παρατηρείται πώς είτε το περιεχόμενο του έχει σχέση με την επιχείρηση της οποίας μετοχή διαπραγματεύονται είτε όχι, οι αντιδράσεις των επενδυτών είναι απότομες. Αναλυτικά, οι διακυμάνσεις αντιδράσεων των algorithmic traders φαίνεται να είναι μεγαλύτερες για άρθρα τύπου HRH συγκριτικά με HRL, ως σχετικά σε ρεαλιστικά δεδομένα, ωστόσο έντονες είναι οι αντιδράσεις ακόμα και σε LRH, για τα οποία φαινομενικά δεν θα έπρεπε να υπάρχουν αντιδράσεις,μέχρι να εξισορροπήσει η κατάσταση από human traders.

Συμπερασματικά, διαπιστώνεται ότι οι αλγοριθμικές συναλλαγές με τη χρήση «news analytics» επηρεάζει την αποτελεσματικότητα της αγοράς μια και αφορά θεσμικούς επενδυτές που ελέγχουν το μεγαλύτερο μέρος του όγκου συναλλαγών.

Η αντίδραση διαφορετικών τύπων επενδυτών στις ειδήσεις

Παράλληλα με την ύπαρξη νέων τεχνολογιών στην χρηματοοικονομική πληροφόρηση και συναλλαγή, σημαντικός συντελεστής στην επενδυτική αντίδραση εξαιτίας των ειδήσεων είναι και ο τύπος κάθε επενδυτή. Σύμφωνα με έρευνα των Fabrizio Lillo, Salvatore Micciche, Michele Tumminellod, Jyrki Piilof και Rosario N. Mantegna η αντιδράσεις των επενδυτών όσον αφορά τις ειδήσεις εξαρτάται από ενδογενείς και εξωγενείς παράγοντες ανάλογα με τον τύπο που αντιπροσωπεύουν.

Στην ανάλυση τους οι  ενδογενείς παράγοντες (αποδόσεις που αναμένουν και η μεταβλητότητα του χαρακτήρα τους) με τους εξωγενείς παράγοντες (πλήθος των νέων άρθρων και το αρνητικό ή θετικό συναίσθημα που αυτά προκαλούν για τα οικονομικά αποτελέσματα που παρέχουν) συσχετιζόμενοι, επιφέρουν διαφορετικές αντιδράσεις σε διαφορετικές ομάδες επενδυτών.

Συγκεκριμένα, διαπιστώνεται πως κυβερνητικές και μη κερδοσκοπικές οργανώσεις δεν είναι ιδιαίτερα ευαίσθητες στα νέα,τις αποδόσεις ή την εκρηκτικότητα τους και οι αντιδράσεις τους σχετίζονται περισσότερο με την ειδησεογραφία παρά με τους ενδογενείς παράγοντες.

Από την άλλη, τα νοικοκυριά και οι επιχειρήσεις είναι ευαίσθητα και στις δύο κατηγορίες παραγόντων, ενώ είναι μεγαλύτερη η εξάρτηση των αντιδράσεων από τις αποδόσεις και τη μεταβλητότητα συγκριτικά με την εξάρτηση από τα νέα. Τέλος, οι χρηματοοικονομικοί και ξένοι οργανισμοί φαίνεται να βρίσκονται ανάμεσα στα δύο σενάρια και η αντίδραση τους να συσχετίζεται και με τις δύο κατηγορίες παραγόντων.

«Microblogging», «StockTwits» και επενδυτική συμπεριφορά

Οι επενδυτικές αποφάσεις και συνεπώς οι μεταβολές στις χρηματιστηριακές τιμές βασίζονται, σε μεγάλο βαθμό, στην επικοινωνία και αλληλεπίδραση μεταξύ των επενδυτών. Η πρακτική αυτή, παλιότερα εφαρμοζόταν δύσκολα μια και η ταυτόχρονη επαφή με χιλιάδες επενδυτές ανά τον κόσμο ήταν αδύνατη και συνεπώς αποκλειόταν ο παράγοντας της επιρροής των αγορών. Στη σύγχρονη εποχή ωστόσο, οι ανεπτυγμένες τεχνολογικές δομές και το διαδίκτυο επιτρέπουν την ανάδυση μέσων για «ενδοεπενδυτική» επικοινωνία.Χαρακτηριστικότερο παράδειγμα αυτής είναι το γνωστό microblogging μέσα από πλατφόρμες όπως τη StockTwits. Η πλατφόρμα αυτή, σχεδιάστηκε με σκοπό να αποτελέσει τη «γέφυρα» ανταλλαγής ιδεών ανάμεσα σε επενδυτές, εμπόρους και επιχειρηματίες γύρω από χρηματοοικονομικά προϊόντα και ζητήματα. Επιπλέον, βασική λειτουργία της εφαρμογής είναι η αναζήτηση πληροφοριών μέσω Cashtags. Πιο συγκεκριμένα, οι επενδυτές χρησιμοποιώντας μοναδικά ονόματα της μορφής $Cashtag (π.χ. $AAPL, $BABA) έχουν τη δυνατότητα να παρακολουθούν στα μηνύματα της StockTwits τα αντίστοιχα χρηματοοικονομικά περιουσιακά στοιχεία των εταιρειών και γνώμες άλλων επενδυτών γι’ αυτές.

