楊玲玲,劉馨澤

(云南師范大學 經(jīng)濟與管理學院,云南 昆明 650500)

一、引言

近年來,中國居民財富的增長和資本市場的規(guī)范化發(fā)展刺激了民間主體的資產(chǎn)配置需求,使股票投資者數(shù)量快速增長至全球首位,規(guī)模達2.10億戶,絕大部分股票投資者還是活躍的互聯(lián)網(wǎng)用戶(1)股票投資者規(guī)模截至2022年10月,來自Wind數(shù)據(jù)庫。。網(wǎng)絡(luò)財經(jīng)媒體既為投資者提供了獲取金融信息的便利來源,也成為他們進行觀點共享、意見交流和情緒表達的主要渠道。在開放、自由、高效的網(wǎng)絡(luò)匿名互動環(huán)境中,投資者的人際交往距離大大縮減,他們進行觀點交互的意愿也得以增強。不僅如此,主流網(wǎng)絡(luò)財經(jīng)媒體還通過權(quán)威信息發(fā)布贏得更多信息關(guān)注,增強了投資者信賴度,使得投資者和主流媒體之間的關(guān)系更為緊密。在金融網(wǎng)絡(luò)信息高效傳播、觀點互動日益頻繁的背景下,金融網(wǎng)絡(luò)輿情已經(jīng)成為金融輿論最重要的表現(xiàn)形式。

當前國內(nèi)外經(jīng)濟金融形勢跌宕起伏,國際政治環(huán)境的復雜化等不確定因素使得中國出現(xiàn)“黑天鵝”式系統(tǒng)性金融風險的概率增加。一旦突發(fā)金融網(wǎng)絡(luò)輿情事件,微觀投資者在網(wǎng)絡(luò)空間與他人進行觀點交流后所形成的投資決策將會主導其投資行為,而個體投資行為匯聚加總后所形成的宏觀金融活動很可能引發(fā)系統(tǒng)“洪流”,形成燎原之勢,引發(fā)金融市場短期大幅震蕩。2020年美股四次熔斷觸發(fā)的全球股市動蕩即是典型事實,這凸顯出金融網(wǎng)絡(luò)輿情具有突發(fā)性強、關(guān)聯(lián)度高、影響面廣、破壞力大等特性,容易引發(fā)社會恐慌情緒,導致金融市場波動,干擾經(jīng)濟穩(wěn)定運行。因此,深入研究金融網(wǎng)絡(luò)輿情的演化及其內(nèi)在機制,科學進行輿情監(jiān)控和引導,對于防范化解系統(tǒng)性金融風險,穩(wěn)定推動中國經(jīng)濟高質(zhì)量發(fā)展具有重要現(xiàn)實意義。

本文的邊際貢獻有以下方面:首先,進行了社會科學、自然科學及金融學的學科交叉研究,以觀點聚合理論為基礎(chǔ),根據(jù)微觀層面的個體行為及交互規(guī)則來分析金融網(wǎng)絡(luò)輿情的演化規(guī)律,深化了金融網(wǎng)絡(luò)輿情的研究內(nèi)涵。其次,構(gòu)建金融網(wǎng)絡(luò)輿情演化模型并進行仿真分析,系統(tǒng)地揭示了金融網(wǎng)絡(luò)輿情的理論演化機制。最后,以美股熔斷作為典型的金融網(wǎng)絡(luò)輿情案例展開實證,示范性地討論了中國金融網(wǎng)絡(luò)輿情的現(xiàn)實演化機制,對監(jiān)管部門完善金融網(wǎng)絡(luò)輿情管控策略、預(yù)防金融系統(tǒng)性風險具有政策啟示。

二、相關(guān)研究現(xiàn)狀及評述

金融網(wǎng)絡(luò)輿情研究是學科交叉性熱門研究領(lǐng)域,學術(shù)界已經(jīng)取得不少具有啟發(fā)性的成果。本文將從網(wǎng)絡(luò)輿情演化機制、金融網(wǎng)絡(luò)輿情測度及其影響效應(yīng)等三方面展開文獻梳理。

(一)網(wǎng)絡(luò)輿情演化機制相關(guān)研究

從觀點動力學理論出發(fā),網(wǎng)絡(luò)輿情演化機制體現(xiàn)的是基于復雜系統(tǒng)的觀點聚合過程,即大量無序混亂的觀點漸變?yōu)榻y(tǒng)一或若干個輿情觀點的聚合過程。輿情演化機制模型通過對微觀個體的觀點交互方式設(shè)置特定規(guī)則,刻畫個體間的持續(xù)迭代交互行為來探知群體觀點的收斂規(guī)律,從而解釋全局性觀點共識和局部性觀點聚合等宏觀現(xiàn)象[1]。事實上,網(wǎng)絡(luò)輿情演化交織著網(wǎng)絡(luò)輿情信息的傳播擴散過程和網(wǎng)絡(luò)民眾持有的關(guān)于網(wǎng)絡(luò)輿情的觀點聚合過程。根據(jù)個體觀點的形成模式,觀點動力學模型主要分為離散觀點模型和連續(xù)信任模型,其中以DW(Deffuant-Weisbuch)模型為代表的連續(xù)信任模型是主流。DW模型屬于有界信任輿情演化機制模型,在該模型環(huán)境下個體只和與自己意見相近的他人進行交互[2]。國內(nèi)外學者基于DW模型的輿情演化機制研究主要圍繞幾個方向展開:一是將觀點聚合的動力因素分解為群體平均節(jié)點度[1]、個體間的信任程度、信任閾值、意見領(lǐng)袖[3]、觀點開放度及關(guān)系強度[4]等,考察不同因素在輿情觀點演化中所發(fā)揮的作用[5]。二是將復雜網(wǎng)絡(luò)引入DW模型,探究不同結(jié)構(gòu)網(wǎng)絡(luò)中的群體觀點聚合過程[6]。三是在DW模型中考慮異質(zhì)性用戶、話題衍生性[7]等其他因素,以更全面地刻畫輿情演化過程。四是對DW模型的重要參數(shù)進行調(diào)整[8],或者改進模型算法[9-10],使其更加貼近真實世界中微觀主體的觀點交互方式[11],以提高模型的估計度,減少擬合偏誤。

