郭建峰 ，劉 櫻 ，陳有為 ，溫景崗

（西安郵電大學(xué)a.經(jīng)濟(jì)與管理學(xué)院；b.計(jì)算金融與風(fēng)險(xiǎn)管理研究中心，西安710121）

大數(shù)據(jù)網(wǎng)絡(luò)輿情對(duì)證券投資收益與風(fēng)險(xiǎn)影響研究

郭建峰a，b，劉 櫻a(bǔ)，陳有為a，b，溫景崗b

（西安郵電大學(xué)a.經(jīng)濟(jì)與管理學(xué)院；b.計(jì)算金融與風(fēng)險(xiǎn)管理研究中心，西安710121）

將來(lái)自深圳證券交易所并為證監(jiān)會(huì)推送的權(quán)威輿情監(jiān)管數(shù)據(jù)通過(guò)大數(shù)據(jù)的技術(shù)進(jìn)行處理，運(yùn)用到對(duì)股票收益與風(fēng)險(xiǎn)的研究中，并運(yùn)用2013年1月4日至2016年12月31日全A股市場(chǎng)近幾十萬(wàn)級(jí)數(shù)據(jù)進(jìn)行實(shí)證研究。研究得出：網(wǎng)絡(luò)輿情值與股票收益呈現(xiàn)負(fù)相關(guān)關(guān)系。對(duì)股票波動(dòng)進(jìn)行檢驗(yàn)發(fā)現(xiàn)：網(wǎng)絡(luò)輿情值高的股票波動(dòng)性小，網(wǎng)絡(luò)輿情值低的股票波動(dòng)性大，得出網(wǎng)絡(luò)輿情值的提高增加了信息的透明度從而降低了風(fēng)險(xiǎn)。

大數(shù)據(jù)；網(wǎng)絡(luò)輿情；股票收益；股票波動(dòng)

2011年5月，麥肯錫全球研究院發(fā)布了報(bào)告《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)新領(lǐng)域》后，大數(shù)據(jù)的概念備受關(guān)注。網(wǎng)絡(luò)的迅猛發(fā)展產(chǎn)生了各式各樣的數(shù)據(jù)，數(shù)據(jù)正以“TB”級(jí)增長(zhǎng)。網(wǎng)絡(luò)輿情正是以一種網(wǎng)絡(luò)大數(shù)據(jù)形式而存在。近幾年，金融市場(chǎng)中投資者結(jié)構(gòu)已經(jīng)發(fā)生變化，截至2016年末，A股市場(chǎng)中散戶(hù)投資者占比接近50%，散戶(hù)投資者相對(duì)其他投資者非理性程度低。金融領(lǐng)域中，在大數(shù)據(jù)時(shí)代背景下，通過(guò)從搜索引擎、媒體網(wǎng)站及社交網(wǎng)絡(luò)等產(chǎn)生的各類(lèi)消息中挖掘有用信息，從而加深對(duì)金融市場(chǎng)的分析至關(guān)重要。因此，隨著股票市場(chǎng)投資者結(jié)構(gòu)的改變，對(duì)于大數(shù)據(jù)網(wǎng)絡(luò)輿情對(duì)股票的影響研究的重要性日益彰顯。

本文通過(guò)將來(lái)自深圳證券交易所并為證監(jiān)會(huì)推送的權(quán)威輿情監(jiān)管數(shù)據(jù)通過(guò)大數(shù)據(jù)的技術(shù)進(jìn)行處理，運(yùn)用到對(duì)股票收益及風(fēng)險(xiǎn)影響的研究中，進(jìn)行對(duì)股票收益及風(fēng)險(xiǎn)的實(shí)證檢驗(yàn)。

一、研究方法與模型設(shè)定

（一）數(shù)據(jù)描述與選取

大數(shù)據(jù)下，分析網(wǎng)絡(luò)輿情與股票收益及風(fēng)險(xiǎn)之間的影響，面臨的難題就是找到權(quán)威網(wǎng)絡(luò)輿情數(shù)據(jù)。在當(dāng)前國(guó)內(nèi)外的學(xué)者中，對(duì)于網(wǎng)絡(luò)輿情的挖掘以及度量沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)。網(wǎng)絡(luò)輿情是投資者情緒的一個(gè)側(cè)面體現(xiàn)。Sabherwal從論壇中收集的與相應(yīng)股票相關(guān)的文本數(shù)據(jù)信息，通過(guò)處理作為網(wǎng)絡(luò)輿情的代理變量；林振興收集論壇中與個(gè)股有關(guān)的發(fā)帖并計(jì)算數(shù)量，形成網(wǎng)絡(luò)輿情指標(biāo)。

本文所用網(wǎng)絡(luò)輿情數(shù)據(jù)權(quán)威性得到保證?；诰W(wǎng)絡(luò)大數(shù)據(jù)，輿情預(yù)警度、網(wǎng)絡(luò)輿情關(guān)注度是根據(jù)抓取到的微博、博客、股吧論壇、微信的數(shù)據(jù)計(jì)算而來(lái)，依據(jù)平臺(tái)不同以及傳播量等，發(fā)布平臺(tái)事先打分分級(jí)，實(shí)體評(píng)論情況的量化統(tǒng)計(jì)，并標(biāo)準(zhǔn)化到0—100之間。其中，輿情預(yù)警度只包括相關(guān)公司負(fù)面的消息。網(wǎng)絡(luò)輿情的衡量更精準(zhǔn)、直接、更有吸引力。表1和表2分別展示了網(wǎng)絡(luò)輿情關(guān)注度與輿情預(yù)警度的描述性統(tǒng)計(jì)，根據(jù)網(wǎng)絡(luò)輿情預(yù)警度方差，我們可以看出方差較大，說(shuō)明不同股票間、不同時(shí)間網(wǎng)絡(luò)輿情關(guān)注度波動(dòng)較大。根據(jù)網(wǎng)絡(luò)輿情預(yù)警度的描述性統(tǒng)計(jì)，方差相對(duì)小。

