Predicting stock price trends using language models to extract the sentiment from analyst reports: Evidence from IBEX 35-listed companies

Abstract

Este estudio investiga la utilidad de los modelos lingüísticos para extraer información de sentimiento de los informes de analistas de renta variable y su potencial como predictores de las tendencias del precio de las acciones, utilizando el índice IBEX como caso práctico. Se emplean los modelos de procesamiento del lenguaje natural RoBERTa, FinBERT y GPT para analizar un corpus de informes de investigación de renta variable del período 2016-2022. Los resultados indican que la información de sentimiento extraída puede ser una herramienta valiosa para pronosticar la tendencia del precio de las acciones, evitando posibles sesgos de los analistas al asignar un precio objetivo. Esto pone claramente de manifiesto el potencial transformador de los modelos lde lenguaje en el sector financiero y su papel para ayudar a los inversores a tomar decisiones de inversión informadas

This study investigates the utility of language models in extracting sentiment from sell-side equity analyst reports and their potential as predictors of stock price trends using the IBEX index as a case study. RoBERTa, FinBERT, and GPT natural language processing models are employed to analyze a corpus of equity research reports from the 2016-2022 period. The results indicate that the extracted sentiment can serve as a valuable tool for forecasting stock price movements, avoiding potential analyst bias when assigning a target price. Clearly, this highlights the transformative potential of language models in the financial industry and their role in assisting investors in making informed investment decisions.