Social media and textual data : three empirical studies

Dans cette thèse, j'étudie comment les données non structurées et les sources de données alternatives peuvent être utilisées pour répondre à de nouvelles questions et revisiter d'anciens problèmes dans la littérature financière. À mesure que notre monde se numérise, les possibilités de recherche s'élargissent également pour les chercheurs. Les données textuelles sont extrêmement riches, et donc précieuses. Comme les analyses causales ne sont pas toujours possibles, les textes peuvent être analysés pour comprendre pourquoi les entreprises ou les investisseurs entreprennent certaines actions. Bien qu'ils traitent de sujets distincts, les trois chapitres de cette thèse de doctorat partagent cet idéal qui consiste à tirer parti des dernières technologies pour faire avancer la recherche d'un petit pas.<br>Le premier chapitre étudie comment l'attention anormale des investisseurs affecte la section transversale des rendements des crypto-monnaies entre 2018 et 2022. Nous capturons l'attention anormale en utilisant le nombre (log) de messages Twitter sur les crypto-monnaies individuelles le jour en cours moins une moyenne de 30 jours. Nos résultats révèlent que l'attention anormale est positivement associée à la performance contemporaine et à celle à un jour des crypto-monnaies. Parmi les différents tweets, la prévisibilité des rendements est due aux tweets Ticker des investisseurs, mais pas aux tweets du canal des crypto-monnaies. Ces tweets <i>Officiel</i> sont toutefois capables de prévoir les innovations technologiques sur la blockchain.<br>Dans le deuxième chapitre, j'utilise des transcriptions de négociations pour mesurer les efforts déployés par les conseillers lors des négociations privées d'opérations de fusion-acquisition aux États-Unis. Je montre que l'effet moyen des services des conseillers sur les résultats des transactions est bénéfique tant pour la cible que pour l'acquéreur. Une analyse plus approfondie des transcriptions des négociations suggère que les entreprises bénéficient principalement de la capacité de leurs conseillers à négocier de meilleures conditions de fusion. Je montre que les conseillers exploitent les différences de pouvoir de négociation entre les candidats à la fusion. Lorsque les différences de pouvoir de négociation sont plus importantes, l'effet des conseillers est plus marqué et leur stratégie de négociation devient plus agressive. <br>Le troisième chapitre montre que les entreprises ont recours aux fusions et acquisitions d'entreprises pour gérer leur exposition à certains risques commerciaux. À partir des informations obligatoires sur les risques divulgués par les entreprises, je constate que celles qui sont de plus en plus exposées aux risques financiers sont plus susceptibles d'être la cible d'un acquéreur potentiel et moins susceptibles d'acquérir une autre entreprise dans les douze mois suivant la date de dépôt du formulaire 10-K. À l'inverse, les entreprises inquiètent de l'incertitude grandissante de leurs futurs cash-flows sont plus susceptibles d'acquérir une autre entreprise. L'analyse des objectifs déclarés de ces fusions confirme que les entreprises fusionnent effectivement pour gérer leur exposition aux risques. Au niveau sectoriel, je montre que les variations dans la similitude entre les déclarations des entreprises permettent de prédire négativement le nombre futur d'opérations de fusion-acquisition annoncées. À mesure que les risques sectoriels se concentrent, les entreprises ont moins d'intérêts à fusionner. Dans l'ensemble, les résultats sont cohérents avec le mécanisme selon lequel les entreprises décident de fusionner en partie pour diversifier et atténuer certains de leurs risques commerciaux.

In this thesis, I investigate how unstructured data and alternative data sources can be used to answer new questions and to revisit old problems in the finance literature. As our world becomes increasingly digitalized, the research opportunities available to researchers are widening as well. Textual data is extremely rich and therefore valuable. Since causal analyses are not always possible, texts can be used to understand why companies or investors take certain actions. Despite being on separate topics, the three chapter of this PhD thesis share this ideal to leverage the latest technology to advance research a tiny bit.<br>The first chapter investigates how investors' abnormal attention affects the cross-section of cryptocurrency returns in the period from 2018 to 2022. We capture abnormal attention using the (log) number of Twitter posts on individual cryptocurrencies on the current day minus a 30-day average. Our results reveal that abnormal attention is positively associated with contemporaneous and one-day ahead crypto performance. Among the different Twitter tweets, return predictability arises due to Ticker-tweets from investors, but not due to tweets from the cryptocurrency channel. These <i>Official</i>-tweets, however, are able to forecast technological innovations on the blockchain.<br>In the second chapter, I use negotiation transcripts to capture advisor efforts during the private negotiation of US M&A deals. I show that the average effect of advisor services on deal outcomes is beneficial both for the target and the acquirer. Further sentiment analysis of the negotiation transcripts suggests that firms mainly benefit from the ability of their advisors to negotiate better merger terms. I document that advisors are skilled at identifying differences in negotiation power between the merger candidates. When differences in bargaining power are larger, advisor effects become larger and their negotiation strategy becomes more aggressive.<br>The third chapter show that firms use business combinations to manage their exposure to some of their business risks. Using mandatory corporate risk disclosures, I find that companies with increasing exposure to financial risks are more likely to become the target of a potential acquirer, and become less likely to acquire another company within twelve of the 10-K filing date. In contrast, firms with increasing cash-flow uncertainty are more likely to acquire another firm. Analyses of disclosed deal objectives and merger negotiations confirm that firms are indeed merging to manage their risks exposures. At the industry level, I show that variations in similarity between firms filings predict negatively the future number of M&A deals announced. As industry risks become more concentrated, companies have less incentives to merge. Overall, the results are consistent with the mechanism whereby firms decide to merge in part to mitigate some of their business risks.