Το θεμελιώδες, λοιπόν, ζήτημα που δημιουργείται είναι κατά πόσο τέτοιες πλατφόρμες ενημέρωσης καθορίζουν τις αποφάσεις των επενδυτών και κατ’ επέκταση τις χρηματοοικονομικές αγορές. Τις παραμέτρους για τον βαθμό επίδρασης τις δίνουν, σε σημαντικό βαθμό, ερευνητές στην ανάλυση «The Interaction Between Microblog Sentiment and Stock Return: An Empirical Examination» που δημοσιεύτηκε στο MIS Quarterly.

Σύμφωνα με αυτή τη προσέγγιση, το κύριο χαρακτηριστικό πλατφορμών όπως η StockTwits είναι πως όσο μπορούν οι χρήστες να προβλέψουν τις αποδόσεις των μετοχών τόσο μπορούν να επηρεαστούν από παλιότερες αποδόσεις των αντίστοιχων μετοχών. Πρακτικά αυτό σημαίνει πως η άποψη που θα παρουσιάσουν μέσω των Cashtags για την πορεία μιας μετοχής θα κυμαίνεται έντονα από τα παλιότερα αποτελέσματα της ίδιας.

Πιο συγκεκριμένα, οι αναλυτές αυτής της έκθεσης, εντόπισαν έπειτα από ανάλυση των 44 διασημότερων μετοχών της πλατφόρμας και 18 εκατομμυρίων μηνυμάτων της πλατφόρμας πως η σχέση μεταξύ συναισθημάτων που το microblogging προκαλεί και αποδόσεων είναι υπαρκτή. Διαχωρίζοντας τα συναισθήματα που τα μηνύματα της πλατφόρμας επιφέρει σε αρνητικά, θετικά και ουδέτερα παρατηρείται πως η αρνητική αντίδραση των επενδυτών μέσα από μηνύματα στη StockTwits έπειτα από αρνητικές αποδόσεις μιας μετοχής είναι σαφώς εντονότερη από την θετική περίπτωση.

Την ίδια στιγμή, όμως, γίνεται αντιληπτό από την δεδομένη έρευνα πως μόνο οι αρνητικές αντιδράσεις δύνανται να προβλέψουν με επάρκεια τις ημερήσιες αποδόσεις των μετοχών. Χαρακτηριστικό παράδειγμα που προβάλλεται μέσα από blog του LSE είναι πως 1% αύξηση σε αρνητικό συναίσθημα φαίνεται να συνεπάγεται 0,03% πτώση των αποδόσεων.

Μέσα από αυτή την προσέγγιση οδηγούμαστε σε δύο βασικά συμπεράσματα. Πρώτον, η ανάλυση των μηνυμάτων Stock Twits φανερώνει πως οι σύγχρονες τεχνολογικές εφαρμογές για χρηματοοικονομική ενημέρωση επιδρούν σημαντικά τόσο στη κίνηση των δεικτών της αγοράς όσο και στη λήψη επενδυτικών στρατηγικών για συγκεκριμένες υποομάδες προσώπων.

Αυτές οι υποομάδες επενδυτών είναι και το δεύτερο κύριο συμπέρασμα μια και αποδεικνύεται πως οι αντιδράσεις στις αποφάσεις εξαρτάται σε σημαντικό βαθμό από τον τύπο του επενδυτή. Πιο συγκεκριμένα, το γεγονός πως οι προβλέψεις αφορούν ημερήσιες αποδόσεις έγκειται στο ότι η υψηλής ταχύτητας ενημέρωση από microblogs αφορά intradaytraders (επενδυτές που πραγματοποιούν τις συναλλαγές τους στο πλαίσιο της ίδιας ημέρας) και αντανακλά τις απόψεις τους για την αγορά.

