ספרות ענפה בתחום המימון עוסקת בקשר שבין מחירי מניות ומידע. דעה רווחת בקרב כלכלנים פיננסיים היא שמחירי מניות משתנים כתגובה למידע פונדמנטלי בלתי צפוי, כאשר "מידע פונדמנטלי" פירושו מידע הנוגע ישירות למצבה הכלכלי של חברה כלשהי. נהוג להשתמש בכתבות חדשותיות על מנת לייצג מידע גלוי. הבעיה עם ייצוג זה היא שכתבות יכולות לכלול סיפורים עם מעט מאוד מידע פונדמנטלי רלוונטי לחברות. מציאת ייצוג טוב יותר למידע גלוי עשויה להועיל ללמידת הקשר האמיתי בין מחירי מניות ומידע. הספרות שקדמה למחקרנו קובעת שחשיפה של מידע חסוי באמצעות מסחר, ולא חדשות גלויות, היא המוביל העיקרי של שינויים במחירי המניות. אנו בוחנים מחדש את השאלה הזאת תוך שימוש בכלים חדשניים לכריית טקסט שמאפשרים לנו לזהות בצורה טובה יותר מידע פונדמנטלי בידיעות חדשותיות. מטרת המחקר היא לבחון את השונות היחסית במחירי המניות בתקופות שבהן יש מידע מסוג שונה, כדרך לבודד את ההשפעה של מידע חסוי ממידע גלוי וכן מ"רעש" (נתונים אקראיים) שקשור למסחר. השתמשנו בשתי גישות לייצוג מידע פונדמנטלי. הגישה הראשונה היא באמצעות פלטפורמה מבוססת חוקים לחילוץ מידע מטקסט, שנקראת VIP (Visual Information extraction Platform), שמחלצת נושאים ואירועים מחדשות פיננסיות. הגישה השנייה היא גישה של למידה חישובית, כלומר למידה על סמך דוגמאות (המבוססת על אלגוריתמי מחשב מתאימים), שמזהה חדשות על חברות במונחים של רלוונטיות וסנטימנט. כיוון שהמטרה שלנו היא לנתח את ההבדלים בתבניות שקשורות לתשואות בהינתן סוג המידע שנהיה זמין, קטלגנו כל מניה/תקופה לאחת משלוש קטגוריות: אין חדשות, חדשות בלתי מזוהות וחדשות מזוהות. באמצעות המידע הזה בחנו את השונות של התשואות של מניות. ראשית, השווינו בין יחסי השונות בזמן מסחר ובמשך הזמן שלאחר גמר המסחר. לאחר מכן, השתמשנו בניתוח סטטיסטי בסיסי (המכונה ניתוח R-בריבוע) על מנת ללמוד כמה מהשונות במחירי המניות קשורה למידע פונדמנטלי על החברה. לבסוף, הצענו מודל פשוט שמאפשר לנו להפריד את השונות של התשואות לשונות שהיא כתוצאה ממידע פרטי, שונות שהיא כתוצאה ממידע ציבורי ושונות שקשורה לרעש במסחר. הראינו שמידע גלוי על חברות הוא מרכיב משמעותי בשונות של מחירי המניות והוא מסביר את כיוון ועוצמת השוק ביחס לכל מניה. מצאנו שמידע פונדמנטלי על החברה אחראי על 40%-20% מהשונות במהלך השעות שלאחר המסחר (לעומת 6%-5% בשעות המסחר), וניתוח R-בריבוע הראה הבדל בשונות המוסברת בין ימים שבהם יש חדשות לעומת ימים שבהם אין (16% מול 31%). בנוסף, מצאנו שאחוז השונות המוסברת משתנה בין חברות בעלות מאפיינים שונים ובין תעשיות שונות. ממצאים אלו יאפשרו לקרנות גידור ובנקי השקעות להשיג תשואות טובות יותר על השקעותיהן על-ידי שימוש בתוכנות המסוגלות לנתח באופן אוטומטי מידע טקסטואלי כגון חדשות עסקיות ופיננסיות.