金融智能与证券市场
金融科技在证券行业中的应用
金融科技在证券行业中的应用随着科技的不断发展和创新，金融科技（FinTech）正逐渐渗透到各个行业，其中证券行业也不例外。
金融科技的出现为证券行业带来了一系列的变革和机遇。
在本文中，我们将探讨金融科技在证券行业中的应用，并分析其对行业的影响。
一、交易与结算金融科技的首要应用在于改进证券交易和结算系统。
传统的证券交易需要通过纸质交易单和电话进行操作，效率低下且容易出现错误。
而金融科技的应用可以实现电子交易，并将交易数据实时同步到系统中，大大提高了交易的速度和准确性。
同时，通过金融科技的支持，结算系统也得以快速自动化，避免了传统手工结算带来的错误和延迟。
二、数据分析和风险管理金融科技的另一个重要应用是数据分析和风险管理。
证券行业需要处理大量的交易数据和市场信息，以便进行决策和风险评估。
利用金融科技，可以建立强大的数据分析平台，对交易数据进行实时监控和分析，帮助投资者进行决策。
同时，金融科技还可以借助人工智能（AI）和机器学习（Machine Learning）技术，提供更准确的风险评估模型，从而帮助证券公司更好地管理风险。
三、智能投顾和自动化交易金融科技还催生了新型的投资模式，如智能投顾和自动化交易。
智能投顾是指利用算法和人工智能技术为投资者提供个性化的投资建议和组合配置。
与传统的人工投顾相比，智能投顾能够更加高效地进行投资组合优化，并根据投资者的风险偏好和目标制定个性化的投资方案。
另外，自动化交易则是利用预设的交易规则和算法进行交易操作，无需人工干预。
它能够快速捕捉市场机会，并自动执行交易，提高交易效率和减少错误。
四、区块链与数字资产金融科技中的另一个热门领域是区块链技术的应用。
区块链是一种去中心化的、安全可靠的分布式账本技术，可以用于证券交易的结算和记录。
通过区块链，证券交易可以实现实时清算，同时保护交易数据的安全和隐私。
此外，金融科技也推动了数字资产的发展，如加密货币和代币化证券等。
数字资产的出现为证券行业带来了新的资金来源和投资机会。
金融科技在证券业中的应用研究
金融科技在证券业中的应用研究随着技术的不断发展，金融业也在经历着巨大的变革。
金融科技（FinTech）作为一种新兴的金融形态，正在引领着金融行业的创新。
证券业作为金融行业中的重要一环，同样对金融科技有所关注，也在逐渐地将其应用于证券交易中。
本文主要讨论金融科技在证券业中的应用研究。
一、金融科技在证券业中的影响1. 提升操作效率金融科技在证券业中的应用，可以将证券交易变得更加高效。
传统的证券交易中需要复杂的手续和等待时间，而金融科技则可以通过自动化和智能化技术，将证券交易变得更加简单和快速。
例如，利用智能合约技术，可以自动执行交易流程，无需人工干预，从而提升证券交易的效率。
2. 增加客户体验金融科技还可以在证券交易中增加客户体验。
通过移动端和网络科技的应用，可以让客户随时随地进行证券交易。
同时，金融科技也可以提供更加丰富的证券信息和分析工具，帮助客户更好地理解和把握证券市场，提高投资成功率。
3. 降低成本金融科技还可以降低证券交易的成本。
传统证券交易中，需要支付交易费用、佣金等，而金融科技可以通过自动化和智能化技术，降低交易成本。
同时，金融科技还可以提供更加精确的风险控制和监管，从而降低证券交易的风险和成本。
二、金融科技在证券业中的创新应用1. 量化交易量化交易是一种基于大量数据和算法的交易策略，通过深入分析证券市场和历史数据，采用自动化交易系统进行投资，从而提高交易的成功率。
通过整合大数据和人工智能技术，量化交易成为了金融科技在证券业中的一大亮点。
2. 区块链技术区块链技术是一种去中心化的分布式账本技术，它的出现和发展，极大地改变了金融交易模式。
在证券交易领域中运用区块链技术可以去除人类中介，保护隐私并提高交易速度。
同时，还可以实现更加高效的结算和清算，并增强对投资方的跟踪和管理。
3. 人工智能人工智能（AI）可以在证券行业中实现更加智能化的决策和预测。
利用大数据和AI技术可以对市场进行更加准确和全面的预测，为投资者提供更加诚信透明的服务，提升投资者的信任度。
人工智能+金融在证券投资领域应用
人工智能+金融在证券投资领域应用随着人工智能技术的飞速发展，其在金融领域的应用也在不断增加。
