Google search volume and its influence on liquidity
and returns of German stocks
Abstract
We show that search volume on Google not only serves as an intuitive proxy for overall firm recognition, but also captures the attention of stock market investors. Our results suggest that an increase in search queries is associated with a rise in trading activity and stock liquidity. We attribute the improved liquidity to a reduction in asymmetric information costs and conclude that search volume primarily measures attention from uninformed investors. Moreover, we find evidence that an increase in search volume is associated with temporarily higher future returns, which reinforces our previous finding.
Keywords Google insights · Stock liquidity · Trading activity · Stock returns
1 Introduction
In this paper we use Google search volume of firm names as a proxy for investor attention and study the implications for trading activity, liquidity, and returns of Ger-man stocks. We find that search volume is indeed a powerful measure of investor recognition. In particular, an increase in Internet search volume is related to higher trading activity, improved stock liquidity, and leads to higher future returns in the short-run.
Merton (1987) introduces the notion of investor recognition and establishes that investor attention may be relevant for stock pricing and liquidity. In practice, however, measuring investor recognition is a difficult task. Take, for example, the recent study by Fang and Peress (2009) in which attention attracted by a firm is approximated by number of published newspaper articles. Unfortunately, there is no reliable informa-tion as to the extent to which readers of a newspaper pay attention to the mention of a company in its pages. Other measures of investor attention, such as analyst coverage, institutional holdings, or advertisement expenditures, suffer from similar shortcom-ings. As an alternative proxy for investor recognition, Da et al. (2009) propose use of information conveyed by search volume on Google. The number of search queries as an indicator for public interest has great appeal. First, the importance of the World Wide Web has grown steadily; it is the largest pool of freely available information, ac-cessibly by nearly everyone nearly everywhere, that has ever existed. Second, search volume seems appropriate, since an Internet user will only actively “google” a spe-cific keyword if he or she is interested in the object underlying the search term. Da et al. (2009) focus on the search volume of a stockrsquo;s formal ticker symbol; we employ a more general approach and proxy attention by the search volume of ordinary firm names. We believe that this method will capture the extent of attention the firm is receiving from a much broader, and potentially relevant audience, since it seems un-likely that the average Internet user searches for a firm on Google by means of ISIN numbers, WKN codes, or technical stock symbols.
Our study contributes to the literature that focuses on the relation between in-vestor attention and stock liquidity. As outlined in a literature review by Amihud and Mendelson (2006), adding small investors to a firmrsquo;s investor base should improve the liquidity of its stock. In this spirit, Grullon et al. (2004), who refer to the concept of investor recognition by Merton (1987), employ a firmrsquo;s product advertisement ac-tivity to analyze its consequences for a firmrsquo;s visibility in the stock market. Since an advertisement does not provide genuine new information, traders who react to it may best be characterized as uninformed investors. Consequently, an increase in the num-ber of investors due to advertisements should lower asymmetric information costs. Grullon et al. (2004) confirm this hypothesis by showing that advertisement expendi-ture is positively related to the number of investors and to stock liquidity. In a similar fashion, Frieder and Subrahmanyam (2005) test whether the perception of a com-panyrsquo;s brands carries over to investor interest. They show that there is a positive link between individual investorsrsquo; preference to invest in a firmrsquo;s stock and recognition of its products. Their findings suggest that individual investors prefer stocks of which they are cognizant without any resulting implications for a behavioral misinterpreta-tion of the risk-return relationship of these stocks.
We also add to the literature that examines the relationship between public interest and stock returns. Merton (1987) advocates that investor cognizance of a firm is rele-vant for the pricing of its stocks. In his model of capital market equilibrium, imperfect diversification arises since each investor knows about only a subset of all available securities. To compensate for the lower degree of diversification, therefore, stocks of less-known firms have to offer higher returns. Thus, an increase in investor interest should lead to a contemporaneous rise in price and to lower future long-run returns. Alternatively, Barber and Odean (2008) propose that attention induces buying pres-sure of uninformed retail investors in the short-run. Investor recognition should have a greater influence on buying behavior because individuals can choose from a very large set of investment opportunities, while — due to short-selling constraints — they mostly have to sell stocks they already own. Consequently, attention-grabbing stocks should be subject to temporary buying pressure.