Επιπλέον, η ισχυρότερη επίδραση των αρνητικών επενδυτικών συναισθημάτων συγκριτικά με τα θετικά εξηγείται από τη συμπεριφορά των noise traders (επενδυτές που χωρίς τη βοήθεια επαγγελματικών συμβουλών για τις αποφάσεις ακολουθούν τις επενδυτικές τάσεις), η οποία είναι ευαίσθητη περισσότερο στις ζημίες και λιγότερο στα κέρδη.

Fake news και διεθνείς αγορές

Η σύγχρονη ενημέρωση για χρηματοοικονομικά θέματα απαρτίζεται από πληθώρα πηγών και ταχύτατη διάδοση της πληροφορίας. Υπό αυτό το πρίσμα και δεδομένου πως οι συμπεριφορές των επενδυτών σε αρνητικές ειδήσεις είναι έντονη και προκαλεί ξαφνικές αντιδράσεις στις αποφάσεις τους, γίνεται αντιληπτό πως ο κίνδυνος των «fakenews» επιφέρει αναταραχές στην ισορροπία των αγορών.

Οι εκατομμύρια ειδήσεις που αφορούν επιχειρήσεις, μετοχικούς δείκτες και συναλλαγές και μεταδίδονται στο διαδίκτυο, τις περισσότερες φορές, είναι αδύνατο να αξιολογηθούν ως προς την εγκυρότητά τους. Εκτενέστερη ανάλυση επί του θέματος πραγματοποιεί η ερευνητική ομάδα του Yale University με συντονιστές τους Marina Niessner and Tobias Moskowitz, οι οποίοι συλλέγουν άρθρα, τα ταξινομούν σε έγκυρα και μη και εντοπίζουν τις συνέπειες τους στις τιμές των μετοχών.

Πιο συγκεκριμένα, η έρευνα τους εστιάζει σε ψεύτικες αναφορές και ειδήσεις για μικρές, μεσαίες και μεγάλες επιχειρήσεις. Η επίδραση στις μικρές έφτασε κατά μέσο όρο αύξηση κατά 7% στις τιμές των μετοχών τους επί 6 μήνες και πτώση στη συνέχεια. Στις μεσαίες επιχειρήσεις παρατηρήθηκε πτώση 5% στις τιμές τους με την επίδραση των «fake news» να περιορίζει μια κατακόρυφη πτώση. Τέλος, η επίδραση στις μεγάλες επιχειρήσεις είναι σημαντικά μικρότερη μια και η ύπαρξη αναλυτών που εποπτεύουν τη πορεία των εν λόγω εταιρειών αποτελεί καταλυτικό παράγοντα της αντίδρασης των επενδυτών στα ψεύτικα νέα.

Συμπερασματικά, η έρευνα καταλήγει πως τα «fake news», αφού επιδράσουν στις διεθνείς αγορές και μεταβάλλουν τις τιμές των μετοχών, επηρεάζουν την εμπιστοσύνη των επενδυτών ακόμα και για αληθινά άρθρα την περίοδο μετά την αποκάλυψη τους προκαλώντας γενική αστάθεια στις αγοραίες ισορροπίες

Συμπεράσματα και προτάσεις

Οι σύγχρονες δομές ενημέρωσης, λοιπόν, φαίνεται να αποτελούν μεγάλη πρόκληση.Αυτή την πρόκληση θα πρέπει οι διεθνείς αγορές και οι επενδυτές είναι αναγκαίο να διαχειριστούν και να χρησιμοποιήσουν προς όφελός τους. Η ψηφιακή εποχή του διαδικτύου προσφέρει όγκο πληροφοριών, ελεύθερη και ταχύτατη πρόσβαση σε αυτές και ευκαιρία για αυτοματοποίηση των επιλογών ώστε οι συναλλαγές να πραγματοποιούνται με μεγαλύτερη ευκολία και ασφάλεια.

Η διαδικασία συλλογής, επεξεργασίας και ανάλυσης των χρηματοοικονομικών πληροφοριών φαίνεται, ήδη από τα περισσότερα ειδησεογραφικά δίκτυα, να αντικαθίσταται από ρομποτικές πλατφόρμες που εξάγουν χρήσιμα συμπεράσματα ενώ, ταυτόχρονα, η επικοινωνία και ανταλλαγή απόψεων μεταξύ επενδυτών πραγματοποιείται σε δευτερόλεπτα εκμηδενίζοντας τις αποστάσεις.