(二)金融網(wǎng)絡(luò)輿情測度研究

國內(nèi)外文獻對于金融網(wǎng)絡(luò)輿情的測度研究較為零散,構(gòu)建原理是獲取異構(gòu)來源數(shù)據(jù)并提取關(guān)鍵詞,將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù),再采用加權(quán)平均算法得出投資者情緒指數(shù)、本地關(guān)注度指數(shù)、文本情緒指數(shù),作為金融網(wǎng)絡(luò)輿情的代理指標。在基礎(chǔ)數(shù)據(jù)的獲取來源上,部分學者通過搜索引擎直接獲取連續(xù)數(shù)據(jù)[12-13],另有學者采用網(wǎng)絡(luò)爬蟲程序抓取文本數(shù)據(jù)[14]。至于量化輿情信息的方式,學者們主要采用詞匯詞典法和機器學習法將非結(jié)構(gòu)化文本信息轉(zhuǎn)換為結(jié)構(gòu)化的數(shù)值數(shù)據(jù)。有的學者將“情感詞詞典”分為正向、負向兩個詞表,對每個情感詞分配權(quán)重后,加總成為凈情感指數(shù)[15];有的采用貝葉斯分類算法對股吧信息進行篩選后作出了情感類型劃分[16],還有的借助文本挖掘工具Weka中的KNN算法將90余萬條帖子按照其所體現(xiàn)的情緒進行了分類[14],在構(gòu)建金融網(wǎng)絡(luò)輿情指數(shù)時主要使用主觀選詞法和模型選詞法來提取關(guān)鍵詞。也有學者借助《現(xiàn)代漢語詞典》等詞典和知網(wǎng)中文信息結(jié)構(gòu)庫等詞庫,構(gòu)建了中國財經(jīng)媒體領(lǐng)域的正負面詞庫[17]。

(三)金融網(wǎng)絡(luò)輿情影響效應(yīng)研究

部分學者關(guān)注了金融網(wǎng)絡(luò)輿情對股價波動的影響。導致股市波動的原因復雜多變,既有來自宏觀經(jīng)濟層面的因素[18],也有來自微觀投資者情緒方面的因素[19]。關(guān)于后者,國內(nèi)學界構(gòu)建了不同類型的可量化指標來刻畫投資者情緒變化,并研究其對股市波動的影響。有學者通過檢驗日度超額雪球關(guān)注度與股票市場之間的關(guān)系后發(fā)現(xiàn),投資者關(guān)注會在短期內(nèi)對市場價格形成壓力并使股市交易量劇增。也有學者采用金融網(wǎng)絡(luò)輿情指數(shù)來衡量投資者情緒的變化,驗證了網(wǎng)絡(luò)輿情對股票市場風險的預(yù)測作用[20]。

另一部分學者側(cè)重于討論金融網(wǎng)絡(luò)輿情對股票投資收益的影響。相關(guān)研究表明,混頻情緒對股票當期收益率及其波動都存在顯著的正向影響[21];本地關(guān)注度對股票收益率的影響取決于投資者情緒,當投資者持積極情緒時,本地關(guān)注度對股票收益率有顯著的正向影響,反之反是[14]。也有學者研究發(fā)現(xiàn),基于股評的投資者情緒的變化對中國股市同期收益率和同期交易量有顯著的正向影響[22];而通過研究微博上有關(guān)新冠疫情的推文對中國股市和個股收益的影響,還有學者發(fā)現(xiàn)積極語氣將導致更高的股票回報率[23]。

(四)現(xiàn)有研究評述

綜上所述,互聯(lián)網(wǎng)技術(shù)的加持令金融網(wǎng)絡(luò)輿情演化力度及影響范圍不斷擴大,逐漸引起學術(shù)界的關(guān)注,但現(xiàn)有研究還存在以下不足:第一,金融網(wǎng)絡(luò)輿情研究存在一定的局限性?，F(xiàn)有文獻大多把金融網(wǎng)絡(luò)輿情視為金融市場波動的影響因素之一,而較少利用學科交叉方法深入研究金融網(wǎng)絡(luò)輿情自身的演化機制。第二,現(xiàn)有研究仍停留在宏觀層面,缺少微觀基礎(chǔ)。大多數(shù)學者都基于投資者情緒或有限認知等行為金融學理論對金融網(wǎng)絡(luò)輿情的表現(xiàn)進行理論解釋,尚未厘清網(wǎng)絡(luò)輿情中微觀個體交互行為對宏觀金融市場現(xiàn)象的動態(tài)涌現(xiàn)作用機制。第三,對于已構(gòu)建的金融網(wǎng)絡(luò)輿情模型是否能夠刻畫現(xiàn)實世界的金融網(wǎng)絡(luò)輿情演化機制,幾乎未有案例進行過對照實證。

因此,準確把握金融輿情演化規(guī)律及其形成與發(fā)展的動力機制,有利于清晰地揭示互聯(lián)網(wǎng)社交網(wǎng)絡(luò)中金融市場微觀個體投資者基于市場信息進行觀點交互后所涌現(xiàn)出的宏觀總體規(guī)律,并發(fā)掘金融網(wǎng)絡(luò)輿情演化態(tài)勢,進而為監(jiān)管部門引導金融網(wǎng)絡(luò)輿情、維護金融市場穩(wěn)定提供決策依據(jù)。

三、金融網(wǎng)絡(luò)輿情演化機制建模

在界定金融網(wǎng)絡(luò)輿情并分析其演化過程的基礎(chǔ)上,結(jié)合復雜社會網(wǎng)絡(luò)理論和觀點動力學模型構(gòu)造金融網(wǎng)絡(luò)輿情演化模型。

(一)概念界定

金融網(wǎng)絡(luò)輿情是網(wǎng)絡(luò)輿情在金融領(lǐng)域的特殊輿情形態(tài),國內(nèi)學者對其內(nèi)涵進行了多方解讀。金融輿情可被定義為:源自公眾對于特定事件或金融運行趨勢所發(fā)表的評論、觀點和意見,能對金融市場產(chǎn)生現(xiàn)實影響[24]。本文據(jù)此將金融網(wǎng)絡(luò)輿情界定為以網(wǎng)絡(luò)為載體,以金融事件為核心,媒體或投資者等主體在該金融事件中的情感、意見、態(tài)度和觀點的表達,并通過網(wǎng)絡(luò)媒體傳播形成輿情在金融領(lǐng)域中的演化。進一步地,金融網(wǎng)絡(luò)輿情的觀點聚合過程是指,當某一金融事件爆發(fā)后,互聯(lián)網(wǎng)社交網(wǎng)絡(luò)中的金融投資者憑借自身的認知和經(jīng)驗形成不同的觀點,并受投資收益或風險的驅(qū)使與其他投資主體進行觀點交互,又跟隨輿情發(fā)展態(tài)勢不斷進行觀點調(diào)整,最終形成一致或較為一致的輿情觀點。這是投資者初始雜亂的觀點通過不斷地消解差異、趨于一致的過程。

