309–319.
ABSTRACT:
We examine the impact of investors’ behavioral biases, measured by market sentiment, on the sensitivity of stock prices to earnings surprises (Earnings Response Coefficients [ERCs]). Market sentiment can be broadly defined as the beliefs about future cash flows or discount rates that are not supported by the prevailing fundamentals (Baker and Wurgler 2006). Prior literature on market sentiment has established that (1) reasonable proxies of investor sentiment can be identified, and (2) sentiment has discernible and regular effects on the stock market. A key finding of this literature is that when sentiment is high, investors’ propensity to speculate is high, so they place excessively optimistic valuations on future expected cash flows associated with risky assets such as stocks, either by restimating the size of the cash flows or by underestimating the risk, leading them to overvalue stocks. The reverse is true for the low sentiment periods, wheninvestors place excessively pessimistic valuations on future expected cash flows, and undervalue stocks. This contemporaneous misvaluation due to sentiment reverses in the future, therebycreating a negative relation between sentiment and future risk-adjusted returns, especially for morespeculative stocks.firms for 2001-2013;we find that the stock price sensitivityto good earnings news is igher during high sentiment periods than during periods of lowsentiment, whereas hestock price sensitivity to bad earnings news is higher duringperiods of low sentiment than during periods of high sentiment. This influence of sentiment is especially pronounced for the earnings news of small stocks, young stocks, high volatility stocks, non-dividend-paying stocks, and stocks with extremely high and low market-to-book ratios. Further analysis suggests that the sentiment-driven mispricing of earnings contributes to the general mispricing of stocks due to investor sentiment.
Keywords: investor sentiment; corporate news; event studies; behavioral finance.
Earnings Response Coefficients ↑

اطلاعاتی در مورد سود آوری و وضعیت نقدینگی شركت ↑
میزان همبستگی بین 1 و 1- است ↑
یعنی به سمت 1- رود ↑
ریسك خاص شركت ↑
برگرفته از جلد یک کتاب تئوری حسابداری ویلیام اسکات (2005) ↑
حسابداری
– از نظر ویلیام اسکات حسابداری یک سیستم اطلاعاتی است که با احتمالات مشروط آینده را پیش بینی می نماید. ↑
Cognitive Phycology ↑
Limit To Arbitrage ↑
Mental Shortcuts ↑
uninformed demand shock ↑
limited on arbitrage ↑
Investor Survey ↑
Investor Mood ↑
Retail investor trades ↑
Mutual fund flow ↑
Trading volume ↑
Dividend premium ↑
Closed-end Fund Discount ↑
Zweig ↑
Lee, Shliefer and Thaer ↑
Neal and Wheatley ↑
IPO First-Day Returns ↑
IPO Volume ↑
Equity Issues over Total New Issues ↑
Insider Trading ↑
See Seyhun ↑
Brown and Cliff 2005; Baker and Wurgler 2006 ↑
روش تحلیل مولفه های اساسی(Principal Component Analysis) یكی از انواع روش های تحلیل داده های چند متغیره است كه هدف اصلی آن تقلیل بعد مساله مورد مطالعه است. یكی از كاربردهای مهم تحلیل مولفه های اصلی، در رگرسیون است. با بهره گرفتن از تحلیل مولفه های اصلی می توان تعداد زیادی متغیر توضیحی (متغیر مستقل) همبسته را با تعداد محدودی متغیر توضیحی جدید كه مولفه های اصلی نامیده می شوند و ناهمبسته اند، جایگزین نمود. به این ترتیب نه تنها بعد مساله تقلیل می یابد بلكه مساله چند همخطی پیش نمی آید. به عبارت دیگر در این روش متغیر های موجود در یک فضای چند حالته همبسته به یک مجموعه از از مولفه های غیر همبسته خلاصه می شوند که هریک از آن ها ترکیب خطی از متغیرهای اصلی می باشند. مولفه های غیر همبسته به دست آمده مولفه های اساسی(PC) نامیده می شوند که از بردارهای ویژه ماتریس کواریانس یا ماتریس همبستگی متغیر ها بدست می آیند. ↑
Descriptove Statistics ↑
Inference Statistic ↑
– Bartlett’s Tes
t ↑
در صورتیکه خطای استاندارد ضریب چولگی و کشیدگی در دامنه 2 و 2- باشد متغیرهای مورد بررسی دارای توزیع نرمال است.(مومنی و قیومی،1386) ↑