För att förstå varför studiens resultat observerades som ovan kopplas tidigare forskning till resultaten. Sprenger et al (2014b) och (Verma et al. 2007) skriver om korrelationer mellan positiva nyheter och överreaktioner på aktiemarknaden som vid ett längre tidsperspektiv uppfattas som ett brus då det återgår till utgångspriset. Det överensstämmer med det resultat som observerades för denna studie, vilket indikerar att studiens resultat inte avviker från tidigare resultat gällande twitters påverkan på marknaden.
Det finns stöd för att känslomässiga tweets som sprids snabbt genom sociala medier snabbt integreras i aktiekurserna, samtidigt som tweets som sprider sig långsamt genom sociala medier tar längre tid att integreras i aktiekurser och därmed användas till att förutsäga framtida aktiepriser (Sul, Dennis & Yuan 2017). Vid analys av de berörda indexen där vi kan se signifikanta effekter så kan slutsatsen dras att Donald J. Trumps tweets sprids genom sociala medier relativt långsamt då vi har kunna påvisa signifikanta effekter under dygnet. Dock blir det svårt att säga att de är långsamma eftersom det inte finns något att jämföra med. Det som går att säga då enligt Sul et al. (2017) är att när effekterna inte sprids snabbt torde kursen rent logiskt ha korta korrigeringspriser. Det finns det enligt, oss likheter, vid det författarna säger om att vissa tweets sprids snabbt och då integreras i aktiekurser med Famas (1970) effektiva marknadshypotes som säger att informationen snabbt eller redan är inprisat i aktiekurserna. Då vid denna analys så kan vi säga att Donald J. Trumps tweets sprids långsamt genom sociala medier till hans följarskara (Bae & Lee 2012) så uppfyller den svenska aktiemarknaden inte kriterierna för den semistarka formen av EMH vilket stämmer överens med tidigare nämnda studier samt det resultat denna studie har frambringat.
Det är trendigt att som politiker kommunicera genom plattformar som tillhandahålls på internet såsom twitter, tidigare saknades det alternativ till traditionell media, vilket har inneburit att mer av den information som kommuniceras sker online. Twitter innehar en central roll inom politik och media, Donald J. Trump har varit en profil för skiftet, vilket denne fått både positiv och negativ uppmärksamhet för under sin politiska karriär (Lee & Xu 2018; The Wall Street Journal 2012; Juma'h & Alnsour 2018; Ge, Kurov & Wolfe 2019; Šimunjak & Caliandro 2019). Det finns ytterligare stöd från liknande forskning som fokuserar på framtida förutsägelse angående aktiekurser (Tetlock 2007; Tetlock et al 2008; Wysocki 1998; Antweiler & Frank 2004; Sprenger, Tumasjan et al 2014a; Sprenger, Tumasjan et al 2014b; Bollen, Mao och Zeng 2011; Oliveira, Cortez & Areal 2013: Sul, Dennis & Yuan 2017; Ruiz, Hristidis, Castillo, Gionis & Jaimes 2012; Garcia-Lopez, Batyrshin & Gelbukh 2018; Tumasjan et al. 2010a; Zhang, Fuehres & Gloor 2010) vilket anses vara ett incitament till att förstärka hypotesen om att marknaden inte är helt effektiv enligt den semistarka formen av den effektiva marknadshypotsen. Således ger denna diskussion i samklang med studier som funnit stöd för att Donald J. Trump har skapat en signifikant påverkan på aktier samt funnit stöd för att handelsvolymen ökat på eventdagen (Born, Myers & Clark 2017; Ge, Kurov & Wolfe 2018), ännu mer grund till att förstärka hypotesen om att marknaden inte är helt effektiv.
Det är inte möjligt att betrakta den svenska aktiemarknaden enligt med EMHs semistarka form då vid den data som insamlats observerades en tydlig effekt för vissa av de inkluderade nyckelorden. Utan nyckelordsindelningen observerades ingen signifikant abnormal avkastning för OMXSPI (Figur 8) för Donald J. Trumps publicerade tweets, vilket innebär att marknaden är effektiv enligt EMH för OMXSPI utan indelning i nyckelord. För OMXSSCPI observerades det 6 stycken 15-minutersperioder med signifikant abnormal avkastning och för OMXS30 1 stycken 15-minutersperioder med signifikant abnormal avkastning vilket innebär att marknaden inte är helt effektiv och att det finns en skillnad mellan stora och små bolag.