In empirical s
剩余内容已隐藏，支付完成后下载完整资料
Google搜索量及其对德国股票流动性和回报的影响
摘 要
我们发现Google上的搜索量不仅可以作为公司整体识别的直观体现，还可以吸引股市投资者的注意力。我们的研究结果表明，搜索查询的增加与交易活动和股票流动性的上升有关。我们将提高的流动性归因于不对称信息成本的降低，并得出结论，搜索量主要衡量未知情投资者的注意力。 此外，我们发现证据表明，搜索量的增加与未来回报暂时较高有关，这加强了我们先前的发现。
关键词：Google；股票流动性；交易活动；股票收益
1 介绍
在本文中，我们使用Google搜索公司名称的数量来衡量投资者关注，并研究其交易活动、流动性和德国股票回报的影响。我们发现搜索量确实受到投资者认可，互联网搜索量的增加与贸易活动增加，股票流动性改善以及短期内未来回报率较高有关。
默顿（Merton，1987）介绍了投资者认知的概念，并确定投资者的关注可能与股票定价和流动性有关。然而，在实践中，衡量投资者认知度是一项艰巨的任务。举例来说，Fang和Peress（2009）最近的研究表明，公司吸引的关注度接近发表的报纸文章的数量。遗憾的是，目前还没有关于报纸读者在多大程度上关注在其网页上提及公司的可靠信息的准确度量。投资者关注的其他方面，例如分析师报道、机构持股或广告支出，也有类似的缺点。作为投资者认可的替代变量，Da等人（2009）建议使用Google搜索量传达的信息。搜索查询的数量作为公共利益的指标具有很大的说服力。首先，万维网的重要性稳步增长;它是可以免费获得的最大的信息库，几乎所有人都可以获得这个信息。其次，搜索量似乎是适当合理的，因为如果互联网用户对搜索项背后的对象感兴趣，他们只会主动“谷歌”搜索特定关键字。Da等人（2009）关注股票代码的搜索量;我们采用更普遍的方法，并通过普通公司名称的搜索量进行变量衡量。我们认为这种方法将从更广泛和潜在相关的受众中捕捉公司的关注程度，因为平均互联网用户似乎不可能通过ISIN号码，WKN代码在Google上搜索公司或技术股票代码。
我们的研究关注于投资者关注与股票流动性之间关系的文献。正如Amihud和Mendelson（2006）的文献综述所述，将小投资者加入公司的投资者基础可以改善其股票的流动性。本着这种精神，Grullon等人（2004）提到了默顿（Merton，1987）的投资者认知概念，他利用公司的产品广告活动来分析其对公司股票市场可见度的影响。由于广告不提供真正的新信息，对此作出反应的交易者可能表现为不知情的投资者。因此，广告投资者数量的增加会降低信息不对称的成本。Grullon等人（2004）通过显示广告支出与投资者数量和流动性存量正相关来证实了这一假设。Frieder和Subrahmanyam（2005）以类似的方式检验了公司品牌的认知是否会影响投资者的兴趣。他们表明，个人投资者偏好投资的公司股票和对其产品的认可之间存在着积极的联系。他们的研究结果表明，个人投资者更喜欢他们认识的股票，而不会对行为误解这些股票的风险收益关系产生任何影响。
我们还增加了研究公共利益和股票收益之间关系的文献。默顿（Merton，1987）主张投资者对公司的认知与其股票的定价有关。在他的资本市场均衡模型中，由于每个投资者只知道所有可用证券的一个子集，所以出现了不完全多样化。因此，为弥补较低程度的多元化，较不知名的公司股票必须提供较高的回报。所以，投资者兴趣的增加应导致价格同时上涨，并导致未来的长期回报率下降。另外，Barber和Odean（2008）提出，短期内注意力会刺激不知情的散户投资者的购买压力。投资者的认可应该对购买行为产生更大的影响，因为个人可以从众多的投资机会中进行选择，而由于卖空的限制，他们大多不得不出售他们已经拥有的股票。因此，吸引注意力的股票应受到暂时的买盘压力。
