石 勇 唐 靜 郭 琨

一、引言

傳統(tǒng)的股票市場分析預(yù)測研究多是基于歷史數(shù)據(jù)、財(cái)務(wù)指標(biāo)等結(jié)構(gòu)化數(shù)據(jù)(盧琦澤等,2010［1］)。隨著互聯(lián)網(wǎng)技術(shù)的普遍應(yīng)用,尤其是大數(shù)據(jù)信息的誕生,投資者獲取股票市場信息的渠道更加廣泛、表達(dá)觀點(diǎn)的平臺(tái)也更加多樣。隨著越來越多的投資者在互聯(lián)網(wǎng)社交媒體上獲取信息和發(fā)表觀點(diǎn),財(cái)經(jīng)新聞、股吧評(píng)論等來源于互聯(lián)網(wǎng)的非結(jié)構(gòu)化數(shù)據(jù)也被納入股票市場的分析當(dāng)中,為股市分析和預(yù)測提供了新的視角(Fung 等,2002［2］)。

互聯(lián)網(wǎng)社交媒體數(shù)據(jù)能夠更直接地反映投資者的關(guān)注度和情緒。例如個(gè)人投資者在股吧論壇中發(fā)表的對(duì)某只股票的看法可以看作此人對(duì)該股票投資機(jī)會(huì)的關(guān)注,因此這只股票股吧評(píng)論關(guān)注的集合就代表了個(gè)人投資者群體對(duì)此股票的關(guān)注度。再如一個(gè)機(jī)構(gòu)投資者在新聞上發(fā)表的對(duì)某只股票的看法反映了其對(duì)此股票的看漲或看跌情緒,那么所有新聞情緒的集合就反映了專業(yè)投資者群體對(duì)股票的情感傾向?；诖?以群體的方式去研究這些與股市相關(guān)的評(píng)論或者新聞,提取其中的關(guān)注度、情感傾向等信息,就可以得到一個(gè)可量化的反映投資者群體關(guān)注度或者情緒的指標(biāo),這個(gè)指標(biāo)對(duì)股市預(yù)測具有非常重要的參考價(jià)值。

二、文獻(xiàn)綜述

傳統(tǒng)度量投資者關(guān)注度的間接指標(biāo)主要有交易量、換手率和廣告支出。Lou(2010)［3］用廣告費(fèi)用衡量投資者關(guān)注度,實(shí)驗(yàn)發(fā)現(xiàn)上市公司增加廣告費(fèi)用不僅可以增加股票買入,同時(shí)可以提高投資回報(bào)率。Chemmanur和Yan(2010)［4］發(fā)現(xiàn)廣告支出的增加對(duì)股價(jià)的短期變動(dòng)有正向影響。徐加根和王波(2013)［5］研究了交易量和漲停板作為投資者關(guān)注度的間接指標(biāo)對(duì)中國A股市場的影響。賈春新等(2010)［6］用換手率衡量投資者關(guān)注,研究其和限售股解禁的關(guān)系。

隨著社交網(wǎng)絡(luò)的迅猛發(fā)展,網(wǎng)絡(luò)新聞、微博、論壇等社交媒體引導(dǎo)并承載著人們?cè)絹碓蕉嗟年P(guān)注(余慶進(jìn),2013［7］)。基于社交媒體數(shù)據(jù)度量投資者關(guān)注,再探索其與股票市場間關(guān)系的研究也越來越多。Chan(2003)［8］將新聞?lì)^條的數(shù)量作為衡量投資者關(guān)注度的指標(biāo),發(fā)現(xiàn)有新聞?lì)^條的股票很少在短期出現(xiàn)股價(jià)反轉(zhuǎn),然而沒有新聞?lì)^條的股票卻相反。Aouadi等(2013)［9］研究基于谷歌搜索量的投資者關(guān)注對(duì)股票市場的影響,結(jié)果發(fā)現(xiàn)投資者關(guān)注和股票成交量高度相關(guān),它是影響股票市場流動(dòng)性和波動(dòng)率的一個(gè)重要因子。Da等(2011)［10］用谷歌搜索頻率作為衡量投資者關(guān)注的指標(biāo),發(fā)現(xiàn)投資者關(guān)注的上升可以在短期推高股價(jià)。王鎮(zhèn)和郝剛(2013)［11］研究百度指數(shù)的用戶關(guān)注度對(duì)股票收益率的影響,發(fā)現(xiàn)當(dāng)期投資者關(guān)注度的上升會(huì)導(dǎo)致收益率的增加。饒育蕾等(2010)［12］用互聯(lián)網(wǎng)新聞數(shù)量構(gòu)建媒體關(guān)注度指標(biāo),發(fā)現(xiàn)媒體關(guān)注度越高的股票,在隨后的一個(gè)月內(nèi)的收益率越低。

