When Machines Read the Web: Market Efficiency and Costly Information Acquisition at the Intraday Level

Résumé Fr En

Nous étudions l’hypothèse d’efficience des marchés au niveau intra-journalier en analysant les réactions du marché aux tweets négatifs et rapports publiés sur Internet par un vendeur à découvert. À l’aide d’études d’événements, nous constatons que les investisseurs peuvent générer un profit anormal, faible mais significatif, en passant des ordres très rapidement suite aux informations publiques publiées sur les réseaux sociaux. La réaction du marché aux tweets est plus forte lorsqu’une entreprise est mentionnée pour la première fois sur Twitter, ce qui montre que les investisseurs sont capables d’identifier les informations pertinentes en temps réel. Nous constatons également que les traders qui parviennent à identifier les informations sur le site Internet du vendeur à découvert avant la diffusion de la même information sur Twitter peuvent générer des rendements anormaux beaucoup plus importants. Comme l’acquisition d’informations sur un site web est plus coûteuse et difficile que l’acquisition de la même information sur Twitter, nos résultats fournissent des preuves empiriques soutenant le paradoxe de Grossman-Stiglitz au niveau intra-journalier. Des anomalies de marché de très courte durée existent sur le marché boursier pour compenser les investisseurs qui ont passé du temps et ont dépensé de l’argent pour mettre en place des robots et des algorithmes afin d’identifier les nouvelles informations avant la foule.

We investigate the efficient market hypothesis at the intraday level by analyzing market reactions to negative tweets and reports published on the Internet by an activist short seller. Conducting event studies, we find that fast-moving traders can generate small, albeit significant, abnormal profit by trading on public information published on social media. The market reaction to tweets is stronger when a company is mentioned for the first time on Twitter, showing that investors can disentangle new information from noise in real time. We also find that traders who manage to identify the information on the short seller’s website before the dissemination of the same news on Twitter can generate much greater abnormal returns. As acquiring information on a website is more costly and difficult than acquiring the same information on Twitter, our findings provide empirical evidence supporting the Grossman–Stiglitz paradox at the intraday level. Very short-lived market anomalies do exist in the stock market to compensate investors who spent time and money in setting up bots and algorithms to trade on new information before the crowd.