Ωστόσο, τα όσα θετικά προκύπτουν από τις σύγχρονες δομές και την αυτοματοποίηση ελλοχεύουν κινδύνους όσον αφορά την ισορροπία των αγορών και την ορθότητα των επενδυτικών αποφάσεων βάσει των στοιχείων ενημέρωσης τους.

Πιο συγκεκριμένα, οι καθημερινές αντιδράσεις του σημερινού επενδυτή καθορίζονται σε μεγάλο βαθμό από όρους όπως «analytics», «microblogging» και «fake news». Στο νέο τεχνολογικά ανεπτυγμένο περιβάλλον βασικός παράγοντας της χρηματοοικονομικής πληροφόρησης είναι η  ταχύτητα και οι διαφορετικές αντιδράσεις. Η διαφορά στις συμπεριφορές έγκειται σε διαφορετικούς τύπους επενδυτών ή οργανισμών, μέσα ενημέρωσης, συναισθήματα που οι ειδήσεις προκαλούν και βαθμό εγκυρότητας τους.

Έτσι, οι σύγχρονες χρηματοοικονομικές αγορές βρίσκονται αντιμέτωπες με ένα πολυπρισματικό φαινόμενο που τόσο οι θετικές όσο και οι αρνητικές εστίες που δημιουργεί είναι σε μεγάλο βαθμό εξαρτώμενες από τα χαρακτηριστικά στοιχεία των μελών που συμμετέχουν στη πληροφόρηση και τις συναλλαγές.

Καταλήγοντας, γίνεται αντιληπτό πως η συνεχής ανάπτυξη των τεχνολογικών δομών πληροφόρησης συνεπάγεται νέα μέσα ενημέρωσης άρα και περισσότερες προκλήσεις για το σύγχρονο χρηματοοικονομικό σύστημα. Η βιωσιμότητα και η διασφάλιση του συστήματος αυτού απαιτεί την ορθή ενημέρωση των επενδυτών, μη παραπλανητικά μέσα και εποπτικούς μηχανισμούς για τον έλεγχο της εγκυρότητας και σημαντικότητας των ειδήσεων ως προς τις χρηματοοικονομικές πληροφορίες που εκθέτει.

Η έλλειψη ελέγχου της ποιότητα στη μετάδοση ειδήσεων δύναται εύκολα να οδηγήσει σε γενική αστάθεια τους αγοραίους δείκτες και συνεπώς να κλονίσει την εμπιστοσύνη των επενδυτών και τις διεθνείς συναλλαγές εν γένει.

Βιβλιογραφία

[1] JEFF JOHN ROBERTS (2016).As Computers Drive Financial News, Journalists Pick Up the Pieces, Fortune, Available here [Accessed 8 Feb. 2019]

[2] WILL OREMUS (2015). Why Robot?, Slate, Available here[Accessed 8 Feb. 2019]

[3] Patrick Taylor (2018). The Robots Are Coming To Corporate Finance, Forbes, Available here[Accessed 8 Feb. 2019]

[4] Bloomberg (2014). Trending on Twitter: Social Sentiment Analytics, Available here[Accessed 8 Feb. 2019]

[5] Bastian Von Beschwitz (2015). How does news analytics affect the stock market?, World Economic Forum, Available here[Accessed 8 Feb. 2019]

[6] Fabrizio Lillo, Salvatore Miccich`e, Michele Tumminellod, Jyrki Piilof, Rosario N. Mantegna (2012). How news affect the trading behavior of different categories of investors in a financial market, Research Gate, Available here[Accessed 8 Feb. 2019]

[7] LSE (2018). Can social media sentiment affect stock market performance?, Available here[Accessed 8 Feb. 2019]

[8] Shuyuan Deng, Zhijian (James) Huang, Atish P Sinha, Huimin Zhao (2017). The Interaction between Microblog Sentiment and Stock Return: An Empirical Examination, SSRN, Available here[Accessed 8 Feb. 2019]

[9] JAMES CHEN (2018). Intraday, Investopedia, Available here[Accessed 8 Feb. 2019]

[10] JAMES CHEN (2018). Noise Trader, Investopedia, Available here[Accessed 8 Feb. 2019]

[11] MARINA NIESSNER (2018). Does Fake News Sway Financial Markets?, Yale insights, Available here[Accessed 8 Feb. 2019]

[12] Sweeny Kumar (2018). The Effect of News and Media on Stock Market Moves, Value Walk, Available here[Accessed 8 Feb. 2019]