根據(jù)上述定義,金融網(wǎng)絡(luò)輿情的觀點聚合過程應(yīng)當包括輿情主體、輿情主題、傳播媒介以及主體間交互行為等要素(見圖1)。在該演化過程中,網(wǎng)絡(luò)民眾、新聞媒體、意見領(lǐng)袖以及政府部門構(gòu)成了輿情主體,形成推動網(wǎng)絡(luò)輿情的主要力量,而傳播媒介是個體交互時信息傳播的橋梁。金融網(wǎng)絡(luò)輿情的個體觀點交互體現(xiàn)了輿情演化過程,包括信息發(fā)布、意見領(lǐng)袖的引導、媒體議程、投資者的意見交流、相關(guān)部門采取現(xiàn)實行動等主要環(huán)節(jié),可劃分為初期演化、中期演化與后期演化三階段(2)在真實金融網(wǎng)絡(luò)輿情演化過程中,不同行為主體的演化經(jīng)歷不一定完全嵌入某輿情周期內(nèi),而是貫穿于不同演化周期中。,每一階段的演化周期都伴隨著多個主體的實時交互行為。

圖1 金融網(wǎng)絡(luò)輿情演化過程

(二)金融網(wǎng)絡(luò)輿情演化機制的基礎(chǔ)理論

金融網(wǎng)絡(luò)輿情演化反映的是在線社交網(wǎng)絡(luò)這一復雜網(wǎng)絡(luò)中的觀點動力學過程,而復雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)會影響到金融市場信息的傳遞[1],這對于揭示網(wǎng)絡(luò)中個體投資者彼此間的交互行為及其所導致的宏觀金融市場現(xiàn)象的“涌現(xiàn)”規(guī)律很有必要[25]。因此,本文將復雜社會網(wǎng)絡(luò)理論引入觀點動力學模型中,以分析復雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)對金融市場上投資者群體觀點聚合過程的影響。

1.復雜社會網(wǎng)絡(luò)理論

隨著金融系統(tǒng)的復雜化及信息技術(shù)的快速發(fā)展,金融投資者的個體交互行為更加復雜多變,金融網(wǎng)絡(luò)輿情演化更加依賴復雜的人際關(guān)系網(wǎng)絡(luò)。而復雜系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)特性可以更好地解釋金融網(wǎng)絡(luò)中投資者的個體行為傳播與集體行為演化。

復雜社會網(wǎng)絡(luò)的典型結(jié)構(gòu)特性是“小世界效應(yīng)”和“無標度特性”(3)通常認為,如果網(wǎng)絡(luò)的平均路徑L與節(jié)點數(shù)N呈現(xiàn)“L～lnN”的數(shù)理特征,則稱該網(wǎng)絡(luò)具有小世界效應(yīng),整個網(wǎng)絡(luò)具有較高的集聚性和較小的平均路徑長度,許多現(xiàn)實社會網(wǎng)絡(luò)都具有這一結(jié)構(gòu)特征。無標度特性則表現(xiàn)為復雜網(wǎng)絡(luò)中節(jié)點的度分布服從冪律分布,體現(xiàn)了復雜網(wǎng)絡(luò)中的節(jié)點呈現(xiàn)非均勻分布的特征。,它們共同刻畫了現(xiàn)實社交網(wǎng)絡(luò)的結(jié)構(gòu)。但是,無標度網(wǎng)絡(luò)已經(jīng)能夠體現(xiàn)出具有較大聚類系數(shù)和較小平均路徑長度的小世界效應(yīng),因而采用無標度網(wǎng)絡(luò)就可以描述現(xiàn)實金融在線社交網(wǎng)絡(luò)的拓撲結(jié)構(gòu),借助其進行金融網(wǎng)絡(luò)輿情的建模具有良好的理論支持和可行性。

鑒于本文構(gòu)建的是基于復雜網(wǎng)絡(luò)的金融網(wǎng)絡(luò)輿情觀點聚合模型,故考慮將復雜網(wǎng)絡(luò)特征用于觀點聚合模型規(guī)則設(shè)計中,構(gòu)建以關(guān)系強度為權(quán)重的加權(quán)網(wǎng)絡(luò),這是對觀點聚合模型進行建模以及仿真實證的網(wǎng)絡(luò)空間基礎(chǔ)。

2.觀點動力學的基準模型

網(wǎng)絡(luò)輿情觀點聚合的動力機制探討最初時刻雜亂且非微小的個體觀點通過何種方式發(fā)展成群體性的共識或分化的狀態(tài)(4)這一觀點動力學理論是借鑒物理學中粒子交互思想以及建模等方法對社會行為及社會現(xiàn)象所進行的系統(tǒng)性研究,致力于尋找社會系統(tǒng)的內(nèi)在規(guī)律,并通過模擬仿真的方式分析宏觀社會現(xiàn)象所蘊含的微觀機制。,從而放大輿情焦點的影響。本文選取DW模型作為模擬仿真的基準模型。

DW模型屬于觀點動力學中的連續(xù)信任模型,它將個體觀點在連續(xù)區(qū)間內(nèi)賦值,且對個體觀點交互行為做出限制。在該模型中,某群體由N個個體組成,群體中隨機選取兩個個體i和j,觀點值分別為Oi和Oj,兩個個體觀點在[0,1]上隨機取值,限制其交互的閾值為ε,取值域[0,1]區(qū)間的某個常數(shù),某時刻兩個個體觀點在給定閾值內(nèi)才可交互,否則二者的觀點值在下一時刻不發(fā)生任何改變。其具體交互規(guī)則如下:

當|Oi-Oj|≤ε時

Oi(t+1)=Oi(t)+μ(Oj(t)-Oi(t))

(1)

Oj(t+1)=Oj(t)+μ(Oi(t)-Oj(t))

(2)

當|Oi-Oj|>ε時

Oi(t+1)=Oi(t)