在调查投资者关注与股票收益之间关系的实证研究中，采用了几种不同的注意力变量。例如，Fang和Perss（2009）研究了媒体报道与预期股票收益之间的横向联系。在没有将新闻报道分类为正面或负面信息的情况下，他们表明，即使控制了众所周知的风险因素，覆盖率较低的企业也会表现出较高的收益。 Fang和Peress（2009）将发现的回报溢价归因于Merton（1987）的不完全多样化，但承认媒体报道与流动性之间的关系也可能发挥重要作用。虽然互联网已经成为主流媒体，但我们知道只有少数研究将互联网活动作为公众利益的替代品，从而考察股票收益的影响。Da等人（2009）将Google Trends中的股票代号搜索量作为衡量投资者关注度的一个指标。他们表明，互联网搜索量比其他成熟的关注变量更及时地衡量关注度，并主要反映了投资者个人的注意力。Da等人（2009）报告证明搜索量增加导致短期内回报较高，尤其是小型股票。作者将此观点解释为支持由Barber和Odean（2008）提出的关注诱发的价格压力。Vlastakis和Markellos（2010）也使用Google趋势数据来估计纽约证券交易所30只股票在公司和市场的信息需求和公共利益。除了信息需求的季节性模式之外，他们发现互联网搜索量与交易量和收益波动率呈正相关。此外，作者报告了信息需求与投资者风险规避之间的正面联系。 Rubin和Rubin（2010）采用维基百科的编辑频率来衡量30家道琼斯工业公司的信息处理的横截面变化。他们报告的经验证据表明，较高的编辑频率与较小的分析师预测误差和较小的预测偏差相关。由于作者也发现价差和编辑频率变化之间存在正相关关系，他们得出结论，他们提出的衡量标准反映了投资者获知股票的程度。
除了专注于德国股票市场而采用新的数据集之外，我们对文献的贡献还有三个方面。首先，通过关注公司名称的搜索量作为关注的代表，我们采用比Da（2009）等人更广泛的认可度度量，他们使用的是公司正式股票报价的搜索频率。我们认为搜索量与交易活动之间的关系可以将其作为投资者认可的代理。这是一个惊人的发现，因为公司名称的互联网搜索量是一个非常普遍和广泛的衡量标准，也可能包括来自产品市场的信息。其次，据我们所知的内容，我们首先明确地研究互联网搜索流量与股票流动性之间的关系。我们发现，以Amihud（2002）价格影响比衡量，公司名称搜索的增加与股票非流动性减少相关。对于市值低的公司来说，这种影响显得特别强烈。由于根据市场微观结构理论，非流动性下降很可能是由于信息成本不对称的减少，因此我们认为搜索量主要代表了未知情投资者的注意力。第三，在研究公司名称搜索量与股票收益率变化之间的关系时，我们观察到一个积极但暂时的相互依赖关系在较长的持有期内消失。这种暂时效应使我们能够归因于个人投资者推动的搜索量与回归价格压力之间的关系。这一结论与Barber和Odean（2008）以及Da等人（2009年）的实证结果一致。
在本文的其余部分安排如下：第2节介绍了这些数据，第3和第4部分将研究互联网搜索量与流动性和股票收益的相关联系，第5节结束。
2 数据
2.1 互联网搜索活跃度
为了量化Xetra上市股票的公众兴趣，我们使用Google Insights提供的公司名称的互联网搜索查询数量.Google Insights提供的特定关键字的搜索量并非绝对值，而是作为相对于Google在相应时间间隔内的搜索总数的相对值。对于每个搜索项，将该相对值进行归一化，使得搜索量总是在100（即，观察到最高相对体积的时间段）和0（即，搜索量不满足指定的周期阈）。谷歌完成的数据转换消除了由于互联网较高的普及率而导致的搜索量总体趋势，但也阻碍了我们利用有关搜索查询绝对数量的信息。因此，不同公司之间的搜索量变化（变化之间）并不能为我们的调查传递任何可分析的信息，所以我们仅限于分析每个公司内部（变化范围内）搜索量的变化。
对于我们样本中的每只股票，我们都手动绘制了2004年1月至2010年6月期间的互联网搜索活动的相应时间序列。我们清楚知道使用哪些关键字至关重要。为了避免失真并确保分析的可靠性，我们采用了汤森路透Datastream提供的每个公司的名称。但是，为了获得常用关键字的搜索量，我们排除了标识公司法律形式的条目（例如“AG”）。
Google Insights使我们能够过滤搜索量，以便只获得在德国境内提交的查询。我们这样做是因为我们只考虑德国股票，德国互联网用户的关注可能是最重要的。而且，这种选择过程使我们能够减少由于与国外或语言中同名的不同基础对象混淆而产生的搜索量中的噪声。