特别是在证券投资领域，人工智能技术已经开始发挥越来越重要的作用。
通过人工智能技术，投资者可以更加准确地分析市场信息，提高投资决策的准确性和效率。
本文将探讨人工智能技术在证券投资领域的具体应用，并分析其对投资策略的影响。
1. 数据分析与预测在证券投资领域，数据分析和预测是非常重要的，投资者需要了解各种市场信息并作出相应的决策。
人工智能技术可以帮助投资者更加准确地分析大量的市场数据，包括股票价格、交易量、公司财务报表等信息。
通过人工智能技术，投资者可以更好地发现市场数据之间的关联性和规律性，并进行更精准的预测。
利用机器学习算法可以根据历史数据预测股票价格的走势，帮助投资者制定更合理的投资策略。
2. 风险管理在证券投资中，风险管理是至关重要的，投资者需要及时识别和控制风险，以防止损失。
人工智能技术可以帮助投资者更好地识别各种潜在风险，并及时采取相应的措施。
利用人工智能技术可以对市场风险进行更加精准的监测和评估，帮助投资者及时调整投资组合，降低风险水平。
人工智能技术还可以通过分析大量的市场数据，发现各种投资策略的风险和收益潜力，帮助投资者选择更合适的投资方向。
3. 情绪分析在证券市场中，投资者的情绪经常会影响股票价格的波动。
人工智能技术可以帮助投资者更好地分析市场参与者的情绪变化，并及时作出相应的决策。
利用自然语言处理技术可以对新闻、社交媒体等信息进行情绪分析，帮助投资者更好地把握市场情绪的变化，并及时调整投资策略。
二、人工智能对投资策略的影响1. 提高决策的准确性人工智能技术可以帮助投资者更加准确地分析市场信息，提高投资决策的准确性。
通过对大量的市场数据进行分析和预测，人工智能可以帮助投资者更好地把握市场走势，及时作出相应的投资决策。
与传统的基于经验和直觉的投资决策相比，基于人工智能技术的投资决策更加科学和准确，可以有效降低投资风险，提高投资收益。
金融科技对证券行业的影响
金融科技对证券行业的影响随着科技的快速发展和金融行业的不断创新，金融科技（Fintech）已经成为了当前的热门话题。
金融科技的出现对各个领域的金融业务都产生了深远的影响，其中证券行业也不例外。
本文将探讨金融科技对证券行业所带来的影响以及相关的发展趋势。
一、金融科技改变了证券交易模式传统的证券交易模式通常采用交易所进行股票的买卖，而随着金融科技的发展，电子交易平台和互联网证券公司的兴起改变了这一情景。
这些新兴的金融科技公司提供了更加便捷、高效的证券交易服务，投资者可以通过网络直接进行买卖，大大缩短了交易时间和交易成本，提高了交易的灵活性和便利性。
二、金融科技推动了证券市场的数字化转型金融科技的迅猛发展促使证券市场开始数字化转型。
通过云计算、大数据分析等技术手段，证券公司可以更好地管理和分析客户数据，为投资者提供个性化的投资建议和服务。
同时，数字化技术还使得证券市场的监管更加高效，可以更及时地发现和纠正市场的异常波动，保护投资者的权益。
三、金融科技促进了证券公司的创新与变革传统的证券公司通常面临着行政审批繁琐、效率低下等问题，而金融科技的发展为证券公司带来了更多的创新机会。
由于金融科技的应用，许多传统证券公司开始转型，优化流程并提高效率。
同时，一些新型金融科技公司通过引入更先进的技术手段，如区块链、人工智能等，以改善交易结算、风险管理等方面的问题。
四、金融科技带来了证券投资方式的多样化金融科技的出现让更多的人能够参与证券投资，降低了投资门槛。
在过去，证券交易主要面向机构投资者和高净值人群，而如今，通过手机应用等金融科技工具，个人投资者可以直接购买和交易股票、基金等证券品种。
这种多样化的投资方式使得个人投资者有更多的选择和机会，也为证券市场的发展带来了新的活力。
五、金融科技带来了证券行业的风险与挑战尽管金融科技在证券行业带来了诸多机遇，但也面临着一些风险与挑战。
例如，网络安全问题成为金融科技发展的头等问题，证券公司需要加强信息安全保护，防范黑客攻击和数据泄露等安全风险。
人工智能+金融在证券投资领域应用
人工智能+金融在证券投资领域应用1. 引言1.1 人工智能与金融的结合人工智能与金融的结合意味着将先进的人工智能技术应用于金融领域，为证券投资提供更有效的解决方案。
随着人工智能技术的不断发展和完善，金融领域也逐渐意识到人工智能在提高决策效率、降低风险和创造更多投资机会方面的潜力。