除投資者關(guān)注度外,投資者情緒與股票市場的關(guān)系也是近年研究的熱門領(lǐng)域。Tetlock(2007)［13］為華爾街日?qǐng)?bào)股票新聞構(gòu)建了情緒指數(shù),研究發(fā)現(xiàn)新聞悲觀情緒會(huì)導(dǎo)致股價(jià)下跌。Das和Chen(2007)［14］基于雅虎股吧論壇數(shù)據(jù)構(gòu)建股民情緒指數(shù),發(fā)現(xiàn)股民情緒與股票市場活動(dòng)有一定的相關(guān)關(guān)系。易洪波等(2015)［15］基于東方財(cái)富網(wǎng)的股票論壇數(shù)據(jù),探究網(wǎng)絡(luò)論壇投資者情緒與股票市場的關(guān)系,研究發(fā)現(xiàn)投資者情緒會(huì)影響股票成交量和收益率。劉欣(2014)［16］發(fā)現(xiàn)互聯(lián)網(wǎng)新聞情感能對(duì)股價(jià)產(chǎn)生影響,并且不同網(wǎng)站的新聞對(duì)股價(jià)的影響程度不同。

綜上,已有研究表明投資者關(guān)注和投資者情緒對(duì)股票市場存在一定的影響,但是目前國內(nèi)學(xué)術(shù)界大多數(shù)的研究還是基于傳統(tǒng)指標(biāo)進(jìn)行的,基于互聯(lián)網(wǎng)社交媒體指標(biāo)探究其對(duì)股市影響的研究還處于探索階段。并且現(xiàn)有研究多是基于一種來源的數(shù)據(jù)構(gòu)建指標(biāo),再探究其對(duì)股市的影響,而基于不同來源數(shù)據(jù)的社交媒體指標(biāo)對(duì)股市的影響并不完全一致,因?yàn)檫@些不同來源的指標(biāo)其實(shí)代表了不同來源的投資者群體的看法,不同的投資者群體對(duì)股市的影響是有差異的,例如基于股吧論壇數(shù)據(jù)構(gòu)建的關(guān)注度指標(biāo)和基于新聞數(shù)據(jù)構(gòu)建的關(guān)注度指標(biāo)對(duì)股市的影響有所不同,但鮮有學(xué)者研究這些不同來源的社交媒體指標(biāo)所代表的不同來源的投資者群體看法對(duì)股市影響的差異性。

因此,本文針對(duì)已有研究的不足,基于優(yōu)礦金融量化平臺(tái)的股吧論壇用戶評(píng)論數(shù)據(jù)、雪球網(wǎng)股民社交網(wǎng)絡(luò)數(shù)據(jù)和財(cái)經(jīng)新聞數(shù)據(jù),分別構(gòu)建股吧論壇投資者關(guān)注度、雪球網(wǎng)投資者關(guān)注度、新聞關(guān)注度和新聞情緒指數(shù),再利用相關(guān)性分析和VAR模型探究這些指標(biāo)與股票市場的關(guān)系,并重點(diǎn)分析這些不同來源的社交媒體指標(biāo)對(duì)股市影響的差異性及其原因。本文主要的貢獻(xiàn)是:一是創(chuàng)造性地構(gòu)建四種基于優(yōu)礦金融量化平臺(tái)數(shù)據(jù)的互聯(lián)網(wǎng)社交媒體指標(biāo),并研究這四種指標(biāo)與股票市場的關(guān)系；二是研究這些不同來源的社交媒體指標(biāo)對(duì)股市影響的差異性及其原因。

本文的結(jié)構(gòu)安排如下:第一部分為引言,第二部分為文獻(xiàn)綜述,第三部分為機(jī)理分析,第四部分為數(shù)據(jù)變量及模型設(shè)定,第五部分為實(shí)證分析,第六部分為本文的主要結(jié)論。

三、機(jī)理分析

De Long等(1990)［17］提出的噪音交易模型(簡稱DSSW模型)是研究噪音交易及投資者情緒對(duì)金融市場影響最經(jīng)典的理論模型之一,它論證了噪音交易對(duì)金融市場會(huì)產(chǎn)生一定的影響,而且在有限套利市場中,投資者情緒是影響股票均衡價(jià)格的因素之一(陳其安等,2012［18］)。

模型將投資者分為具有理性預(yù)測能力的投資者和噪音交易者,理性投資者能夠準(zhǔn)確把握風(fēng)險(xiǎn)資產(chǎn)的投資分布并最大化期望效用(于全輝,2009［19］)。噪音交易者擁有錯(cuò)誤信念,這種錯(cuò)誤信念被稱為投資者情緒。噪音交易者存在過度自信和自我歸因兩種心理偏差,前者使得私人信息的權(quán)重比先驗(yàn)信息更高,會(huì)引起過度反應(yīng),而后者會(huì)導(dǎo)致短期的慣性效應(yīng)和長期的反轉(zhuǎn)效應(yīng)(陳軍和陸江川,2010［20］)。