由于数据规范化，在Google Insights上只有极少数搜索记录的公司通常具有最大的变化范围。为确保网络搜索量较少的股票不会推动我们的结果，我们只研究那些每月提供五个以上或每周提供20个以上搜索量的公司。在剩余的观察中，如果连续两个月或更多个月的搜索量等于零，我们会删除所有值，因为Google Insights已将搜索量的阈值指定为低于该阈值的变量设置为零。因此，整体流量很低的搜索字词可能会有很长的搜索周期。我们放弃了这些观察，因为一方面它们没有为我们的调查提供任何可以分析的变量，另一方面它们会扭曲在章节中应用的投资组合形成方法。
由于搜索量从2004年开始每周都会针对流行搜索条件提供，并且每月都会针对较少输入的搜索项目提供搜索量，因此我们对三个股票样本进行分析。 “每周”（“每月”）股票样本仅包含Google Insights以每周（每月）频率提供搜索量的股票。我们通过结合“每周”和“每月”股票样本创建更全面的“合并”股票样本。我们通过平均每个月的股票每周搜索量来将“每周”搜索量转换为每月频率。
2.2 资本市场数据
采用的资本市场数据来自Thomson Reuters Datastream，涵盖了在Xetra交易系统上交易的所有德国股票。数据包括每只股票的每日总收益指数，每日结束价格，询价和买价，以及交易和未平仓的股票数量。对于无风险利率，我们使用1个月的货币市场汇率（系列BDMNY1M）。由于Google Insights提供的搜索量自2004年1月至2010年6月之间，搜索量有限，因此时间有限。为了解决错误数据，我们删除了我们样本中的所有负面观察结果。为了尽量减少细价股和稀薄交易股的影响，我们只考虑相应年份超过100个交易日的股票，并且股价大于1欧元。此外，我们每个月至少需要对每种非流动性指标至少15次进行观察，并将股票收益率和非流动性指标的最高和最低1％.
3 互联网搜索活动和股票流动性
为了发现Google搜索公司名称是否能捕捉投资者认知，本部分首先关注搜索流量与交易活动之间的关系。接下来，我们调查互联网搜索活动与股票流动性之间的关系，以确定在Google上查找公司名称的投资者是增加还是减少不对称信息。
为了调查Google上公司名称的搜索次数是否可以作为投资者认可的代理，我们分析了它与交易活动的相互依赖性。
(1)
交易活动的一个非常明显的衡量标准，是以欧元计算的交易量，Chordia（2001）和Chordia等人（2007）使用这种交易量。公式（1）表明，第y年第d天股票i的交易量TViyd是通过将交易的股票数量乘以相应的价格Piyd的自然对数来估计的。
(2)
Lo和Wang（2000）指出，在标准投资组合理论的背景下，股票周转率，例如Chordia（2007）等人所采用的是交易活动最自然的衡量标准。公式（2）表明，在第y年第d天，营业额率TOiyd给出了相对于第i只股票的NOSHiyd股票交易的VOiyd股票的份额。直观地说，托伊德可以解释为平均持有期的倒数，这意味着具有较高周转率的股票平均持有时间较短。
(3)
为了确定股票的非流动性，我们主要使用Amihud（2002）比率ILLIQ，LLIQ给出了交易量一欧元的价格影响，可以解释为非流动性的代理，因为较高的价值与较多的非流动性股票相关。如（3）所示，ILLIQiyd通过除绝对回报| Riyd |来计算 我们在第y年的第i天通过其交易量在欧元电视上进行交易。这一测量在文献中已经确立，Hasbrouck（2009）和Goyenko等人（2009）将其作为价格影响代理的充分性进行了记录。
(4)
(5)
我们将每日交易活动和非流动性度量转换为每周和每月的频率，以便与我们的Google搜索量数据的频率相匹配。我们简单地将交易活动变量TV和TO的每日价值累计为相应的周或月。对于ILLIQ，我们计算每月（每周）的平均值，这在（4）（5）中得到证明。Diym（Diyw）表示第y年第m月（w周）股票i的日常观察数量。
3.1 单变量分析：投资组合形成
3.1.1 单一排序的投资组合
我们从比较投资组合的平均股票特征开始分析，根据互联网搜索量的已签署变化进行排序.5我们每个月（每周）都会根据其在Google上搜索量的签名变化对所有股票进行分类，并计算出三个分位数大致相等的分位数 。然后，
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[467473]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