人工智能技术可以通过大数据分析、机器学习和深度学习等方法，实现对海量金融数据的快速处理和有效利用，为投资者提供更加精准的信息和预测。
人工智能还可以帮助识别和分析市场趋势，优化资产配置，提高投资回报率。
通过人工智能技术的引入，金融机构可以更好地应对市场波动和风险，提升整体竞争力。
人工智能与金融的结合必将为证券投资领域带来新的发展机遇和挑战，为投资者提供更智能、高效的投资服务。
1.2 证券投资领域的重要性证券投资领域是金融市场中的重要组成部分，其在资本市场发展和经济运行中扮演着至关重要的角色。
证券投资是指投资者通过购买股票、债券、基金等金融工具来获取收益的行为，是市场上资金配置和风险管理的核心活动之一。
证券投资领域的重要性体现在多个方面。
证券投资为企业融资提供了重要的渠道，通过发行股票和债券，企业能够吸引资金用于扩大生产、创新技术和拓展市场。
证券市场的稳定和发展对经济的健康发展至关重要。
证券市场的繁荣为资本的流动提供了便利，推动了企业的发展和经济的增长。
证券投资领域也是投资者获取收益的主要途径。
通过在股票、债券等证券品种中投资，投资者可以实现资产增值，实现自身财务目标。
证券市场也为投资者提供了风险分散的机会，通过投资多种资产，可以实现投资组合的有效配置，降低投资风险。
证券投资领域在经济和金融体系中的地位举足轻重，其发展和稳定对经济增长和资本运作具有重要意义。
人工智能技朧在证券投资领域的应用将进一步提升投资效率和风险管理水平，推动证券市场的创新与发展。
2. 正文2.1 人工智能在证券投资中的应用人工智能在证券投资中的应用是当前金融科技领域的热门话题之一。
人工智能在证券交易中的应用
人工智能在证券交易中的应用人工智能(AI)的发展已经深刻影响和改变了现代金融行业各领域。
在证券交易中，AI不仅可以提高交易效率和精准度，还可以降低风险和成本。
本文从数据分析、量化投资和高频交易三个方面，分别探讨了人工智能在证券交易中的应用。
一、数据分析在证券交易中，数据分析是至关重要的环节。
传统的证券市场数据分析是通过人工方式进行，因此存在着许多问题，如效率低、误差率高等。
而AI可以将复杂的数据可视化并转化为实际操作。
通过人工智能的技术手段，大量的数据可以被收集和处理，进而建立各种股票指标模型，预测股票市场的走势。
这种人工智能模型可以比传统的模型更精准地预测市场行情，提供有依据的投资决策。
二、量化投资随着大数据的出现和人工智能的提升，量化投资成为新的交易模式。
量化投资的核心思想是依靠全面的分析和运用统计学方法，制定投资策略，使其能够适应各种市场环境。
人工智能可以通过对数据的不断分析，精准地制定规则，这种规则的设计可以适应复杂的市场环境。
通过机器学习技术，交易策略可以更快地学习和更新，并逐渐形成更加稳定的投资策略。
相比于传统的投资分析方法，使用人工智能开发的量化投资方法更加高效、准确和智能。
三、高频交易在证券交易中，高频交易是与时间竞争的一种投资策略。
高频交易承载着极高的风险和收益，对投资者的技术能力和交易效率提出了高要求。
人工智能正是为这一领域提供了全新的解决方案。
一方面，人工智能可以提高交易效率，通过自动化完成交易，以及更快地捕获市场机会。
另一方面，人工智能算法可以帮助交易策略更加精准地把握市场波动，从而减少债务大小和时间风险，增加收益。
总而言之，人工智能的出现和运用，标志着证券行业转化为一种更加智能、高效和数据驱动的市场环境。
尤其在数据分析、量化投资和高频交易方面的应用，人工智能将会极大地提高证券交易的效率和精准度。
可以预见，人工智能将会对证券行业带来更多的变革和趋势，也为投资者带来更多的机遇。
证券行业年度金融科技公司在证券市场的应用与发展案例分析
证券行业年度金融科技公司在证券市场的应用与发展案例分析近年来，金融科技（FinTech）行业的迅猛发展为证券市场带来了巨大的变革。
金融科技公司借助先进的技术手段和创新的商业模式，加速了证券市场的数字化转型和创新发展。
本文将以案例的形式，分析几家在证券市场具有重要影响力的金融科技公司，探讨其应用和发展。
一、XX科技有限公司XX科技有限公司是一家专注于证券市场的金融科技公司。
该公司通过区块链技术和智能合约，构建了一个去中心化的证券交易平台。
其平台具有高度透明性和安全性，使得交易过程更加高效、便捷和可靠。