模型用變量ρt表示噪音交易者預(yù)期風(fēng)險(xiǎn)資產(chǎn)價(jià)格時(shí)的情緒,ρt服從。平均情緒水平表示為ρ?,預(yù)期單位風(fēng)險(xiǎn)資產(chǎn)回報(bào)時(shí)投資者情緒方差表示為在全部投資者中,噪音交易者和理性投資者的比例分別為μ和1－μ(于全輝,2009［19］)。

在t＋1期,投資者的效用函數(shù)為U,U＝－e－(2γ)w。其中,γ代表絕對(duì)風(fēng)險(xiǎn)厭惡系數(shù),w代表投資者在t＋1期的最終財(cái)富。最大化投資者的條件期望效用相當(dāng)于最大化代表最終財(cái)富的期望值,代表財(cái)富第一期前的方差(于全輝,2009［19］)。

理性投資者會(huì)在擁有λst數(shù)量的風(fēng)險(xiǎn)資產(chǎn)的條件下最大化(1)式:

其中,c0代表初期稟賦,代表?xiàng)l件方差,

噪音交易者會(huì)在擁有λnt數(shù)量的風(fēng)險(xiǎn)資產(chǎn)的條件下最大化(2)式:

其中λnt(ρt)表示噪音交易者持有風(fēng)險(xiǎn)資產(chǎn)時(shí)的期望回報(bào)錯(cuò)覺。

由此得到的風(fēng)險(xiǎn)資產(chǎn)的數(shù)量分別為:

再考慮這一市場出清條件,最終得到風(fēng)險(xiǎn)資產(chǎn)定價(jià)規(guī)則的形式為:

公式(5)的后三項(xiàng)表示噪音交易者對(duì)風(fēng)險(xiǎn)資產(chǎn)價(jià)格的影響。代表噪音交易者的投資者情緒引起的價(jià)格波動(dòng),即便基本面沒有發(fā)生變化,但只要噪音交易者的情緒水平相比均值有所波動(dòng),也會(huì)引起風(fēng)險(xiǎn)資產(chǎn)價(jià)格的波動(dòng)。表示噪音交易者平均投資者情緒不為0所導(dǎo)致的價(jià)格對(duì)其價(jià)值的偏離,如果噪音交易者都看漲股票,也會(huì)促使風(fēng)險(xiǎn)資產(chǎn)價(jià)格高于其價(jià)值。代表交易者對(duì)所承擔(dān)的價(jià)格風(fēng)險(xiǎn)要求的補(bǔ)償,這種風(fēng)險(xiǎn)來自噪音交易者不確定的投資者情緒,而不是股票基本面的變化［19］。

由DSSW模型可以看出,噪音交易會(huì)對(duì)風(fēng)險(xiǎn)資產(chǎn)產(chǎn)生作用,投資者情緒會(huì)對(duì)股票市場產(chǎn)生一定的影響。

四、數(shù)據(jù)變量及模型設(shè)定

（一）數(shù)據(jù)描述

數(shù)據(jù)來自優(yōu)礦金融量化平臺(tái)①https://uqer.io/home/,在優(yōu)礦上可以通過Python接口下載數(shù)據(jù),輸入股票代碼,以及股票論壇帖子或者新聞發(fā)布的起止時(shí)間,就可以下載帖子或者新聞的相關(guān)數(shù)據(jù),比如關(guān)注度和情感指數(shù)。,此平臺(tái)不僅可以提供股票行情數(shù)據(jù)、基本面數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù),還可以提供證券相關(guān)的論壇評(píng)論和新聞等結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)。

本文研究的樣本區(qū)間為2014年1月1日到2015年10月31日,共442個(gè)交易日。研究對(duì)象為社交媒體投資者關(guān)注度和情緒指數(shù)對(duì)滬深300指數(shù)的影響。研究的基礎(chǔ)數(shù)據(jù)是基于優(yōu)礦數(shù)據(jù)合成的股吧論壇投資者關(guān)注度、雪球網(wǎng)投資者關(guān)注度、新聞關(guān)注度和新聞情緒指數(shù),以及從Wind下載的股票行情數(shù)據(jù),股價(jià)、換手率和成交量。因滬深300指數(shù)每半年換一次成分股,因此本研究也是用同時(shí)期的滬深300成分股關(guān)聯(lián)的股吧論壇、雪球網(wǎng)和新聞數(shù)據(jù)計(jì)算投資者關(guān)注度和情緒指數(shù)。