(3)

Oj(t+1)=Oj(t)

(4)

其中,μ為個體接受度,反映了個體交互過程中受他人影響而改變自身觀點的程度,μ∈[0,0.5],通過調(diào)節(jié)μ的取值可界定不同性質(zhì)的群體。μ=0意味著個體觀點不會發(fā)生改變;μ=0.5表示交互雙方的觀點折衷(5)傳統(tǒng)DW模型認為,當μ大于0.5時,意味兩個個體進行觀點交互后分別選擇了更加傾向于對方的觀點,即觀點傾向性存在轉(zhuǎn)置,這一情況在現(xiàn)實生活中較少發(fā)生,因此μ的取值應(yīng)限制在區(qū)間[0,0.5]。。信任閾值ε表明群體中個體進行觀點交互的意見距離,其取值大小決定最終群體觀點聚合產(chǎn)生的觀點簇數(shù)量,一般ε滿足“1/2ε準則”。

結(jié)合復雜社會網(wǎng)絡(luò)理論和DW模型可以發(fā)現(xiàn),雖然在輿情演化期間眾多個體的觀點表達豐富多樣,但觀點會趨于總體一致,實現(xiàn)觀點聚合。唯有通過觀點聚合才能最終發(fā)揮市場信息的“涌現(xiàn)”作用,否則網(wǎng)絡(luò)輿情只能處于初始紛雜的觀點狀態(tài)。

(三)改進的DW模型

DW基準模型以有限信任思想為核心,通過對個體交互行為的規(guī)則設(shè)定揭示了群體觀點的聚合規(guī)律,但其設(shè)定并沒有很好地反映金融網(wǎng)絡(luò)輿情的特殊性,應(yīng)對其演化規(guī)則進行改進,使之適用于金融網(wǎng)絡(luò)輿情演化機制研究。

金融網(wǎng)絡(luò)輿情事件具有突發(fā)性、擴散性以及不確定性,個體在互聯(lián)網(wǎng)空間的觀點表達方式多樣化,并且相關(guān)輿情信息冗雜,各輿情主體關(guān)注力度不一。此外,投資者對金融信息存在自身有限認知及有限關(guān)注,只會截取自己感興趣或利益相關(guān)的信息進行篩選交流?；谏鲜鼋鹑诰W(wǎng)絡(luò)輿情特性,本文對DW模型的構(gòu)建規(guī)則作如下改進:(1)關(guān)于金融網(wǎng)絡(luò)結(jié)構(gòu)特征。在線金融社交網(wǎng)絡(luò)具有無標度特性,無標度網(wǎng)絡(luò)中的節(jié)點度服從冪律分布,在金融事件突發(fā)后,網(wǎng)絡(luò)輿情觀點發(fā)生交互,其中節(jié)點度高的點有利于金融信息傳播,從而加速個體觀點的收斂。因此,在DW模型中要設(shè)置無標度網(wǎng)絡(luò)特征,將其作為投資者進行觀點聚合的基礎(chǔ)環(huán)境。(2)關(guān)于個體觀點接受度μ的取值?？紤]到中國金融市場投資者數(shù)量龐大但資質(zhì)不一,投資者的認知能力、知識背景、信息獲取渠道和處理能力存在差異,對他人觀點的接受度也不相同,故網(wǎng)絡(luò)輿情演化過程中的個體觀點接受度真實分布是難以獲知的,此時設(shè)定μ服從正態(tài)分布來進行模擬仿真通常是最佳選擇[5],這也是對DW模型的適宜改進(6)在科學實驗中,很多隨機變量的概率分布都可以近似地用正態(tài)分布來刻畫。。(3)關(guān)于個體投資者間的關(guān)系強度。在現(xiàn)實金融網(wǎng)絡(luò)群體中,不能簡單地用無權(quán)網(wǎng)絡(luò)結(jié)構(gòu)來表示個體投資者之間的關(guān)系構(gòu)成,個體投資者因信任程度不同而產(chǎn)生的強弱關(guān)系會影響其對他人觀點的接納程度,從而改變觀點聚合路徑及結(jié)果。故應(yīng)采用對邊賦權(quán)的方式來表示節(jié)點與節(jié)點之間的聯(lián)系緊密程度,繼而分別考慮強關(guān)系和弱關(guān)系情形下的金融網(wǎng)絡(luò)輿情演化進程。若節(jié)點x和y是鄰居,關(guān)系強度為Rxy,則改進后的DW模型如下:

當|Ox-Oy|≤ε時,有:

Ox(t+1)=Ox(t)+Rxy×μ(Oy(t)-Ox(t))

(5)

Oy(t+1)=Oy(t)+Rxy×μ(Ox(t)-Oy(t))

(6)

其中,μ和ε仍為個體接受度和信任閾值;R表示個體間的關(guān)系強度;O為觀點值,表示個體對金融事件所持觀點。當節(jié)點x和y之間的觀點距離大于ε時,二者不發(fā)生觀點交互行為,下一時刻其觀點值不改變,相應(yīng)的表達式與式(3)(4)一致。

四、金融網(wǎng)絡(luò)輿情演化機制的模擬仿真

在具有無標度網(wǎng)絡(luò)特征的金融環(huán)境下,構(gòu)建了金融網(wǎng)絡(luò)輿情演化機制DW模型,接下來通過個體間的異質(zhì)性特征來控制模型關(guān)鍵參數(shù),分析個體接受度、信任閾值、關(guān)系強度對金融網(wǎng)絡(luò)輿情觀點聚合的影響。

(一)模擬仿真實驗設(shè)計

改進后的DW模型模擬仿真實驗步驟及基礎(chǔ)參數(shù)設(shè)置如下:

第二步,構(gòu)建復雜網(wǎng)絡(luò)中的個體,并賦予初始觀點值O,將群體規(guī)模N的個數(shù)設(shè)定為200。由于個體間存在異質(zhì)性,當網(wǎng)絡(luò)規(guī)模較大時節(jié)點之間的度分布可以使用冪律分布的形式P(k)∝k-γ來表示,同時金融輿情事件的觀點往往非常分散,故令個體初始觀點的取值呈[0,1]隨機分布狀態(tài)。

第三步,設(shè)定模型中的重要參數(shù)。由于個體投資者對他人觀點的接受度不一,故令個體接受度μ服從正態(tài)分布,且μ∈[0,0.5]。在后續(xù)仿真過程中,再視情況將信任閾值的取值分別設(shè)定為0.1,0.2,0.3,0.4,0.5。

