Essais en finance d'entreprise basés sur l'analyse textuelle

Essays in corporate finance based on textual analysis

• Auteur / Autrice : Xiaojuan Liu
• Direction : Catherine Casamatta, David Stolin
• Type : Thèse de doctorat
• Discipline(s) : Finance
• Date : Soutenance le 14/09/2023
• Etablissement(s) : Toulouse 1
• Ecole(s) doctorale(s) : École doctorale Sciences de Gestion TSM (Toulouse)
• Partenaire(s) de recherche : Equipe de recherche : TSM Research (Toulouse ; 2012-....)

Mots clés

Mots clés contrôlés

Analyse du discours

Organisation industrielle

Entreprises -- Finances

Mots clés libres

Analyse Textuelle

Classification Industrielle

Fusions et Acquisitions

Similarité de Produits

Impact des Nouvelles sur les Marchés Boursiers

Traitement de Texte Multilingue

Complémentarité des Actifs

Textual Analysis

Industry Classification

Mergers and Acquisitions

Product Similarity

News Impact on Stock Markets

Multi-Lingual Text Processing

Asset Complementarity

Résumé

Ma thèse comprend trois chapitres qui gravitent autour de l'application de l'analyse de données textuelles pour explorer différents aspects de la finance et de l'organisation industrielle. Dans le chapitre 1, j'approfondis le développement d'une classification industrielle mondiale dynamique basée sur le texte, qui surpasse les classifications industrielles traditionnelles en générant des groupes d'entreprises plus cohérents, notammentdans les économies émergentes. Le chapitre 2 examine l'importance de la similarité des produits dans les fusions et acquisitions sur le marché mondial. Pour mesurer la similarité des produits deux à deux, j'utilise des techniques d'analyse textuelle. Enfin, le chapitre 3 explore l'influence des nouvelles provenant de différents pays et langues sur les indices boursiers. En utilisant un ensemble de données exhaustif d'articles de presse et des techniques de traitement de texte multilingues, je vise à évaluer l'impact des nouvelles dans l'explication de la volatilité du marché.

My thesis comprises three chapters that revolve around the application of textual data analysis to explore various aspects of finance and industrial organization. In Chapter 1, I delve into the development of a dynamic global text-based industry classification that outperforms conventional industry classifications by generating more coherent groups of firms, particularly in emerging economies. Chapter 2 investigates the significance of product relatedness in mergers and acquisitions on the global market. To measure pairwise product similarity, I employ textual analysis techniques. Lastly, Chapter 3 explores the influence of news from different countries and languages on stock market indices. By employing a comprehensive dataset of news articles and employing multi-lingual text processing techniques, I aim to evaluate the impact of news in elucidating market volatility.