優(yōu)礦提供的股吧論壇數(shù)據(jù)來自東方財(cái)富網(wǎng)股吧、和訊股吧等幾十家國內(nèi)主流股吧論壇。雪球網(wǎng)投資者評(píng)論數(shù)據(jù)來自于雪球網(wǎng)。新聞數(shù)據(jù)來自東方財(cái)富網(wǎng)、和訊網(wǎng)、新浪財(cái)經(jīng)等國內(nèi)70多個(gè)主流的財(cái)經(jīng)新聞網(wǎng)站。

根據(jù)證監(jiān)會(huì)公布的數(shù)據(jù)顯示,中國股票市場投資者數(shù)量在2016年初已突破1億。根據(jù)艾瑞咨詢①http://report.iresearch.cn/content/2016/03/259109.shtml的研究數(shù)據(jù)顯示,2016年1月,東方財(cái)富網(wǎng)的日均覆蓋人數(shù)達(dá)1 276萬人,位居第一,和訊網(wǎng)的日均覆蓋人數(shù)達(dá)到352萬人,位居第三,前十家財(cái)經(jīng)網(wǎng)站日均覆蓋的總?cè)藬?shù)達(dá)到3 600萬。由此表明,互聯(lián)網(wǎng)社交媒體擁有廣大的用戶群體以及廣泛的影響力。而優(yōu)礦提供的數(shù)據(jù)也覆蓋了這些主流的財(cái)經(jīng)新聞網(wǎng)站及股吧論壇,表明基于優(yōu)礦提供的相關(guān)數(shù)據(jù)合成的互聯(lián)網(wǎng)社交媒體投資者關(guān)注度和投資者情緒指標(biāo)能夠代表廣大投資者的關(guān)注度和情緒,是具有一定的代表性的。

（二）變量合成

本文創(chuàng)造性地基于優(yōu)礦金融量化平臺(tái)數(shù)據(jù)構(gòu)建了四個(gè)互聯(lián)網(wǎng)社交媒體投資者關(guān)注度和投資者情緒指標(biāo),分別是股吧論壇投資者關(guān)注度、雪球網(wǎng)投資者關(guān)注度、新聞關(guān)注度和新聞情緒指數(shù)。

股吧論壇投資者關(guān)注度是基于優(yōu)礦提供的股吧論壇社交關(guān)注度合成的。優(yōu)礦提供的股吧論壇社交關(guān)注度指標(biāo)表示在優(yōu)礦提供的股吧論壇數(shù)據(jù)中,每天在標(biāo)題或內(nèi)容中提到某只股票的帖子數(shù)量。因此,本文合成的每天的股吧投資者關(guān)注度是300只成分股當(dāng)天的股吧論壇社交關(guān)注度的加總。

相似地,雪球投資者關(guān)注度是基于優(yōu)礦提供的雪球網(wǎng)社交關(guān)注度合成的,每天的雪球投資者關(guān)注度是300只成分股當(dāng)天的雪球網(wǎng)社交關(guān)注度的加總。

新聞關(guān)注度是基于優(yōu)礦提供的新聞熱度指數(shù)合成的。優(yōu)礦提供的新聞熱度指數(shù)表示股票當(dāng)天關(guān)聯(lián)新聞數(shù)量占當(dāng)天關(guān)聯(lián)新聞總量的百分比,因此本文合成的每天的新聞關(guān)注度就是300只成分股當(dāng)天新聞熱度指數(shù)的加總。

優(yōu)礦還提供了針對(duì)不同股票的新聞情感數(shù)據(jù),可以獲取每天每只股票相關(guān)的新聞的情感分?jǐn)?shù)。所以新聞情緒指數(shù)就由優(yōu)礦提供的新聞情感指數(shù)代表,它表示股票當(dāng)天關(guān)聯(lián)新聞的情感分?jǐn)?shù)的均值。

除了本文構(gòu)建的四個(gè)指標(biāo),本文利用的股票市場行情指標(biāo)有股價(jià)、收益率、換手率和成交量。其中收益率采用對(duì)數(shù)收益率的形式:ri＝Δlogpi＝logpilogpi－1,其中pi代表第i天的股價(jià)。

（三）模型設(shè)定

本文首先將對(duì)4個(gè)社交媒體指標(biāo)的變化趨勢進(jìn)行分析,并和傳統(tǒng)度量投資者關(guān)注度的間接指標(biāo)換手率和交易量的變化趨勢進(jìn)行對(duì)比,考察本文構(gòu)建的社交媒體指標(biāo)的合理性。再將4個(gè)社交媒體指標(biāo)與股票行情指標(biāo)做相關(guān)性分析,從整體上探究投資者關(guān)注度、情緒指數(shù)與滬深300指數(shù)的關(guān)系。