同时，该公司利用大数据和人工智能技术，为投资者提供个性化的投资建议和风险控制策略。
通过引入人工智能技术，XX科技有限公司有效地提升了证券市场的整体效率，为投资者创造了更多的价值。
二、XY科技股份有限公司XY科技股份有限公司是中国领先的金融科技公司之一，致力于发展智能投顾和量化交易系统。
该公司的智能投顾系统基于机器学习和深度学习算法，可以根据客户的风险偏好和投资目标，为客户提供个性化的投资组合和资产配置建议。
与传统的人工理财顾问相比，智能投顾系统具有更高的效率和更低的费用。
XY科技股份有限公司的量化交易系统则基于大数据分析、高性能计算和算法交易等技术，尝试捕捉市场波动和套利机会，提高投资回报率。
三、XZ科技集团XZ科技集团是一家全球领先的金融科技公司，业务遍及证券、银行、保险等多个领域。
在证券市场方面，该公司的创新产品包括智能交易平台和高频交易系统。
其智能交易平台基于云计算和大数据技术，为投资者提供全面的交易服务和决策支持。
高频交易系统则通过先进的算法和超低延迟的交易执行，实现高频率交易和快速的风险管理。
XZ科技集团的创新解决方案推动了证券市场的技术进步和效率提升。
四、XA金融科技有限公司XA金融科技有限公司是一家专注于证券市场的金融科技平台提供商。
该公司的核心产品是一个综合性的证券交易和信息服务平台。
人工智能在证券交易中的发展方向与挑战
人工智能在证券交易中的发展方向与挑战近年来，随着人工智能（Artificial Intelligence，AI）的迅速发展，它已经成为金融领域的热门话题。
在证券交易领域，人工智能被广泛应用，以提高交易效率、降低交易成本和风险。
然而，人工智能在证券交易中的发展方向和所面临的挑战也是不容忽视的。
一、发展方向1. 数据分析与预测人工智能在证券交易中的一个重要应用是数据分析与预测。
通过机器学习技术，人工智能可以大量处理和分析历史市场数据，以发现潜在的市场模式和趋势。
基于这些数据，人工智能可以进行预测，提供交易建议。
比如，人工智能可以分析某只股票的历史价格走势、交易量、公司财报等数据，并预测未来的价格走势，帮助投资者做出决策。
2. 高频交易另一个人工智能在证券交易中的发展方向是高频交易。
高频交易是指利用电脑算法和高速网络，以极快的速度进行交易。
人工智能可以通过即时地监测市场信息和执行交易策略，实现更高的交易频率和准确度，从而追求微小的利润。
目前，高频交易已成为证券市场的重要组成部分，而人工智能在其中的应用将进一步增强其效能。
3. 情绪分析在证券交易中，情绪的波动往往会对市场产生重要影响。
人工智能可以通过自然语言处理技术和情感分析算法，分析新闻、社交媒体和其他公共信息中的情绪，并将其与证券价格和交易行为关联起来。
这种情绪分析能够为投资者提供更全面的市场信息，帮助他们做出更明智的投资决策。
二、挑战1. 数据隐私与安全人工智能在证券交易中广泛应用的一个重要挑战是数据隐私与安全问题。
投资者的个人和交易数据被用于训练人工智能模型和算法，但如何保护这些数据的隐私和安全成为了一个亟待解决的问题。
在数据泄露和黑客攻击不断增加的情况下，证券交易行业需要制定更加严格的数据保护政策和措施。
2. 模型解释性人工智能模型的解释性是另一个挑战。
尽管人工智能模型可以通过数据分析和预测提供交易建议，但它们往往是基于复杂的算法和模式识别技术构建的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本文采用CAPM模型来计算新闻报道给相关股票带来的异常收益
新闻对股票收益率的影响： 通过CAMP模型计算预期正常收益，结合实际收益从而得到异常收益，分别对 事件窗内异常收益进行累计，得到新闻发布后引起的累计异常收益。 本文建 立回归模型分析新闻是否在媒体公开以前就已经对市场产生影响，以及新闻 的影响是否有持续效应
结论
本研究有多方面的启示意义。
新闻媒体对金融市场的影响力在逐渐增强。
新闻的文本信息与股票的定量指标相结合，将能更加有效地弥补股票市场 的信息不对称。 将文本挖掘技术应用到金融市场将是一个大趋势，能够更加充分地考虑股 票交易市场中被遗漏的公司新闻文本信息，发掘个股的价值和公司的潜力， 为利用媒体资讯来弥补信息不对称，帮助投资者和研究者更好地利用金融 信息，进行股票预测提供了一条切实可行的路径。
2.
