Om Hype Score

Hur mycket uppmärksamhet får ett företag? Är ett företag mer populärt nu än det var för ett år sedan? Vilka är de viktigaste händelserna som påverkar denna uppmärksamhet? Är en börsnotering på horisonten?

Hype Score ger en daglig uppskattning av ett företags nyhetsbetyg på en skala från 0 till 100 i förhållande till dess historiska popularitet.

För att beräkna detta betyg spårar vi omnämnanden av Pre-IPO-företag i ledande nyhetskällor. Vi använder sofistikerade algoritmer för att sålla igenom nyheterna, bortse från irrelevanta artiklar och tillämpa matematiska transformationer för att beräkna den dagliga Hype Score.

NewsHeat-diagram erbjuder ett interaktivt sätt att se hur hypen utvecklats över tid. En stigande trend kan tyda på ökande medieinsatser från företaget medan en nedgång kan indikera minskat allmänintresse. Märkbara toppar i diagrammet sammanfaller ofta med viktiga företagsevenemang.

Klicka på en punkt i diagrammet för att komma åt nyhetsartiklar för det specifika datumet!

Du kommer att märka två typer av hype i diagrammet: mediehype (i blått) och företaghype (i grått). Företaghype består av nyheter direkt från företagen, såsom finansiella uppdateringar eller produktlanseringar, som ger en detaljerad bild av företagsaktiviteter som kanske inte når mainstream-nyheterna.

Företagsnyhetssektionen samlar alla artiklar relaterade till ett företag, vilket möjliggör effektiv filtrering efter datum, nyckelord eller källa.

Databeredning

Vi övervakar cirka 100 framstående mediekällor, från bred täckning till nischade VC-fokuserade källor. Varje omnämnande av Unicorn-företag i rubriker spåras. Men inte alla omnämnanden är relevanta. Till exempel kan artiklar använda företagsnamn som vanliga ord eller nämna företag i reklamrelaterat innehåll. Vi tillämpar algoritmer för att filtrera bort sådana fall.

Om vi får ett mycket stort antal artiklar om ett företag på en dag, tillämpar vi ytterligare algoritmer så att endast de viktigaste artiklarna visas i företagsnyhetssektionen (även om vi fortfarande tar hänsyn till resten av artiklarna vid beräkning av hype). Detta görs så att användare inte behöver sålla igenom ett stort antal artiklar varje dag.

Hype-beräkning

Den dagliga hype-poängen XP_j beräknas med följande formel:

Där n_j står för antalet nyheter vi fick om ett företag idag, n_min står för det lägsta historiska dagliga antalet nyheter (vanligtvis 0), och n_max står för det högsta historiska dagliga antalet nyheter.

Om det resulterande värdet inte är ett heltal avrundar vi uppåt. Vi tillämpar också justeringar för att jämna ut fluktuationer i Nyhetsvärmekartan och säkerställa att hype-poängen övergår gradvis.

Nyheter påverkar priser

Det är allmänt känt att aktierörelser påverkas av nyheter. Detta är logiskt med tanke på att den mesta informationen vi får om aktier kommer från nyheter och därför fungerar som en grund i vårt beslutsfattande. Vårt mål här är att använda ny teknik för att hjälpa potentiella investerare att analysera nyheter snabbare och mer omfattande.

Flera studier stödjer idén att nyheter påverkar aktiekurser. Till exempel visar Ferguson et al. (2015) att både volymen och tonen i nyhetsartiklar påverkar aktieavkastningen, där volymen har en mer uttalad effekt. Wu och Lin (2017) kommer till en liknande slutsats med ett urval av taiwanesiska företag, vilket betonar att positiv eller negativ mediebevakning är relaterad till respektive tecken på abnorm avkastning.

Nyhetsanalys är också användbar när man förutspår råvarupriser. Bonaparte, Fabozzi och Koslowsky (2020) använder medieinformation för att konstruera ett oljevolatilitetsindex som överträffar liknande index som inte förlitar sig på nyhetsdata. Kim, Cha och Lee (2017) förutspår framgångsrikt matpriser baserat på Twitter-omnämnanden. Banerjee et al. (2024) observerar ett generellt inflytande av mediehype på råvarupriser.

Således påverkar nyheter inte bara aktier utan priser generellt.

Med hype-poängen syftar vi till att tillhandahålla en indikator som kompletterar beslutsfattandet hos VC-investerare. En av fördelarna med hype-poängen är att den beräknas för varje företag individuellt, till skillnad från många av aktiemarknadsindikatorerna som baseras på aggregerade mått. Med tanke på att privata marknader generellt är mindre transparenta kan möjligheten att analysera nyhetsflöden för varje företag separat vara värdefull.

Det är viktigt att notera att många omnämnanden i media inte nödvändigtvis är en bra sak. En möjlighet är att omfattande mediebevakning härrör från negativa händelser. En annan möjlighet är att mediehype kan orsaka att ett företags värdering blir orimligt uppblåst. Viss forskning antyder till och med att hög mediebevakning i Pre-IPO-företag leder till lägre avkastning under den initiala perioden efter IPO (Liu, Sherman och Zhang 2007; Chen et al. 2019). Även om vår poäng inte är absolut, dvs. den jämför nivån av hype i förhållande till ett företags eget maximum och inte i förhållande till andra företag, är det ändå viktigt att förstå dess begränsningar.

Av denna anledning uppmuntrar vi starkt att du överväger en mängd olika faktorer när du bildar din åsikt. Du kan hitta vår webbplats användbar för detta ändamål eftersom den tillhandahåller mycket relevant information, inklusive finansieringshistorik, sentiment score som indikerar om nyhetsbevakningen är negativ eller positiv, och värderingskalkylatorn som gör det enkelt att beräkna värderingen baserat på aktiekursen.

Referenser

• Banerjee, A. K., Şensoy, A., Goodell, J. W., & Mahapatra, B. (2024). Impact of media hype and fake news on commodity futures prices: A deep learning approach over the COVID-19 period. Finance Research Letters, 59, 104658. https://doi.org/10.1016/j.frl.2023.104658
• Bonaparte, Y., Fabozzi, F. J., & Koslowsky, D. (2020). Can commodity price uncertainty indexes be improved by capturing media information? The case of oil price uncertainty. Journal of Alternative Investments, 22(4), 41–58. https://doi.org/10.3905/jai.2020.1.094
• Chen, Y., Goyal, A., Veeraraghavan, M., & Zolotoy, L. (2019). Media Coverage and IPO Pricing around the World. Journal of Financial and Quantitative Analysis, 55(5), 1515–1553. https://doi.org/10.1017/s0022109019000486
• Ferguson, N. J., Philip, D., Lam, H. Y. T., & Guo, J. (2015). Media content and stock Returns: The Predictive Power of press. Multinational Finance Journal, 19(1), 1–31. https://doi.org/10.17578/19-1-1
• Kim, J., Cha, M., & Lee, J. G. (2017). Nowcasting commodity prices using social media. PeerJ. Computer Science, 3, e126. https://doi.org/10.7717/peerj-cs.126
• Liu, L. X., Sherman, A. E., & Zhang, Y. (2007). Media coverage and IPO underpricing. Social Science Research Network. https://doi.org/10.2139/ssrn.972776
• Wu, C., & Lin, C. (2017). The impact of media coverage on investor trading behavior and stock returns. Pacific-basin Finance Journal, 43, 151–172. https://doi.org/10.1016/j.pacfin.2017.04.001