最后利用向量自回歸VAR模型來探究投資者關(guān)注度、投資者情緒指數(shù)與滬深300收益率的關(guān)系。VAR模型是Sims在1980年提出的,它是分析和預(yù)測多個(gè)相關(guān)變量最常用的模型之一。不含外生變量的非限制性VAR模型的表達(dá)式為:

其中,yt是k維內(nèi)生變量列向量,p是滯后階數(shù),t是樣本個(gè)數(shù),k×k維矩陣Φ1,…,Φp是待估計(jì)的系數(shù)矩陣,εt是k維擾動(dòng)列向量(高鐵梅,2009［21］)。

五、實(shí)證分析

（一）投資者關(guān)注、投資者情緒指數(shù)的趨勢分析

圖1表示股吧關(guān)注度、雪球關(guān)注度、新聞關(guān)注度以及新聞情感指數(shù)的趨勢,從中可以看出股吧和雪球關(guān)注度的變化趨勢基本一致且都較為明顯,而新聞關(guān)注度和新聞情感指數(shù)的變化趨勢相對(duì)比較平緩。

圖1 投資者關(guān)注、投資者情緒指數(shù)的變化趨勢

圖2表示互聯(lián)網(wǎng)社交媒體投資者關(guān)注指標(biāo)與傳統(tǒng)投資者關(guān)注指標(biāo)變化趨勢的對(duì)比,其中傳統(tǒng)的投資者關(guān)注指標(biāo)用換手率和交易量表示,交易量的單位為手(1手＝100股)。從圖中可以看出,互聯(lián)網(wǎng)社交媒體投資者關(guān)注指標(biāo)與傳統(tǒng)投資者關(guān)注指標(biāo)的趨勢基本一致,且都較為明顯,這也表明本文構(gòu)造的指標(biāo)是具有一定的合理性的。

圖2 互聯(lián)網(wǎng)社交媒體投資者關(guān)注指標(biāo)與傳統(tǒng)投資者關(guān)注指標(biāo)變化趨勢對(duì)比

（二）投資者關(guān)注、投資者情緒與滬深300指數(shù)的相關(guān)性分析

用股吧關(guān)注度、雪球關(guān)注度、新聞關(guān)注度和新聞情緒指數(shù)與滬深300指數(shù)收盤價(jià)、換手率及其成交量進(jìn)行相關(guān)性分析,結(jié)果如表1所示。從中可以看出,收盤價(jià)、成交量和換手率與股吧關(guān)注度的相關(guān)性最高,與新聞關(guān)注度和雪球關(guān)注度的相關(guān)性次之,與新聞情緒指數(shù)的相關(guān)性最小。

表1 投資者關(guān)注度和情緒指數(shù)與滬深300指數(shù)的相關(guān)性分析

（三）投資者關(guān)注、投資者情緒與滬深300指數(shù)收益率關(guān)系的VAR模型

為了進(jìn)一步探究本文構(gòu)建的4個(gè)指標(biāo)與滬深300指數(shù)間的關(guān)系,筆者構(gòu)建了5個(gè)VAR模型,并用模型一到模型五表示,其分別代表股吧關(guān)注度的變動(dòng)率與股票收益率的VAR模型、雪球關(guān)注度的變動(dòng)率與股票收益率的VAR模型、新聞關(guān)注度的變動(dòng)率與股票收益率的VAR模型、新聞情緒指數(shù)的變動(dòng)率與股票收益率的VAR模型,以及這4個(gè)社交媒體指標(biāo)共同作用時(shí)與收益率關(guān)系的VAR模型。

1.平穩(wěn)性檢驗(yàn)。

為了避免“偽回歸”,建立VAR模型前要對(duì)各變量做單位根檢驗(yàn)。根據(jù)表2的結(jié)果,可以看出股吧投資者關(guān)注的變動(dòng)率、雪球投資者關(guān)注的變動(dòng)率、新聞關(guān)注度的變動(dòng)率和新聞情感的變動(dòng)率,以及滬深300指數(shù)收益率都是平穩(wěn)序列。再分別對(duì)這5個(gè)VAR模型包含的變量進(jìn)行Johansen協(xié)整檢驗(yàn),發(fā)現(xiàn)它們存在長期均衡關(guān)系。

表2 單位根檢驗(yàn)結(jié)果

2.滯后期的選擇。

本文通過6項(xiàng)評(píng)判指標(biāo)準(zhǔn)則(LogL、LR、FPE、AIC、SC、HQ)選擇滯后階數(shù)。在選擇滯后階數(shù)時(shí),為了體現(xiàn)模型的動(dòng)態(tài)特征,滯后階數(shù)不宜太小,但也不宜太大,否則模型的自由度會(huì)變小。

