Quantifying attention: utilizing Google searches to forecast stock performance of business-to-consumer companies

Abstract

Google søkedata har de siste årene blitt anvendt til stadig flere formål, deriblant finansielle prediksjoner. Hva angår prediksjon av aksjekurser, har den vanligste tilnærmingen vært å benytte søkevolum for tickere som mål på investorers interesse. Vi undersøker dette temaet nærmere ved å fokusere på konsumrelaterte selskaper, og foreslår nye mål på forbrukernes interesse og oppmerksomhet. Vi analyser selskapene i S&P 500 Consumer Discretionary og S&P 500 Consumer Staples med en initiell hypotese om at aksjekursen til konsumrelaterte selskaper er drevet av forventinger om fremtidig inntjening, og at svingninger i søkevolum har potensiale til å predikere dette. Vi kombinerer de foreslåtte interessevariablene med standard finansielle variabler, og finner at dette forbedrer nøyaktigheten til prediksjonsmodellen. Dette gjelder særlig når vi predikerer akkumulert avkastning over lenger horisonter, og selskaper kategorisert som "Discretionary". Vi tester den økonomiske signifikansen av funnene våre ved å simulerere en investeringsstrategi, og finner at anvendelsen av de foreslåtte interessevariablene kan forbedre årlig akkumulert avkastning med nærmere 1%.

Google search data has been utilized in various applications, including financial forecasting. For stock return predictions, the common approach is to use Google searches for company tickers as a measure of investor attention. We re-investigate the topic by focusing on consumer-related companies and introduce measures of consumer attention. We analyze the companies of S&P 500 Consumer Discretionary and S&P 500 Consumer Staples with an initial hypothesis that consumer related stocks are driven by expected future earnings, which have potential to be reflected by patterns in Google searches. By utilizing the measures of attention, we are able to improve stock performance predictions, especially for longer time horizons and for companies within the Discretionary sector. We simulate a trading strategy to test for economic significance, and find the inclusion of attention measures could improve the yearly accumulated return by 1%.