7 Slutsats
Detta kapitel belyser resultatsavvikelser och överensstämmande med befintliga teorier. Studiens syfte, effektiva marknadshypotesen i relation till svenska aktiemarknaden kommer att behandlas och forskningsfrågan kommer att besvaras utifrån uppnått resultat. Kapitlet avslutas med förslag på framtida studier.
Syftet med studien var att undersöka om det fanns en koppling mellan Donald J. Trumps uttalanden på mikrobloggen Twitter och aktiekursen för företag registrerade på den svenska aktiemarknaden, därutöver ämnade studien att undersöka om det fanns någon skillnad på effekten av Donald J. Trumps twittrande på stora företag noterade på OMXS30 jämfört med mindre företag noterade på OMXS Small Cap. Vidare ämnade studien att undersöka om den potentiella effekten var bestående, avtagande eller tilltagande effekt på de index som undersökts.
För det breda indexet OMXSPI observerades ingen signifikant abnormal avkastning då samtliga tweets inkluderas utan indelning i respektive nyckelord. För OMXSSCPI observerades 6 stycken 15-minutersperioder på signifikant abnormal avkastning, för OMXS30 observerades 1 stycken 15-minutersperioder med signifikant abnormal avkastning. Vid indelning i nyckelord observerades abnormal avkastning vid 9 nyckelord för OMXSSCPI och OMXS30, för OMXSPI observerades 8 nyckelord med abnormal avkastning. Således finns det stöd för att Donald J. Trump’s twitteraktivitet genererar en effekt på den svenska börsen.
Det observerades en skillnad mellan OMXSSCPI som inkluderar små bolag och OMXS30 som inkluderar stora bolag. OMXSSCPI observerades för ett fler antal 15-minutersperioder med signifikant abnormal avkastning vid 6 nyckelord jämfört med OMXS30. Medan OMXS30 observerades generera fler antal 15-minutersperioder med signifikant abnormal avkastning vid 2 nyckelord jämfört med OMXSSCPI.
För ett av de studerade nyckelorden observerades bestående effekt där den signifikanta abnormala avkastningen påverkade majoriteten av de 15-minutersperioder som inkluderats i urvalet. För övriga nyckelord var effekten avtagande då majoriteten av mätperioden för dessa nyckelord observerades för normal avkastning. Antalet publicerade tweets påverkade inte
effekten, effekten var bestående oavsett antalet tweets som publicerats för de inkluderade nyckelorden.
För att återkoppla till forskningsfrågorna:
Har Donald J. Trumps twittrande en signifikant påverkan på svenska börsen i en större grad än vanliga dagliga genomsnittliga börssvängningar och har denna påverkan varit beständig eller var den tillfällig?
Finns det en skillnad på påverkan mellan större börsnoterade företag med större internationell närvaro kontra mindre börsnoterade företag med en mindre internationell eller bara nationell närvaro?
Finns det en effekt över tid på svenska börsen av Donald J. Trumps twittrande?
Donald J. Trumps aktivitet på Twitter har en signifikant påverkan på den svenska aktiemarknaden. Det finns en större signifikant påverkan på företag registrerade på OMXSSCPI jämfört med företag registrerade på OMXS30. Det finns en bestående effekt över tid på svenska börsen som inte påverkades av antal publicerade tweet.
7.1 Framtida forskning
Vi anser att problematiken med utländska aktörer som med uttalanden via sociala medier påverkar andra länders aktiemarknader kräver vidare studier. Med denna studie som underlag anser vi att det krävs mer forskning kring Donald J. Trumps påverkan på marknader. Då studien visat på en effekt gällande kursförändringar hade det varit intressant att se om det fanns en effekt gällande volatilitet för den svenska marknaden och utländska marknader. Hur påverkas andra tillgångsslag av dessa tweets? Det vore intressant att undersöka hur det resultat vi fått skiljer sig åt med den amerikanska marknaden vid justering för valutaeffekter.
För framtida forskning kring EMH rekommenderar vi att överväga större och mer omfattande analyser på olika marknadsnivåer, ex lokalt, nationellt och internationellt. Det skulle även vara av intresse att applicera ett mer kvalitativt förhållningssätt i syfte av att använda sig av sentimentteorier i syfte att förstå vilken typ av nyhetsmeddelanden som skapar de olika effekterna.