3.
4.
5.
6.
7. 8.
参考文献
9.
Tang, X. and Yang, C. and Zhou, J. Stock Price Forecasting by Combining News Mining and Time Series Analysis. Proceedings of the 2009 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology, 2009, 1, 279-282. Zhai, Y. and Hsu, A. and Halgamuge, S. Combining News and Technical Indicators in Daily Stock Price Trends Prediction. Advances in Neural Networks , 2007, 1087-1096. Fung, G. and Yu, J. and Lam, W. News sensitive stock trend prediction. Advances in Knowledge Discovery and Data Mining, 2002, 481-493. Vapnik, V.N., The Nature of Statistical Learning Theory, Springer, 1995. Cortes, C. and Vapnik, V.(1995). Support-vector networks. Drucker, H. and Burges, C.J.C. and Kaufman, L. and Smola, A. and Vapnik, V., Support vector regression machines, Citeseer, 1997. 何诚颖，2003：《中国股市市盈率分布特征及国际比较研究》，《经济研究》 第9期。徐筱凤、李寿喜，2005：《中国企业市盈率：理论分析与经验证据》， 《世界经济文汇》第4期。
研究现状－经济学领域（1/2）
Mitchell和Mulherin研究发现，道琼斯每日发布的公告数量与股票市场 的交易量和股票收益直接相关[4] Fang和Peress 研究了媒体报道与股票横截面收益之间的关系，发现媒 体关注度低的股票存在显著的溢价[5] Niederhoffer通过分析《纽约时报》发布的重大新闻标题，对新闻标 题的内容进行分类，并且对每个标题对股市的影响评级，研究重大新 闻事件对股票市场的影响。他发现重大新闻发布后的第一天，股票市 场的反应最强烈[6]
研究方法
财经新闻中包含大量影响股市信息，旨在量化这些信息对股市的影响， 并将量化结果作为影响股市收益率的一个因子，融合影响股市的几个 技术指标，采用计量模型的各种检验方法分析新闻如何影响股市，影 响时限以及影响强度。
技术关键：
采用文本挖掘技术量化财经新闻对股市的影响，即采用回归模型（这里采 用支持向量回归这种机器学习算法）量化每日新闻对股票日收益率的影响。 计量模型分析方法，即采用计量模型的各种检验方法分析新闻如何影响股 市，影响强度以及时限等问题。
结论
用信息科学领域文本挖掘技术，经济学领域计量经济学方法，结合股 票的相关定量指标，就互联网财经新闻对股票的冲击进行了实证研究。 研究表明：
沪深两市的上市公司新闻经媒体报道后都会对该上市公司的股票产生冲击； 新闻发布对深市股票的影响要强于沪市股票； 新闻发布后，沪市上市公司的规模变量显著，而深市上市公司的规模变量 并不显著； 对于规模越大的企业，新闻发布后的影响力越不明显； 对于规模越小的公司，新闻的影响越大持续时间越长； 沪深两市新闻影响力的持续时间不同，沪市上市公司的新闻影响力度和持 续时间小于深市上市公司。
设计思路
采用文本挖掘量化新闻对股票收益率影响
新闻文本表达：中文切词、文本向量化、降维 建立新闻与对应股票收益率回归模型，量化新闻对股票收益率影响： 建立回归模型量化新闻对股市影响，首先需要确定回归模型的输入输出。这 里，输入为新闻文本信息，输出为股市日收益率、累计收益率
方案
分析新闻对股市波动的影响
因变量
ARt (计算期t内股票的异常收益)
每只股票的异常收益率为ari,t
ari ,t
pi ,t pi ,t 1 pi ,t 1
indexi ,t indexi ,t 1 indexi ,t 1
样本异常收益率的均值ARt：
1 n ARt ari ,t n i 1
计算样本内t=1到N计算期内的累计异常收益CARt
CARt ARt
t 1
N
新闻量化处理
积极词语数量 POSi 词语总量
N Posi , j POSi , j * log( ) ni
消极词语数量 NEGi 词语总量
Negi , j
N NEGi , j * log( ) ni
模型修订
“好”新闻和“坏”新闻对未来股票回报的影响的回归方程：
