Public News and Stock Market Dynamics: Evidence from Danish News-Based Sentiment

Offentlige nyheder og aktiemarkedets dynamik: Evidens fra dansk nyhedsbaseret sentiment

Østergaard, Isac Christian Højmark

4. term

Economics, Master

2026

60

This thesis investigates whether Danish news-based sentiment—measures of the positive or negative tone in financial news—helps explain and predict movements in the OMXC25. It examines both long-run relationships and short-run dynamics, tests whether the link differs across stable versus turbulent market regimes, and evaluates whether sentiment improves forecasting accuracy in practice. To build the sentiment indicator, the study combines four models (DDS, Sentida, FinBERT, and GPT-5o) into a single meta-model using an ensemble stacking approach trained on manually annotated Danish financial headlines. The empirical analysis applies standard econometric tools: Engle–Granger cointegration and ARDL to detect long-run relations and short-run adjustments, VAR and impulse response analysis to describe short-run dynamics, and Markov-switching regression to identify regime changes. A forecasting exercise then compares sentiment-augmented models with simple benchmarks: Random Walk (tomorrow ≈ today), ARIMA (a standard time-series model), and the historical mean. Findings show that the strongest and most context-sensitive sentiment measures—especially the meta-model—capture a persistent information component linked to OMXC25 price movements in the long run. In the short run, news sentiment has a clear same-day effect on daily returns and a smaller lagged adjustment; VAR and impulse responses indicate these effects fade quickly. The regime-switching analysis identifies meaningful differences between stable and turbulent periods, but lagged sentiment does not significantly predict next-day returns within regimes. In forecasting, sentiment-augmented models outperform the naive Random Walk, yet gains over ARIMA and the historical mean are small and generally not statistically significant. Overall, Danish news-based sentiment contains economically meaningful information for understanding OMXC25 movements, but its practical forecasting value is limited compared with some stronger findings reported in the international literature.

Denne afhandling undersøger, om dansk nyhedsbaseret sentiment – målinger af den positive eller negative tone i finansnyheder – kan forklare og forudsige bevægelser i OMXC25. Analysen dækker både langsigtede relationer og kortsigtede udsving, ser på forskelle mellem stabile og turbulente markedsregimer, og vurderer om sentiment faktisk forbedrer prognosepræcisionen. For at måle sentiment kombineres fire underliggende modeller (DDS, Sentida, FinBERT og GPT-5o) i en samlet meta‑model ved hjælp af en ensemble‑stacking tilgang, trænet på manuelt annoterede danske finansoverskrifter. I den empiriske del anvendes almindelige økonometriske værktøjer: Engle–Granger kointegration og ARDL til at opdage langsigtede sammenhænge og kortsigtede justeringer, VAR og impulssvarsanalyser til at beskrive kortsigtede dynamikker, samt Markov‑skiftende regressioner til at identificere perioder med stabile versus turbulente markedsforhold. Derefter sammenlignes prognoser fra modeller med sentiment med simple benchmarks: Random Walk (i morgen ≈ i dag), ARIMA (en standard tidsseriemodel) og det historiske gennemsnit. Resultaterne viser, at de stærkeste og mest kontekstsensitive sentimentmål – især meta‑modellen – opfanger en vedvarende informationskomponent, som er forbundet med OMXC25‑prisbevægelser på lang sigt. På kort sigt har nyhedssentiment en tydelig samtidseffekt på daglige afkast og en mindre forsinket tilpasning; VAR og impulssvar peger dog på, at disse effekter hurtigt aftager. Regimeskiftanalysen finder meningsfulde forskelle mellem stabile og turbulente perioder, men forsinket sentiment forudsiger ikke næste dags afkast signifikant inden for regimerne. I prognoseøvelserne overgår modeller med sentiment den naive Random Walk, men gevinsterne i forhold til ARIMA og det historiske gennemsnit er små og som regel ikke statistisk signifikante. Samlet set indeholder dansk nyhedsbaseret sentiment økonomisk relevant information til at forstå bevægelser i OMXC25, men den praktiske prognoseværdi er begrænset sammenlignet med nogle stærkere resultater i den internationale litteratur.

[This apstract has been rewritten with the help of AI based on the project's original abstract]

Download PDF
View record in AAU Student Projects