Back to search

National and Kapodistrian University of Athens

From Audit Opinion Analysis to Stock Market Signals: Bankruptcy Prediction and Short Selling Strategies

Abstract

dc:description

Αυτή η διατριβή εξετάζει τη δυνητική προγνωστική αξία των γνωμών ελέγχου (audit opinions) για την πρόβλεψη εταιρικών πτωχεύσεων και των επακόλουθων μεταβολών στις τιμές μετοχών στην αγορά των Ηνωμένων Πολιτειών. Οι περισσότερες προηγούμενες έρευνες σχετικά με την πρόβλεψη πτώχευσης βασίζονται σε εκτενείς χρηματοοικονομικές γνωστοποιήσεις (όπως οι καταχωρίσεις τύπου Item 10) ή συνδυάζουν αυτές τις πληροφορίες με δεδομένα από γνωμοδοτήσεις ελέγχου. Η παρούσα έρευνα υιοθετεί μια διαφορετική προσέγγιση, απομονώνοντας τις γνωμοδοτήσεις ελέγχου ως τη μοναδική πηγή πρόβλεψης, λόγω της άμεσης διαθεσιμότητάς τους, της ευκολίας ερμηνείας τους και της υπολογιστικής τους αποδοτικότητας σε περιορισμένα περιβάλλοντα μοντελοποίησης. Η ανάλυση χρησιμοποιεί μια σειρά από κλασικές τεχνικές μηχανικής μάθησης — συμπεριλαμβανομένων της λογιστικής παλινδρόμησης (logistic regression) και των συνδυαστικών ταξινομητών τύπου “stacked ensemble” — για να αξιολογήσει αν τα γλωσσικά χαρακτηριστικά που εξάγονται από τις εκθέσεις ελέγχου μπορούν να λειτουργήσουν ως αποτελεσματικοί δείκτες οικονομικής δυσχέρειας. Το σύνολο δεδομένων της μελέτης κατασκευάστηκε από ένα υποσύνολο των δεδομένων ECL, εστιάζοντας σε μετοχές αμερικανικών εταιρειών για την περίοδο 1998–2021. Κάθε μετοχή έπρεπε να διαθέτει τόσο διαθέσιμη γνώμη ελέγχου όσο και επαληθεύσιμο αποτέλεσμα πτώχευσης (συγκεκριμένα, αν η πτώχευση συνέβη εντός ενός έτους από την έκδοση της γνώμης). Για να αντιμετωπιστεί η έντονη ανισορροπία μεταξύ των κλάσεων — καθώς οι πτωχεύσεις αποτελούσαν λιγότερο από 1% του αρχικού δείγματος — η μειονοτική κλάση ενισχύθηκε με τη χρήση ελαφρών μεγάλων γλωσσικών μοντέλων (LLMs) με λιγότερες από οκτώ δισεκατομμύρια παραμέτρους. Αυτή η τεχνική διεύρυνε αποτελεσματικά τα δεδομένα, εξισορροπώντας την κατανομή των κλάσεων περίπου στο 86%–14%, παρέχοντας έτσι μια πιο σταθερή βάση για την εκπαίδευση των μοντέλων. Δημιουργήθηκαν τέσσερα μοντέλα μηχανικής μάθησης: τρία συνδυαστικά ταξινομητικά μοντέλα (stacked ensemble classifiers) και ένα βασικό μοντέλο λογιστικής παλινδρόμησης. Προχωρώντας πέρα από την παραδοσιακή πρόβλεψη πτώχευσης, οι παραγόμενες πιθανότητες χρησιμοποιήθηκαν ως σήματα συναλλαγών για την έναρξη “short” θέσεων αμέσως μετά τη δημοσιοποίηση μιας γνώμης ελέγχου. Ενδιαφέρον παρουσιάζει το γεγονός ότι το μοντέλο με τη χαμηλότερη βαθμολογία F1 στην πρόβλεψη πτώχευσης παρήγαγε τις υψηλότερες αποδόσεις στις συναλλαγές. Το βασικό αυτό εύρημα υποδεικνύει ότι οι γνώμες ελέγχου που καταδεικνύουν σημαντική οικονομική αβεβαιότητα — ακόμη και σε περιπτώσεις που δεν καταλήγουν σε επίσημη πτώχευση — μπορούν να προηγούνται σημαντικών πτώσεων στις αποδόσεις των μετοχών. Συνολικά, η έρευνα αυτή συνδέει τη χρηματοοικονομική λογιστική, την επεξεργασία φυσικής γλώσσας (NLP) και τη ποσοτική χρηματοοικονομική, καταδεικνύοντας ότι οι γνώμες ελέγχου, όταν υποβάλλονται σε επεξεργασία μέσω ελαφρών LLMs και κλασικών μεθόδων συνδυαστικής μάθησης, μπορούν να προσφέρουν πολύτιμες προγνωστικές πληροφορίες τόσο για την πρόβλεψη πτώχευσης όσο και για την εκτίμηση αρνητικών κινήσεων στις τιμές των μετοχών.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Πανουτσάκος Κωνσταντίνος
  • Panoutsakos Konstantinos

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5311369

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Πανουτσάκος Κωνσταντίνος; Panoutsakos Konstantinos. From Audit Opinion Analysis to Stock Market Signals: Bankruptcy Prediction and Short Selling Strategies. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5311369