8 Bibliografi
Antweiler, Werner & Frank, Murray Z. 2004. Is All That Talk Just Noise? The InformationContent of Internet Stock Message Boards. THE JOURNAL OF FINANCE•VOL. LIX, NO. 3•JUNE 2004
Bae, Younggue & Lee, Hongchul. 2012. Sentiment Analysis of Twitter Audiences: Measuring the Positive or Negative Influence of Popular Twitterers. Journal of the American Society for Information Science and Technology. Volume 63, Issue 12.
Bagge, Josefine. 2019. Trumps tweets påverkan på omnämnda företags aktiekurser. Institutionen för Finansiell ekonomi och Nationalekonomi. Svenska handelshögskolan Vasa 2019
Barthel, Michael., Shearer, Elisa., Gottfried, Jeffrey., & Mitchell, Amy. 2015. The evolving role of news on Twitter and Facebook.
Bollen, Johan., Mao, Huina & Zeng, Xiaojun. 2011. Twitter mood predicts the stock market. Journal of Computational Science 2 (2011) 1–8
Brown, Stephen & Warner, Jerold. 1985.Using daily stock returns: The case of event studies. Journal of Financial Economics 14 (1985) 3-31. North-Holland
Bryman, Alan & Bell, Emma. 2017. Företagsekonomiska forskningsmetoder. Liber AB
Cable, John & Holland, Kevin. (1999) Modelling normal returns in event studies: a model- selection approach and pilot study. The European Journal of Finance, 5:4, 331-341
Dahlström, Karin. 2000. Från datainsamling till rapport – att göra en statistiskt undersökning,
Tredje upplagan, Studentlitteratur, Lund.
De Ridder, Adri. 1990. Kurspåverkande information – En analys av börs- och noterings stopp. Vol. 7, Stockholms fondbörs, Stockholm.
Dimmick, John., Chen, Yan & Li, Zhan. 2004. Competition Between the Internet and Traditional News Media: The Gratification-Opportunities Niche Dimension, The Journal of Media Economics, 17:1, 19-33,
Dutta-Bergman, Mohan. 2004. Complementarity in Consumption of News Types Across Traditional and New Media, Journal of Broadcasting & Electronic Media, 48:1, 41-60,
Eliasson, Annika. 2013. Kvantitativ metod från början. Studentlitteratur AB, Lund.
Ellison, Nicole & Boyd, Danah. 2007. Social network sites: Definition, history, and scholarship. Journal of Computer-Mediated Communication, 2007
Engelberg, Jospeh E & Parsons, Christopger A. 2011. The Causal Impact of Media in Financial Markets. THE JOURNAL OF FINANCE•VOL. LXVI, NO. 1•FEBRUARY 2011
Fama, Eugene. 1965. "The Behavior of Stock Market Prices". Journal of Business. 38: 34–105.
Fama, Eugene. 1970. "Efficient Capital Markets: A Review of Theory and Empirical Work". Journal of Finance.
Fama, Eugene. 1991. Efficient Capital Markets: II. THE JOURNAL OF FINANCE * VOL. XLVI, NO. 5
Fang, Lily & Peress, Joel. 2009. Media Coverage and the Cross-Section of Stock Returns. THE JOURNAL OF FINANCE•VOL. LXIV, NO. 5
Fisher, Andreas & Ranaldo, Angelo 2011. Does FOMC news increase global FX trading?, Journal of Banking & Finance, Volume 35, Issue 11, 2011, Pages 2965-2973, ISSN 0378-4266
Forsgårdh, Lars-Erik & Hertzén, Krister. 1975. Information, förväntningar och aktiekurser : En studie av den svenska aktiemarknaden. Stockholm: Handelshögskolan, 1975.
Garcia-Lopez, Francisco Javier., Batyrshin, Ildar & Gelbukh, Alexander. 2018. Analysis of relationships between tweets and stock market trends. Journal of Intelligent & Fuzzy Systems 34 (2018) 3337–3347
Ge, Qi., Kurov, Alexander & Wolfe, Marketa Halova. 2019. DO INVESTORS CARE ABOUT PRESIDENTIAL COMPANY ‐SPECIFIC TWEETS? The Journal of Financial Research Vol. XLII, No. 2 Pages 213–242
Gennaro Bernile, Jianfeng Hu, Yuehua Tang. 2016. Can information be locked up? Informed trading ahead of macro-news announcements, Journal of Financial Economics, Volume 121, Issue 3, 2016, Pages 496-520,
Gentzkow, Matthew & Shapiro, Jesse M. 2010. What Drives Media Slant? Evidence From U.S. Daily Newspapers. Econometrica Vol 78 No 1(January 2010) 35 - 71
Gills, Barry., Patomäki Heikki & Morgan, Jaime. 2019. President Trump as status dysfunction. Organization 2019, Vol. 26(2) 291–301
Glaser, Markus ; Langer, Thomas ; Weber, Martin. 2005. Overconfidence of professionals and lay men : individual differences within and between tasks?