本文根據(jù)6項(xiàng)準(zhǔn)則判定的滯后階數(shù),再結(jié)合滯后階數(shù)不宜過小或過大的原則,來選擇最后建模的滯后階數(shù)。因此,模型一到模型五最后選擇的滯后階數(shù)分別為4、2、4、4和4階。

3.格蘭杰因果關(guān)系檢驗(yàn)。

為確定變量之間的因果關(guān)系,基于模型一到模型五進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)。表3表示模型一到模型四的結(jié)果,在5%的顯著性水平上,股吧和雪球關(guān)注度的變動(dòng)率是收益率的格蘭杰原因,但是收益率不是這兩個(gè)變量的格蘭杰原因。這說明股吧和雪球關(guān)注度的變動(dòng)率是領(lǐng)先于股票收益率的,這兩個(gè)指標(biāo)會(huì)對(duì)股票收益率的預(yù)測有較大的貢獻(xiàn)。

而新聞關(guān)注度和情緒指數(shù)的變動(dòng)率不是收益率的格蘭杰原因,而在1%的顯著性水平上,收益率是這兩個(gè)變量的格蘭杰原因,這說明收益率是領(lǐng)先于新聞關(guān)注度和情緒指數(shù)的變動(dòng)率的,股票收益率對(duì)這兩個(gè)指標(biāo)的預(yù)測有較大的貢獻(xiàn)。

表3 基于模型一到模型四的格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

續(xù)前表

表4表示基于模型五的條件格蘭杰因果關(guān)系檢驗(yàn)結(jié)果,可以看出4個(gè)社交媒體變量都是收益率的格蘭杰原因。在條件格蘭杰檢驗(yàn)中,新聞關(guān)注度和情緒指數(shù)的變動(dòng)也可以提高對(duì)股價(jià)的預(yù)測能力。

表4 基于模型五的條件格蘭杰因果檢驗(yàn)結(jié)果

4.脈沖響應(yīng)函數(shù)分析。

在VAR模型的基礎(chǔ)上,脈沖響應(yīng)函數(shù)是反映系統(tǒng)對(duì)來自自身或者其他變量的沖擊的動(dòng)態(tài)反應(yīng)［15］。

圖3～圖6表示基于模型一到模型四的脈沖響應(yīng)函數(shù)圖?？梢钥闯?股吧關(guān)注度的變動(dòng)率的沖擊對(duì)收益率的影響整體是正向的,這種影響在第5期達(dá)到最大,但隨著時(shí)間的推移影響逐漸減小,最后收斂為0。雪球關(guān)注度變動(dòng)率的沖擊對(duì)收益率的影響是正向的,這種影響在第3期達(dá)到最大,但是這種影響很快就消失了,持續(xù)性較弱。新聞關(guān)注度的變動(dòng)率對(duì)收益率的影響也是正向的,但是影響相對(duì)較小,這種影響在第4期達(dá)到最大,之后逐漸收斂為0。新聞情緒指數(shù)的沖擊對(duì)收益率的影響是中性的,它對(duì)收益率的影響并不大?？傮w來看,投資者關(guān)注和投資者情緒的變動(dòng)率對(duì)收益率的影響具有滯后效應(yīng),持續(xù)時(shí)間在兩周以內(nèi)。

圖3 基于模型一的股吧關(guān)注度變動(dòng)率的沖擊引起的收益率的響應(yīng)函數(shù)

圖4 基于模型二的雪球關(guān)注度變動(dòng)率的沖擊引起的收益率的響應(yīng)函數(shù)

圖5 基于模型三的新聞關(guān)注度變動(dòng)率的沖擊引起的收益率的響應(yīng)函數(shù)

圖6 基于模型四的新聞情緒指數(shù)變動(dòng)率的沖擊引起的收益率的響應(yīng)函數(shù)

模型五的脈沖響應(yīng)函數(shù)表示在4個(gè)變量的共同作用下,在其他3個(gè)變量不變的條件下,一個(gè)變量的沖擊引起收益率的響應(yīng)。結(jié)果與圖3～圖6類似,股吧關(guān)注度、雪球關(guān)注度和新聞關(guān)注度的變化率對(duì)收益率的影響都是正向的,而新聞情緒指數(shù)的變動(dòng)率對(duì)收益率的影響是中性的。在4個(gè)變量的共同作用下,一個(gè)變量的變動(dòng)對(duì)收益率的影響的顯著性和持久性比單獨(dú)作用時(shí)有所提升。

