Efficienza informativa e velocità di aggiustamento dei prezzi: analisi ad alta frequenza ed event study su Amazon e Chevron

La tesi analizza la velocità di assorbimento informativo e l'efficienza dei mercati azionari attraverso un event study ad alta frequenza sui titoli Amazon e Chevron. Sono state raccolte news riguardo indicatori macroeconomici, di natura finanziaria (EPS) e di sostenibilità (ESG) per entrambi gli asset. Tali news sono state classificate in base al sentiment grazie all'utilizzo di Large Language Models (ChatGPT). Attraverso la stima di un Market Model dinamico con parametri rolling e l'analisi dei rendimenti anomali e rendimenti anomali cumulati cumulati, lo studio ha lo scopo di valutare se l'efficienza di mercato varia in base all'asset, alle tipologia di news, al sentiment e ai parametri rolling. Infine è stata implementata una strategia di trading direzionale per valutare la possibilità di trarre guadagno.