Green, Clifton T.. 2004. Economic News and the Impact of Trading on Bond Prices. The Journal of Finance, 59: 1201-1233.
Gurusamy, S. 2009. Financial Services and System. Tata McGraw-Hill Education Private Limited: New Delhi
Jayeon, Lee & Weiai, Xu. 2018. The more attacks, the more retweets: Trump’s and Clinton’s agenda setting on Twitter. Public Relations Review. Jun2018, Vol. 44 Issue 2, p201-213. 13p.
Juma'h, Ahmad & Alnsour, Yazan. 2018. Using social media analytics: The effect of President Trump's tweets on companies' performance. Accounting & Management Information Systems / Contabilitate si Informatica de Gestiune. 2018, Vol. 17 Issue 1, p100-121. 22p.
Kothari, S.P. & Warner, Jerold. 2004. The Econometrics of Event Studies. Handbook of Corporate Finance: Empirical Corporate Finance. 1.
MacKinlay, Craig A. 1997. ‘Event Studies in Economics and Finance’, Journal of Economic Literature, Vol. 35, pp. 13–39.
Malkie, Burton. 2003. The Efficient Market Hypothesis and Its Critics. Journal of Economic Perspectives—Volume 17, Number 1—Winter 2003—Pages 59 –
Malkiel, Burton. 2005. Reflections on the Efficient Market Hypothesis: 30 Years Later. The Financial Review 40 (2005) 1--9
Morrison, Wayne. 2017. China-U.S. trade issues. Congressional Research Service Report, 7- 5700. Washington, DC: Congressional Research Service
Nyquist, Hans 2017. Statistikens grunder. Lund, Studentlitteratur,
Verma, Rahul & Verma, Priti. 2007. Noise Trading and Stock Market Volatility. Journal of Multinational Financial Management, Volume 17, Issue 3, 2007
Oh, Chong & Sheng, Olivia. 2011. Investigating predictive power of stock micro blog sentiment in forecasting future stock price directional movement. ICIS 2011, Shanghai, China.
Oliveira, Nuno., Cortez, Paulo & Areal, Nelson. 2013. Some Experiments on Modeling Stock Market Behavior Using Investor Sentiment Analysis and Posting Volume from Twitter. WIMS’13, June 12-14, 2013 Madrid, Spain Copyright c 2013
Patel, Runa & Davidson, Bo. 2011. Forskningsmetodikens grunder : att planera, genomföra och rapportera en undersökning. Lund : Studentlitteratur
Pew Research Center for the People and the Press. 2000. Internet sapping broadcast news audience. Washington, DC: Author.
Pew Research Center. 2012. Trends in news consumption: 1991-2012: In changing news landscape, even television is vulnerable.
Pew Research Center. 2013. Amid criticism, Support for Media’s “Watchdog” Role Stands Out.
Rendleman, Richard Jr, Jones, Charles & Latane, Henry. 1982. EMPIRICAL ANOMALIES BASED ON UNEXPECTED EARNINGS AND THE IMPORTANCE OF RISK ADJUSTMENTS. Journal of Financial Economics 10 (1982) 2699287. North-Holland Publishing Company
Ruiz, Eduardo., Hristidis, Vagelis., Castillo, Carlos., Gionis, Aristides & Jaimes, Alejandro. 2012. Correlating financial time series with micro-blogging activity, In Proceedings of the Fifth ACM International Conference on Web Search and Data Mining, 2012, pp. 513–522. ACM
Ryan, Paul. and Taffler, Richard. 2004. ‘Are Economically Significant Stock Returns and Trading Volumes Driven by Firm–specific News Releases?’, Journal of Business Finance & Accounting, Vol. 31, Nos. 1–2, pp. 49–81.