5.方差分解。

方差分解是通過分析VAR模型中每個(gè)沖擊對(duì)內(nèi)生變量變化的貢獻(xiàn)度,從而評(píng)價(jià)不同內(nèi)生變量沖擊的重要性(韓國高等,2015［22］)。表5表示基于模型五的收益率的方差分解結(jié)果,可以看出股吧關(guān)注的變動(dòng)率對(duì)收益率的貢獻(xiàn)率最大,而且股吧和雪球關(guān)注的變動(dòng)率對(duì)收益率的貢獻(xiàn)率是大于新聞關(guān)注和情緒指數(shù)的變動(dòng)率的。

表5 基于模型五的收益率的方差分解

（四）實(shí)證結(jié)果分析

如果股吧和雪球關(guān)注度代表個(gè)人投資者的看法和關(guān)注,而新聞關(guān)注和新聞情緒指數(shù)代表機(jī)構(gòu)投資者專業(yè)的關(guān)注和看漲看跌情緒,從圖1的趨勢分析中可以看出個(gè)人投資者關(guān)注的變化幅度較大,而機(jī)構(gòu)投資者的關(guān)注和情緒變化較小,原因是廣大的散戶對(duì)股市變化的反應(yīng)更加敏感,而多數(shù)網(wǎng)站每天發(fā)布的新聞數(shù)量變化不大,所以整體的關(guān)注度趨勢也比較平穩(wěn)。而新聞代表一種官方觀點(diǎn),其本身表達(dá)的情感傾向比較中立,因此整體的情感指數(shù)變化也不大。從圖2的互聯(lián)網(wǎng)社交媒體指標(biāo)與傳統(tǒng)投資者關(guān)注指標(biāo)變化趨勢的對(duì)比可以看出,兩者的趨勢變化基本一致,表明本文構(gòu)建的互聯(lián)網(wǎng)社交媒體指標(biāo)是具有一定的合理性的。

股吧關(guān)注度與股票市場的相關(guān)性大于雪球關(guān)注度,是因?yàn)橄啾妊┣蚓W(wǎng)這個(gè)單一的平臺(tái),優(yōu)礦選取的股吧論壇包含的網(wǎng)站更多,數(shù)據(jù)量更大,涉及的投資者范圍更廣,所以股吧投資者關(guān)注度更能體現(xiàn)廣大個(gè)人投資者的關(guān)注,與股票市場的相關(guān)性更大。

相關(guān)性檢驗(yàn)以及VAR模型的實(shí)證結(jié)果表明,股吧和雪球關(guān)注度代表的個(gè)人投資者的關(guān)注對(duì)股市的影響更大,而機(jī)構(gòu)投資者關(guān)注和情緒對(duì)股市的影響相對(duì)較小,原因是中國股票市場相比國外成熟的股票市場,個(gè)人投資者比例較高,因此受廣大的個(gè)人投資者行為的影響較大。而新聞本身表達(dá)的情感傾向比較中立,機(jī)構(gòu)投資者的情緒與更受散戶行為驅(qū)動(dòng)的中國股票市場的相關(guān)性并不是很大。

格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果還表明了個(gè)人投資者對(duì)股票的關(guān)注變化得越大,說明股票基本面或者消息面上發(fā)生了越大的變化,這種變化可能導(dǎo)致股價(jià)越大的變動(dòng)。而新聞本身就是對(duì)熱點(diǎn)的報(bào)道,許多財(cái)經(jīng)新聞都是券商研究員等機(jī)構(gòu)投資者針對(duì)熱點(diǎn)的點(diǎn)評(píng),新聞關(guān)注更多的是漲幅或者跌幅過大的股票,因此股價(jià)的變動(dòng)更有可能導(dǎo)致新聞關(guān)注的變動(dòng)。而股價(jià)的巨大變動(dòng)也更能引起機(jī)構(gòu)投資者情緒的波動(dòng),因此股價(jià)的變動(dòng)是領(lǐng)先于新聞情緒指數(shù)的變動(dòng)的。

六、結(jié)論

本文基于優(yōu)礦金融量化平臺(tái)的數(shù)據(jù),構(gòu)建股吧論壇投資者關(guān)注度、雪球投資者關(guān)注度、新聞關(guān)注度和新聞情緒指數(shù)。隨后基于相關(guān)性分析和5個(gè)VAR模型,探究不同來源的投資者關(guān)注和投資者情緒對(duì)股市影響的差異性,得到的結(jié)論如下:

第一,不同來源的投資者關(guān)注和投資者情緒指標(biāo)對(duì)股市的影響是不同的。代表個(gè)人投資者關(guān)注的股吧和雪球關(guān)注度對(duì)股市的影響是大于代表機(jī)構(gòu)投資者關(guān)注和看漲看跌情緒的新聞關(guān)注和新聞情緒指數(shù)的,其中股吧關(guān)注度對(duì)股市的影響最大。