第四步,采用控制變量法來進行仿真實驗。實驗步長初始值設(shè)定為200,以迭代更新實驗中的個體觀點。

(二)模擬仿真實驗及其結(jié)果分析

1.基于個體接受度的金融網(wǎng)絡(luò)輿情演化機制

個體接受度參數(shù)μ主要體現(xiàn)網(wǎng)絡(luò)中的個體屬性,是用來區(qū)分個體對他人觀點接受程度的變量,它的取值本身不具有調(diào)節(jié)群體作用的性質(zhì),但采用具有正態(tài)分布的F(μ)后就可體現(xiàn)個體接受度調(diào)節(jié)群體性質(zhì)的功能[5]。金融網(wǎng)絡(luò)社群中,投資者個體對他人觀點的接受程度直接影響到網(wǎng)絡(luò)輿情的演化趨勢,而受制于金融信息不對稱、信息關(guān)注度異質(zhì)性、個體認知異質(zhì)性等因素,投資者總是按照自身投資偏好來進行觀點交互。根據(jù)金融市場中參與者的風險投資偏好,可以將其劃分為“積極型”和“保守型”兩種類型進行分析(8)中立投資者是既不主動追求風險也不主動回避風險,只偏好預(yù)期貨幣價值,對風險的大小完全不在乎。因此,用個體接受度對投資者進行分類時,中立投資者不改變其風險投資偏好,相當于不進行基于風險偏好的意見交流。。在仿真實驗中,將個體接受度服從均值為0.5的正態(tài)分布個體定義為“積極型”投資者,而將個體接受度服從均值為0.3的正態(tài)分布個體定義為“保守型”投資者。模型實驗設(shè)定規(guī)模N=200,迭代次數(shù)T=200,信任閾值ε=0.5,關(guān)系強度R=0.5。

從圖2所示的模擬仿真結(jié)果中可以看到,當個體接受度μ分別服從以上兩種正態(tài)分布時,金融網(wǎng)絡(luò)輿情的觀點聚合速度呈現(xiàn)出顯著差異性:當處于均值為0.3的正態(tài)分布下,金融網(wǎng)絡(luò)群體的觀點聚合速度比處于均值為0.5的正態(tài)分布時更慢。在觀點演化過程中,若μ服從均值為0.5的正態(tài)分布,則步長為50時觀點聚合過程已趨于穩(wěn)定狀態(tài);相比之下,若μ服從均值為0.3的正態(tài)分布,則在步長為150時才形成觀點聚合。可以認為,在金融網(wǎng)絡(luò)輿情演化中,積極型投資者具有強烈的風險偏好和強勁的進取心,善于與周圍股民、投資經(jīng)理、金融分析師等人進行更多的信息共享和觀點互動,因此其個體接受度較高,形成聚合觀點的速度較快。而保守型投資者厭惡風險,偏好穩(wěn)健型投資收益,參與金融市場的活躍度相對較低,固守自身投資理念,與其他市場參與者的互動溝通偏少,觀點交互遲滯,導致其輿情演化速度滯后,觀點聚合耗費的時間較長。

圖2 不同個體接受度下金融網(wǎng)絡(luò)輿情觀點聚合過程

2.基于信任閾值的金融網(wǎng)絡(luò)輿情演化機制

信任閾值ε體現(xiàn)了網(wǎng)絡(luò)群體的特征,是表征群體觀點演化特征的重要參數(shù),即群體中的所有個體對給定議題所持觀點進行交互的可能性[5]。為了更清晰地觀測金融網(wǎng)絡(luò)輿情觀點走勢,此處的模擬仿真實驗將T設(shè)置為1 000,再令μ服從均值為0.5的正態(tài)分布,關(guān)系強度R=0.5,信任閾值ε分別為0.1,0.2,0.3,0.4,0.5。從圖3所示的模擬仿真結(jié)果中可以看出,信任閾值不同則金融網(wǎng)絡(luò)輿情觀點聚合過程收斂而成的觀點數(shù)量也不同,并且形成的觀點簇與ε之間的關(guān)系雖然嚴格滿足DW模型要求的1/2ε準則,但也呈現(xiàn)出一定的反比例關(guān)系:隨著信任閾值的增大,凝聚出的觀點簇數(shù)量不斷減少。不僅如此,隨著ε的增大,群體觀點聚合趨于穩(wěn)定狀態(tài)的耗時也不斷縮短。當ε=0.2時,觀點聚合態(tài)勢在步長為200時其才趨于穩(wěn)定;而ε增至0.3或0.4時,其觀點聚合態(tài)勢在步長不足100時已經(jīng)穩(wěn)定,這證明了信任閾值的大小對金融網(wǎng)絡(luò)中個體觀點的聚合速度確實具有顯著影響。

圖3 不同信任閾值下金融網(wǎng)絡(luò)輿情觀點聚合過程

信任閾值所體現(xiàn)的群體特性可以理解為在某種金融發(fā)展狀況下,個體就其對金融事件所持有的觀點進行交互的可能性。對于開放度高的發(fā)達金融環(huán)境而言,各類金融市場互聯(lián)互通、信息傳播透明高效,金融投資者擁有較高金融素養(yǎng),應(yīng)對金融輿情事件時更加開放包容,觀點交互也更為積極,故金融網(wǎng)絡(luò)輿情觀點更容易達成一致;而在低水平金融環(huán)境下,金融體系較強的封閉性會阻礙個體投資者間的觀點交互,從而不易形成觀點聚合。

3.基于關(guān)系強度的金融網(wǎng)絡(luò)輿情演化機制

社會網(wǎng)絡(luò)理論中,關(guān)系強度是指不同個體或組織之間互動和交流所產(chǎn)生的關(guān)聯(lián)緊密程度,反映個體受網(wǎng)絡(luò)中其他節(jié)點影響的程度[4],一般包括互動時間長短、感情深淺、相互信賴程度和互惠性四個因素。處于強關(guān)系中的個體間互動會更為頻繁、情感更為親密、彼此之間更為信賴,適合深度交互行為;相反,處于弱關(guān)系中的個體互動頻率較低,信息重復度也較低,更利于新信息的傳播。此處的模擬仿真實驗也將關(guān)系強度劃分為強弱兩個維度,并將R值分別設(shè)定為0.3和0.5,其他參數(shù)維持初始值。