Schmitz, Phillip. 2007. ‘Market and Individual Investors Reactions to Corporate News in the Media’,Working Paper (University of Mannheim)
Stempel, Guido., Hargrove, Thomas & Bernt, Joseph. 2000. Relation of growth of use of the Internet to changes in media use from 1995 to 1999. Journalism & Mass Communication Quarterly, 77, 71-79
Strong, Norman. (1992). MODELLING ABNORMAL RETURNS: A REVIEW ARTICLE. Journal of Business Finance & Accounting, 19: 533-553.
Shiller, Robert. 2017. Robert J. Shiller. Narrative Economics. NBER Working Paper No. 23075 January 2017
Šimunjak, Maja & Caliandro,Alessandro. 2019. Twiplomacy in the age of Donald Trump: Is the diplomatic code changing?, The Information Society, 35:1, 13-25.
Sprenger, Timm O., Tumasjan, Andranik., Sandner, Philipp G & Welpe, Isabell M. 2014. Tweets and Trades: the Information Content of Stock Microblogs. European Financial Management, Vol. 20, No. 5, 2014, 926–957
Sprenger, Timm O., Sandner, Philipp G., Tumasjan, Andranik & Welpe, Isabell M. 2014. News or Noise? Using Twitter to Identify and Understand Company-specific News Flow. Journal of Business Finance & Accounting. Sep/Oct2014, Vol. 41 Issue 7/8, p791-830. 40p. 12 Charts.
Sul, Hong Kee., Dennis, Alan R. & Yuan, Lingyao (Ivy). 2017. Trading on Twitter: Using Social Media Sentiment to Predict Stock Returns. Decision Sciences Volume 48 Number 3 June 2017
Tandan, Isabelle. 2019. PÅVERKAR DONALD J. TRUMPS TWEETS ANGÅENDE HANDELSKRIGET MELLAN USA OCH KINA DJIA?: En kvantitativ studie om Donald J. Trumps tweets angående handelskriget mellan USA och Kina påverkar Dow Jones Industrial Average. Uppsala University, Disciplinary Domain of Humanities and Social Sciences, Faculty of Social Sciences, Department of Economics. 2019 (Swedish) Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE credits
TETLOCK, PAUL C. 2007. Giving Content to Investor Sentiment: The Role of Media in the Stock Market. THE JOURNAL OF FINANCE•VOL. LXII, NO. 3
Tetlock, Paul C., Saar-Tsechansky, Maytal & Macskassy, Sofus. 2008. More Than Words: Quantifying Language to Measure Firms’ Fundamentals. THE JOURNAL OF FINANCE • VOL. LXIII, NO. 3 • JUNE 2008
Tumasjan, Andranik., Sprenger, Timm., Sandner, Philipp & Isabell Welpe. 2010. Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment. Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media
Verma, Rahul & Verma, Priti. 2007. Noise trading and stock market volatility, Journal of Multinational Financial Management, Volume 17, Issue 3, 2007, Pages 231-243
Vassileva, Bistra. 2017. Consumer Activities and Reactions to Social Network Marketing. Management 12 (2): 133–144
Wagner, Alexander., Zeckhauser, Richard & Ziegler, Alexandre. 2017. Company Stock Reactions to the 2016 Election Shock: Trump, Taxes and Trade. NBER Working Paper No. 23152 February 2017
Wysocki, Peter D. 1998. Cheap Talk on the Web: The Determinants of Postings on Stock Message Boards. Working Papers (Faculty) -- University of Michigan Business School. 1998, p1. 35p
Yang, Steven., Mo, Sheung Yin Kevin & Liu, Anqi.2015. Twitter financial community sentiment and its predictive relationship to stock market movement. Quantitative Finance, 2015 Vol. 15, No. 10, 1637–1656
Yap, Sheau-Fen & Gaur, Sanjaya. 2016. Integrating functional, social, and psychological determinants to explain online social networking usage. Behaviour & Information Technology, 2016 Vol. 35, No. 3, 166–183,
Zhang, Xue., Fuehres, Hauke & Gloor, Peter A. 2010. Predicting Stock Market Indicators Through Twitter “I hope it is not as bad as I fear”. Procedia - Social and Behavioral Sciences 00 (2009) 000–000
8.1 Länkar
Jeremy Shapiro. 2018. Trump has redefined political communication for the world — and soon everyone could speak like him. Tillgänglig på: .https://www.businessinsider.com/whole-world- will-soon-start-talking-like-trump-2018-10?r=US&IR=T
[2019-10-16]
Erik Sherman. 2019. S&P 500 Has Performed Far Worse Under Trump Than Under Obama. Tillgänglig på: https://fortune.com/2019/06/03/stock-market-trump-obama-sp-500/ [2019-10-22]