第二,新聞關(guān)注以及新聞情緒指數(shù)的變化趨勢比較平緩。尤其是新聞情緒指數(shù),它和中國股票市場的關(guān)系并不大。

第三,個(gè)人投資者關(guān)注的變動(dòng)領(lǐng)先于股價(jià)的變動(dòng),而股價(jià)的變動(dòng)領(lǐng)先于新聞關(guān)注和新聞情緒指數(shù)的變動(dòng)。

因此,在探究社交媒體投資者行為對(duì)股票市場的影響時(shí),應(yīng)當(dāng)更加關(guān)注個(gè)人投資者的行為。之后可以將其作為一類重要的指標(biāo),加入到股票預(yù)測模型和量化交易策略當(dāng)中。

［1］盧琦澤,葉德謙,南敏.基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測 ［J］.電腦開發(fā)與應(yīng)用,2010(23):61－62.

［2］Fung G,Yu J,Lam W.News Sensitive Stock Trend Prediction ［M］.Advances in Knowledge Discovery and Data Mining.2002:481－493.

［3］Lou D.Maximizing Short-term Stock Prices Through Advertising ［R］.Available at SSRN 1571947,2010.

［4］Chemmanur T J,Yan A.Advertising,investor recognition,and stock returns ［C］//AFA 2011 Denver Meetings Paper.2010.

［5］徐加根,王波.投資者關(guān)注:漲停板還是大交易量——來自中國A股市場的實(shí)證研究 ［J］.投資研究,2013(4):014.

［6］賈春新,趙宇,孫萌,汪博.投資者有限關(guān)注與限售股解禁 ［J］.金融研究,2010(11):108－122.

［7］余慶進(jìn).投資者關(guān)注和股票市場表現(xiàn)——基于百度指數(shù)的實(shí)證研究 ［D］.南京:南京大學(xué),2013.

［8］Chan W S.Stock Price Reaction to News and No-news:Drift and Reversal after Headlines ［J］.Journal of Financial Economics,2003,70(2):223－260.

［9］Aouadi A,Arouri M,Teulon F.Investor Attention and Stock Market Activity:Evidence from France ［J］.Economic Modelling,2013,35:674 －681.

［10］Da Z,Engelberg J,Gao P.In Search of Attention ［J］.The Journal of Finance,2011,66(5):1461 －1499.

［11］王鎮(zhèn),郝剛.投資者關(guān)注度對(duì)股票收益率的影響——基于百度指數(shù)指標(biāo) ［J］.新疆財(cái)經(jīng),2013(5):14－21.

［12］饒育蕾,彭疊峰,成大超.公眾注意力是否會(huì)引起股票的異常收益？——來自中國股票市場的經(jīng)驗(yàn)證據(jù) ［J］.系統(tǒng)工程理論與實(shí)踐,2010(2):1－12.

［13］Tetlock P C.Giving Content to Investor Sentiment:The Role of Media in The Stock Market［J］.The Journal of Finance.2007,62(3):1139－1168.

［14］Das S R,Chen M Y.Yahoo！ for Amazon:Sentiment Extraction from Small Talk on the Web ［J］.Management Science,2007,53(9):1375 －1388.

［15］易洪波,賴娟娟,董大勇.網(wǎng)絡(luò)論壇不同投資者情緒對(duì)交易市場的影響——基于 VAR模型的實(shí)證分析 ［J］.財(cái)經(jīng)論叢,2015(1):46－54.

［16］劉欣.互聯(lián)網(wǎng)財(cái)經(jīng)新聞媒體對(duì)中國股市的影響力排名研究——基于支持向量回歸技術(shù)的實(shí)證分析 ［D］.成都:西南財(cái)經(jīng)大學(xué),2014.

［17］De Long J B,Shleifer A,Summers L H,Waldmann R J.Positive Feedback Investment Strategies and Destabilizing Rational Speculation ［J］.the Journal of Finance,1990,45(2),379－395.

［18］陳其安,朱敏,賴琴云.基于投資者情緒的投資組合模型研究 ［J］.中國管理科學(xué),2012,20(03):47－56.

［19］于全輝.投資者情緒與證券市場價(jià)格互動(dòng)關(guān)系研究 ［D］.重慶大學(xué),2009.

［20］陳軍,陸江川.基于DSSW模型投資者情緒與股價(jià)指數(shù)關(guān)系研究 ［J］.預(yù)測,2010,29(04):53－57.

［21］高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模 ［M］.北京:清華大學(xué)出版社,2009.

［22］韓國高,曹白楊.外部需求沖擊與我國工業(yè)產(chǎn)能利用水平波動(dòng)——基于VAR模型的實(shí)證分析 ［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2015(22):81－91.