從圖4中可知,個體間存在強關(guān)系時,群體中的個體經(jīng)過觀點交互后達到穩(wěn)定狀態(tài)所需的步長約為75,而弱關(guān)系狀態(tài)下達成穩(wěn)定狀態(tài)所需的步長約為150,并且其觀點簇具有較強關(guān)系時更粗。這表明,金融投資者間的個體關(guān)系強度影響著輿情演化速率,當群體中個體間具有強關(guān)系時形成穩(wěn)定觀點簇的耗時更短,其觀點簇也更細。在金融市場中,個體投資者在進行觀點交互時更愿意采納親密伙伴或?qū)I(yè)性證券投資分析師的言論,而甚少理會在網(wǎng)絡(luò)中隨意發(fā)表言論的草根股民。這進一步表明,金融網(wǎng)絡(luò)中的強關(guān)系會帶來較高的信任度,進而促進觀點交互的演化和聚合。

圖4 不同關(guān)系強度下的金融網(wǎng)絡(luò)輿情觀點聚合過程

五、金融網(wǎng)絡(luò)輿情演化機制實證

前文通過模擬仿真法刻畫了金融網(wǎng)絡(luò)輿情觀點聚合的動力學過程,歸納了基于個體接受度、信任閾值和關(guān)系強度的金融網(wǎng)絡(luò)輿情演化機制。接下來將以2020年美股四次熔斷為典型案例,進一步從上述三個層面來驗證中國國內(nèi)金融網(wǎng)絡(luò)輿情的真實演化機制。

(一)案例選擇及數(shù)據(jù)處理

受全球新冠疫情沖擊影響,2020年3月9—18日短短8個交易日內(nèi)美國股市接連發(fā)生四次熔斷。3月9日,美股三大股指開盤后全線下跌,標普500指數(shù)率先跌破7%,觸發(fā)熔斷機制;由于市場和股價不穩(wěn)定導致產(chǎn)生從眾心理的投資者恐慌情緒加劇,3月12日美股三大指數(shù)均跌破7%,再度觸發(fā)一級熔斷,全美股市暫停交易15分鐘;隨后美聯(lián)儲采取量化寬松政策并宣布降息至零,再次激化了市場恐慌情緒,3月16日美股開盤熔斷;3月18日美股再次觸發(fā)熔斷機制。美股接連四次熔斷事件導致全球金融市場異常波動,成為備受關(guān)注的金融網(wǎng)絡(luò)輿情事件。本文將以此為典型案例,分別從個體接受度、信任閾值及關(guān)系強度等三個方面來解釋該案例的輿情演化機制。

本文采用網(wǎng)絡(luò)爬蟲技術(shù)獲取了2020年3月5—25日關(guān)于“美股熔斷”事件的海量文本信息,數(shù)據(jù)來源于國內(nèi)主流金融財經(jīng)咨詢類網(wǎng)站,涉及新浪財經(jīng)、華爾街見聞、同花順、東方財富、云財經(jīng)。相比于微博信息,上述財經(jīng)網(wǎng)站數(shù)據(jù)具有較高的信息辨識度,能夠代表市場的前沿觀點,其時效性強且能夠引領(lǐng)輿論走向,故更具專業(yè)化和信息挖掘的可操作性。對上述文本信息進行清洗后,本文共導出11 705條有效文本數(shù)據(jù)用于實證。

(二)金融網(wǎng)絡(luò)輿情演化機制實證

1.基于個體接受度的美股熔斷網(wǎng)絡(luò)輿情演化機制

由于美股熔斷連續(xù)出現(xiàn)四次,網(wǎng)絡(luò)輿情延續(xù)的時間跨度略大,盡管每次熔斷主題高度一致,但由于金融形勢變化多端、金融網(wǎng)絡(luò)輿情演化速度快,輿情演化各階段涉及信息內(nèi)容分布差異性較大,節(jié)點擴散范圍廣。不過,投資者通過網(wǎng)絡(luò)交流吸收他人意見后所形成的觀點仍可以通過網(wǎng)絡(luò)語義圖中的中心關(guān)鍵詞所呈現(xiàn)出來,因此本文分別構(gòu)造了美股四次熔斷語義網(wǎng)絡(luò)圖,可以更加清晰地看出每次熔斷點的輿論焦點,以驗證輿情演化機制。

如圖5所示,在3月9日第一次熔斷當天,處于網(wǎng)絡(luò)語義中心的關(guān)鍵詞有“跌幅”“美元”“期貨”“下跌”“現(xiàn)貨”,而至3月12日,中心關(guān)鍵詞為“美國”“指數(shù)”“美元”“期貨”“現(xiàn)貨”“擴大”“跌幅”“股指”。相比于首次熔斷時,第二次熔斷事件加劇了輿情觀點的發(fā)散,各關(guān)鍵節(jié)點體現(xiàn)的輿情主題更加豐富,國內(nèi)個體投資者關(guān)注的焦點從美國股市大跌本身擴大到了美國央行所采取的一系列股市干預(yù)政策,甚至延伸到全球金融衍生品市場和大宗商品市場行情。

圖5 美股四次熔斷輿情的網(wǎng)絡(luò)語義圖

3月16日的網(wǎng)絡(luò)語義圖中,中心關(guān)鍵詞縮減成“美元”“跌幅”“指數(shù)”“現(xiàn)貨”“期貨”“擴大”,至3月18日進一步聚焦到“美元”“擴大”“跌幅”“期貨”,這表明后兩次美股熔斷事件中,個體投資者的輿情觀點更為聚焦,已經(jīng)形成了關(guān)于美國股市連續(xù)多次大跌的觀點主線。同時,從這兩次輿情的中心關(guān)鍵詞所衍生出來的其他節(jié)點可以看出,美股連續(xù)大跌的溢出效應(yīng)使得全球主要金融市場遭受打擊,累及各國經(jīng)濟,國內(nèi)投資者也比較關(guān)注主要國家央行所采取的金融穩(wěn)定措施是否能夠?qū)_美股熔斷帶來的負面沖擊影響。