Fred Imbert. 2018. The Dow’s 31% gain during Trump’s first year is the best since FDR. Tillgänglig på: https://www.cnbc.com/2018/01/18/the-dows-31-percent-gain-during-trumps- first-year-is-the-best-since-fdr.html
[2019-11-13]
Landers, Elizabeth. 2017. White House: Trump's tweets are 'official statements'. Tillgänglig på: https://edition.cnn.com/2017/06/06/politics/trump-tweets-official-statements/index.html [2019-09-28]
Rosman, Katherine. 2012. Behind That Celebrity Tweet. Tillgänglig på: https://www.wsj.com/articles/SB10001424052702303674004577434474251628002
[2019-12-18]
Twitter. 2020. About. Tillgänglig på: https://about.twitter.com/ [2019-09-17]
Trump, Donald J. 2020. Donald J. Trump. Tillgänglig på: https://twitter.com/realdonaldtrump [2019-09-24]
Kennedy, Simon. 2019. Trump’s Fed Tweets Shown to Have ‘Significant’ Effect on Trading. Tillgänglig på: https://www.bloomberg.com/news/articles/2019-09-23/trump-s-fed-tweets- shown-to-have-significant-effect-on-trading
Appendix 1
Nyckelord Aktie (Stock)
Översatt betyder stock aktier. Nyckelordet rör aktier av olika slag registrerade på olika marknader, nyckelordet är inte begränsat till en marknad.
Relevans
Nyckelordet Stock är relevant eftersom det är reaktionen på aktier som undersöks. Stock har valts ut som nyckelord därför att innefatta Donald J. Trump diskussioner angående aktier och aktierelaterade ämnen. När detta nyckelord är aktuell i tweets diskuteras exempelvis aktiemarknadens utveckling, hur aktiemarknaden påverkas av ECB:s besked och liknande ämnen. Denna information prisas in i aktiekurserna och skapar en effekt som antingen har en statistiskt signifikant effekt eller inte.
Ekonomi (Economy)
Economy inkluderar tweets som berör nyckelordet ekonomi, vilket innebär att det finns utrymme för tweets på nationell och internationell nivå.
Relevans
Nyckelordet är relevant då Donald J. Trump diskuterar ämnen rörande den amerikanska ekonomin, hur olika faktorer påverkar den amerikanska ekonomin samt hur stark den amerikanska ekonomin är. Det sker diskussioner om och hur specifika bolag påverkar ett lands ekonomi. Detta nyckelord har inkluderats eftersom den berör ekonomi vilket är det som värderas på börsen, den framtida ekonomiska utvecklingen för världsekonomin och företag.
Taxa (Tariff)
Tariff används i samband med tullar eller taxa på importerade varor, det vill säga en avgift för importer av utländska varor som ökar priset.
Relevans
Detta nyckelord är relevant då det används under det aktuella handelskrig som pågår mellan USA och Kina där krigföringen skett med hjälp av tariffer på olika typer av varor. Denna typ av uttalanden påverkar världsekonomin och de framtida ekonomiska förutsättningarna, vilket eventuellt ger marknaden en anledning att omvärdera aktiepriset främst på bolag som drabbas av dessa tariffer.
Handel (Trade)
Trade översatt betyder handel, nyckelordet innefattar således tweets som berör handelsavtal samt handelsdiskussioner.
Relevans
Det finns anledning att tro att nyckelordet är relevant då det, vid ett tweet innehållandes nyckelordet, skulle ge en effekt på marknadens värdering av den ekonomiska framtida utvecklingen och därigenom aktiepriser. Handelskriget är av stort intresse för omvärlden eftersom Kina är USA:s näst största handelspartner, tredje största exportmarknad och den största källan till importerade varor. Kina och USA:s ömsesidiga handels- och investeringsrelationer gynnar båda länderna, USA bistår Kina med en stor exportmarknad varav Kina bistår USA:s befolkning med export av lägre varor till lägre kostnad vilket gynnar de amerikanska konsumenterna. Kina är dessutom den näst största utländska innehavaren av amerikanska statsobligationer, vilket är en förutsättning för att USA ska ges möjligheten till att hålla räntorna låga (Morrison 2017).
Kina (China)
När Donald J. Trump benämner Kina är det troligtvis i samband med politiska händelser,