金融智能与证券市场
Stock Price
Time
文本挖掘技术
文本挖掘技术： 1) 文本向量化。 2）加权TFIDF，提取文本量化数据。
研究背景
新闻对股市有影响，这已经是学术界和实业界公认的事实。目前大部 分研究主要集中在微观层面，即新闻对个股价格波动的影响
本文利用文本挖掘技术和计量经济学方法，将新闻内容量化为金融资 本定价模型中的一个影响因子。首次从宏观层面上，分析互联网新闻 信息对中国股市的影响
研究现状－信息科学领域(2/2)
信息科学领域学者对新闻与股市之间关系的研究可以归结如下：
用文本挖掘技术来研究新闻文本与股价之间关系，建立新闻与股价之 间的模型，用建好的模型来预测新闻对股价趋势的影响。
但影响股市走动的因素很多，包含大量的定性信息和定量信息，使得 新闻预测股价的研究准确性并不高，实用性并不强。 然而，分析新闻如何影响股市波动，即新闻对资本市场的影响分析， 这个研究很有实用价值。这也正是经济学领域学者更关注的问题。
研究现状－信息科学领域(1/2)
Schumaker, R.P. 和Chen, H. 运用文本挖掘技术，采用支持向量回归 (Support Vector Regression)[7]，建立新闻文本与新闻发布20分钟后股 价之间的回归模型，来预测新闻对股价影响[8] Xiangyu Tang，Chunyu Yang和Jie Zhou结合文本挖掘技术和时间序列分 析方法，建立新闻与股价之间回归模型，预测新闻对股价影响[9] Yuzheng Zhai，Arthur Hsu和Saman K Halgamuge用文本挖掘技术，支持 向量回归技术，建立新闻、技术指标与股价之间回归模型，用建立好 的模型预测一则新闻发布后对应股价[10]
数据
股票交易数据：来源于锐思金融研究数据库 （）。研究时间窗口为2010年8月1日至2010年 9月30日。下载数据为： 2008年1月--2010年9月间信息行业 所有上市公司的股票日交易数据 新闻： 2008年1月--2010年9月期间信息行业上市公司新闻。 本研究抓取的2008年1月--2010年7月间的新闻总数为 13,340，去除新闻发布前两天和后两天都缺失股票交易数据 的新闻后还剩11,227
参考文献
1.
Fama, E.F. The behavior of stock-market prices. Journal of business, 1965, 38(1):34– 105. Kothari, S. P., Jerold B. Warner. The econometrics of event studies. B. Espen Eckbo, ed., Handbook in Empirical Corporate Finance. North-Holland, Amsterdam, forthcoming. 2006. Antweiler, W. and Frank, M.Z. Do U.S. Stock Markets Typically Overreact to Corporate News Stories? Unpublished working paper, University of Minnesota. 2006 Mitchell, M. L. and Mulherin, J. H. ‘The impact of public information on the stock market’, The Journal of Finance, Vol. 49, No. 3, 1994, pp. 923-950. Fang, L. and Peress, J. ‘Media coverage and the cross-section of stock returns’, The Journal of Finance, Vol. 64, No. 5, 2009, pp. 2023-2052. Niederhoffer, V. ‘The analysis of world events and stock prices’, The Journal of Finance, Vol. 44, No. 2, 1971, pp. 193-219. Gunn, S.R., Support vector machines for classification and regression, Citeseer, 1998. Schumaker, R.P. and Chen, H. Textual Analysis of Stock Market Prediction Using Breaking Financial News- The AZFinText System. ACM Transactions on Information Systems (TOIS), 2009, 27(2), 1-19.