由此可見,國內(nèi)關(guān)于美股四次熔斷的輿情呈現(xiàn)出“爆發(fā)—擴散—收斂”的非線性聚合態(tài)勢,輿情發(fā)展的前期階段,輿情觀點呈現(xiàn)差異性大、較為分散的態(tài)勢,而中后期階段的輿情觀點逐漸收斂并趨于穩(wěn)定,形成了明確的觀點主線。這與前文關(guān)于個體接受度的輿情演化機制模擬仿真結(jié)果一致,也體現(xiàn)出個體接受度在金融網(wǎng)絡(luò)輿情演化中所發(fā)揮的重要作用:在輿情演化過程中個體投資者通過觀點交互不斷吸收他人的意見,逐漸修正自身看法,最終形成較為穩(wěn)定的主流觀點。

2.基于信任閾值的美股熔斷網(wǎng)絡(luò)輿情演化機制

在現(xiàn)實金融網(wǎng)絡(luò)輿情演化過程中,個體觀點通過網(wǎng)絡(luò)意見、評論等語言文本形式表現(xiàn)出來,故可通過文本中的情感演變來推斷網(wǎng)絡(luò)社群中個體投資者對美股四次熔斷這一主題進行觀點交互的可能結(jié)果,分析信任閾值作用下針對該案例的金融網(wǎng)絡(luò)輿情演化機制。情感具有動態(tài)性,群體中的個體投資者短期情感波動與金融輿情主題密切相關(guān),因此本文將按照美股四次熔斷事件的輿情演化時序,使用情感傾向分析方法對相關(guān)文本數(shù)據(jù)進行意見挖掘,分析其中的情感傾向(9)本文為增加情感傾向結(jié)果的準確性,借助《清華大學開放中文詞庫》中的財經(jīng)詞庫提升中文分詞效果,借助《金融領(lǐng)域中文情緒詞典》提升情感分類準確性。[1],得到了四次美股熔斷時投資者的積極、中立、消極情緒占比情況。

如圖6所示,在美股四次熔斷輿情演化過程中個體投資者的情緒變化是:3月9日持積極情緒和消極情緒的投資者占比分別為40.80%、57.81%;3月12日持積極情緒的投資者占比小幅降至37.99%,而持消極情緒的投資者占比升至60.31%;3月16日持積極情緒的投資者占比又回升至41.99%,持消極情緒的投資者占比降至55.91%;3月18日持積極情緒的投資者占比繼續(xù)升至46.38%,持消極情緒的投資者占比繼續(xù)降至51.71%?？梢?在美股四次熔斷輿情演化過程中,市場積極情緒呈現(xiàn)衰減后回升的上凹形態(tài),而市場消極情緒則表現(xiàn)為先上升后衰減的下凹形態(tài),兩種情緒最終趨于聚合。這說明個體投資者對美國股市行情的預(yù)期呈現(xiàn)兩極化分布,即看漲和看跌兩類觀點對立存在,且兩類觀點存在“發(fā)散—收斂—聚合”的動態(tài)演化規(guī)律,這與前文關(guān)于信任閾值的輿情演化機制模擬仿真結(jié)果總體一致。

圖6 網(wǎng)絡(luò)意見的情感傾向變化趨勢圖

上述結(jié)果可進一步解釋為,金融市場中的情緒不會形成絕對的單一聚合結(jié)果,這是維系金融市場流動性的基礎(chǔ),同時,兩極分化的輿情觀點也符合金融市場投資者的特性。結(jié)合此次金融網(wǎng)絡(luò)輿情案例分析,美股熔斷主要是新冠疫情沖擊下的市場兩極情緒的顯性表征:一方面,占主導地位的市場消極情緒驅(qū)使個體投資者下調(diào)對美國股市的預(yù)期,采取集體拋售股票的決策行為,引發(fā)美股短期震蕩行情;另一方面,美國金融決策部門的救市措施有利于提振市場信心,市場積極情緒隨之醞釀積累。隨著穩(wěn)定金融政策效應(yīng)的釋放,在個體投資者觀點交互作用下消極情緒和積極情緒此消彼長。

3.基于關(guān)系強度的金融網(wǎng)絡(luò)輿情演化機制

鑒于本文采集的是來自國內(nèi)主流金融財經(jīng)資訊平臺的文本數(shù)據(jù),詞云圖中關(guān)鍵詞的突現(xiàn)性其實可以反映金融網(wǎng)絡(luò)中的節(jié)點關(guān)系強度,突現(xiàn)性越強則表明個體投資者對于主流金融財經(jīng)媒體的關(guān)注度越高、信息互動吸收頻率越高、信任程度越高,故關(guān)系強度越大。原因在于,在金融網(wǎng)絡(luò)輿情演化過程中,投資者普遍會關(guān)注財經(jīng)媒體或機構(gòu)投資者發(fā)布的權(quán)威經(jīng)濟信號,以此作為觀點交互時的參照信息,故個體投資者對主流媒體較高的關(guān)注度體現(xiàn)了前者對后者具有較高信任度,反映出雙方輿情交互中具有較強的關(guān)系強度,這會影響金融網(wǎng)絡(luò)輿情演化方向。因此,詞云圖可將文本中較高頻出現(xiàn)的媒體進行突現(xiàn)展示,以體現(xiàn)出哪些媒體在推動個體投資者的觀點走向聚合。同時,財經(jīng)媒體之間存在強弱關(guān)系,在意見交互過程中影響力弱的財經(jīng)媒體會引用或轉(zhuǎn)發(fā)權(quán)威媒體的觀點,助推觀點聚合,這會加快金融網(wǎng)絡(luò)輿情的演化速度。

從圖7可以看出,3月9日的突現(xiàn)性關(guān)鍵詞為“央視”(60次)、“人民日報”(17次)、“新華社”(11次)、“環(huán)球網(wǎng)”(11次)、“澎湃新聞”(9次);3月12日的突現(xiàn)性關(guān)鍵詞為“央視”(46次)、“人民日報”(15次)、“環(huán)球網(wǎng)”(12次)、“新華社”(6次)、“中國日報”(5次);3月16日的突現(xiàn)性關(guān)鍵詞為“央視”(56次)、“澎湃新聞”(10次)、“新華社”(8次)、“人民日報”(8次)、“中證報”(6次);3月18日的突現(xiàn)性關(guān)鍵詞為“央視”(57次)、“人民日報”(27次)、“新華社”(16次)、“環(huán)球網(wǎng)”(15次)、“中國日報”(9次)(10)本文截取的是詞頻排名前五的突現(xiàn)性關(guān)鍵詞,以便簡明地展示美股熔斷輿情演化過程中的關(guān)系強度變化態(tài)勢。。概括起來,美股四次熔斷輿情的突現(xiàn)性關(guān)鍵詞總體保持一致,主要是“央視”“人民日報”“環(huán)球網(wǎng)”“新華社”“中國日報”,這體現(xiàn)出個體投資者對于上述主流媒體信息始終高度關(guān)注和信任,因此產(chǎn)生了穩(wěn)定的強關(guān)系。數(shù)量眾多的個體投資者傾向于接受主流媒體觀點,這有利于推動輿情觀點走向聚合。這同樣印證了前文關(guān)于關(guān)系強度的輿情演化機制模擬仿真結(jié)果。

圖7 美股四次熔斷的分階段詞云圖

由此可見,個體投資者與主流財經(jīng)媒體之間的強關(guān)系也是推動美股四次熔斷輿情演化的主要因素。媒體所提供的信任度高、權(quán)威性強的信息更容易被個體投資者采納,并通過意見交互加快觀點聚合。

六、結(jié)論與政策建議

本文基于觀點動力學和復雜網(wǎng)絡(luò)構(gòu)建金融網(wǎng)絡(luò)輿情演化模型并進行模擬仿真,發(fā)現(xiàn)金融網(wǎng)絡(luò)輿情觀點聚合形態(tài)受個體接受度、信任閾值和關(guān)系強度的明顯影響:(1)個體接受度越大,其更容易發(fā)生觀點交互,輿情觀點聚合速率越快;(2)群體信任閾值越大,輿情演化形成的觀點簇數(shù)量越小,網(wǎng)絡(luò)中的觀點更快地由多元化趨于一致;(3)強關(guān)系更利于金融網(wǎng)絡(luò)輿情的觀點聚合。在此基礎(chǔ)上,本文以美股四次熔斷為金融網(wǎng)絡(luò)輿情案例,檢驗了金融輿情演化的現(xiàn)實機制:對網(wǎng)絡(luò)語義圖進行比較分析后發(fā)現(xiàn),個體投資者通過觀點交互確實逐漸實現(xiàn)了觀點聚合;通過情感傾向分析提煉出投資者的“消極”“積極”和“中立”情緒可發(fā)現(xiàn),不同個體投資者之間的信任閾值差異使得前兩種極端情緒呈現(xiàn)此消彼長的觀點聚合態(tài)勢,但由這種情緒所形成的對美國股市行情預(yù)期仍是兩極對立的;網(wǎng)絡(luò)詞云圖分析則更傾向于說明,個體投資者與主流財經(jīng)媒體之間的強關(guān)系在推動著美股熔斷輿情演化。圍繞上述結(jié)論,本文提出以下對策建議:

第一,重視影響金融網(wǎng)絡(luò)輿情演化的各類因素,這是準確把握輿情演化規(guī)律及態(tài)勢的關(guān)鍵所在。相關(guān)輿情管理部門應(yīng)合理利用重大金融網(wǎng)絡(luò)輿情演化影響因素的作用,全面準確掌握輿情演變的內(nèi)在機制,對金融網(wǎng)絡(luò)輿情進行深度且綜合性的分析研究,這對全面把握金融網(wǎng)絡(luò)輿情動態(tài),及時應(yīng)對突發(fā)金融輿情危機有重要意義。

第二,構(gòu)建金融網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)。通過金融網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)實時監(jiān)測金融網(wǎng)絡(luò)輿情動態(tài),發(fā)現(xiàn)敏感信息,以便有效地預(yù)測金融網(wǎng)絡(luò)輿情爆發(fā)。同時,應(yīng)更加注重風險把控,增強前瞻性預(yù)判,組建專業(yè)的網(wǎng)絡(luò)輿情團隊,加強信息技術(shù)層面的監(jiān)測,使金融業(yè)相關(guān)管理部門能夠及時通過金融網(wǎng)絡(luò)輿情的信息收集、信息分析、風險評估等措施防止金融負面輿情形勢進一步惡化及風險蔓延。

第三,建立全周期信息管理機制。從信息源頭建立信息披露機制,不僅要準確、及時、真實地發(fā)布金融事件信息,避免引發(fā)投資者大面積的恐慌情緒,還要及時過濾重復的輿情信息,疏散輿情信息內(nèi)容盲區(qū);在金融網(wǎng)絡(luò)輿情爆發(fā)時,主流財經(jīng)媒體應(yīng)及時跟進和報道事件走向,從專業(yè)角度評估突發(fā)金融事件風險以及科普風險預(yù)防措施,引導投資者情緒趨于正向;在金融網(wǎng)絡(luò)輿情后期,進行反思性研究,對輿情的發(fā)生根源或本質(zhì)進行綜合性研究,并及時形成金融網(wǎng)絡(luò)輿情應(yīng)對知識或經(jīng)驗的相關(guān)報告。

第四,構(gòu)建金融網(wǎng)絡(luò)輿情案例庫。構(gòu)建金融網(wǎng)絡(luò)輿情案例庫將成為信息管理和應(yīng)急決策的前提和基礎(chǔ),能夠為突發(fā)金融網(wǎng)絡(luò)輿情的科學處置提供案例和數(shù)據(jù)支持,科學且精準地提供研判分析、應(yīng)對措施、輿情處置指導等功能,同時助力相關(guān)部門做好風險評估和防范工作,在輿情發(fā)酵前,從源頭疏導和化解金融風險。

第五,完善金融監(jiān)管機構(gòu)應(yīng)對金融網(wǎng)絡(luò)輿情的相關(guān)策略。首先,各層級金融監(jiān)管機構(gòu)應(yīng)建立互聯(lián)互通的輿情監(jiān)測平臺,完善網(wǎng)絡(luò)媒體監(jiān)管制度,營造良好網(wǎng)絡(luò)媒體環(huán)境。其次,金融監(jiān)管機構(gòu)應(yīng)做好金融風險防控工作,多維度、實時監(jiān)測分析金融網(wǎng)絡(luò)輿情演化進程。最后,金融監(jiān)管部門應(yīng)加強市場預(yù)期管理。通過疏通與市場投資者的溝通渠道引導預(yù)期,防范突發(fā)金融政策刺激形成新的輿情熱點,完善輿情應(yīng)急處理機制,避免輿情形成危機而引發(fā)金融市場大幅動蕩,有效維護金融安全。