本文所用其他股票日交易數(shù)據(jù)從wind數(shù)據(jù)庫(kù)收集而來(lái)。本文研究期間選為2013—2016年，研究樣本為全A股中剔除ST股票、以及輿情預(yù)警度高于60的股票進(jìn)行研究分析，對(duì)預(yù)警度進(jìn)行分析發(fā)現(xiàn)輿情預(yù)警度高于60的情況下，負(fù)面消息對(duì)股票有顯著的干擾性，所以進(jìn)行剔除。

（二）模型設(shè)定

本文采用排序法以及比較分析法對(duì)網(wǎng)絡(luò)輿情因子進(jìn)行檢驗(yàn)，具體做法如下：

首先，每月初對(duì)研究樣本按因子降序排序，等分為n個(gè)組合，每月初調(diào)整研究樣本的分組情況。然后對(duì)研究樣本的n個(gè)組合計(jì)算收益率。

在對(duì)因子對(duì)股票收益影響的方向性判斷上，對(duì)研究樣本按因子大小排序分組后，運(yùn)用比較分析法，若因子越大，收益越大，則認(rèn)為該因子是正向因子；若因子越大，收益越小，則認(rèn)為該因子是負(fù)向因子。即：

AR1＜AR2＜AR3...＜ARn，則認(rèn)為該因子為負(fù)向因子。

AR1＞AR2＞AR3...＞ARn，則認(rèn)為該因子為正向因子。

其中，ARi表示股票組合的平均收益。

表1 網(wǎng)絡(luò)輿情（Yq）的描述性統(tǒng)計(jì)

表2 Yq與當(dāng)期股票收益比較

在對(duì)網(wǎng)絡(luò)輿情對(duì)股票波動(dòng)的影響分析上，對(duì)每個(gè)投資組合的月收益序列求標(biāo)準(zhǔn)差，并采用比較分析法對(duì)各標(biāo)準(zhǔn)差序列進(jìn)行比較。標(biāo)準(zhǔn)差計(jì)算公式如下所示：

其中，R表示組合的月收益，k表示組合的月數(shù)。

二、實(shí)證檢驗(yàn)

本文將分別從網(wǎng)絡(luò)輿情對(duì)股票收益的影響以及對(duì)股票風(fēng)險(xiǎn)的影響兩部分進(jìn)行實(shí)證研究。第一部分分析網(wǎng)絡(luò)輿情對(duì)股票收益的影響是正向還是負(fù)向。第二部分分析網(wǎng)絡(luò)輿情對(duì)股票波動(dòng)風(fēng)險(xiǎn)影響。

在分析網(wǎng)絡(luò)輿情（Yq）對(duì)股票收益以及股票波動(dòng)風(fēng)險(xiǎn)的影響時(shí)，我們分別將研究樣本等分為五組并分別計(jì)算持有組合一個(gè)月的等權(quán)平均月收益，每月初調(diào)倉(cāng)，最后計(jì)算每個(gè)組合的月平均收益率。

通過(guò)表2，組合1—5的平均月收益，隨著網(wǎng)絡(luò)輿情值的降低而增大，得出結(jié)論，網(wǎng)絡(luò)輿情對(duì)股票收益的影響是負(fù)向的。通過(guò)對(duì)組合1與組合5的G值為1.08，我們可知組合之間的收益差異較大；根據(jù)t值檢驗(yàn)，t值較大，p值為0.000 0，網(wǎng)絡(luò)輿情對(duì)股票收益的影響顯著。

表3 Yq與當(dāng)期股票波動(dòng)比較

通過(guò)圖1，展示了不同網(wǎng)絡(luò)輿情值下組合在研究期間的收益比較，圖中至下而上分別為Yq（1）組合、Yq（2）組合 、Yq（3）組合、Yq（4）組合、Yq（5）組合。由圖 1 可知，網(wǎng)絡(luò)輿情與股票收益呈負(fù)相關(guān)關(guān)系。

通過(guò)表3展示了各個(gè)組合的股票收益標(biāo)準(zhǔn)差，組合1到組合5標(biāo)準(zhǔn)差逐漸增大，表明隨著網(wǎng)絡(luò)輿情值的降低，股票收益的標(biāo)準(zhǔn)差增大，即：股票投資的風(fēng)險(xiǎn)增大。由此我們得出，網(wǎng)絡(luò)輿情關(guān)注值的增大增加了信息的透明度，降低了信息的不對(duì)稱(chēng)，從而降低了投資風(fēng)險(xiǎn)。

三、結(jié)論

圖1 不同網(wǎng)絡(luò)輿情值下組合收益展示圖

本文順應(yīng)大數(shù)據(jù)發(fā)展，通過(guò)運(yùn)用權(quán)威的深圳證券交易所運(yùn)用大數(shù)據(jù)技術(shù)采集來(lái)的網(wǎng)絡(luò)輿情數(shù)據(jù)，并運(yùn)用相應(yīng)的大數(shù)據(jù)數(shù)據(jù)處理方法對(duì)數(shù)據(jù)進(jìn)行處理，運(yùn)用到對(duì)股票收益及風(fēng)險(xiǎn)的研究中。通過(guò)實(shí)證研究得出，網(wǎng)絡(luò)輿情對(duì)股票收益有負(fù)向影響；網(wǎng)絡(luò)輿情值高的股票，股票波動(dòng)小，即投資股票的風(fēng)險(xiǎn)小。由此我們發(fā)現(xiàn)，投資者可以通過(guò)買(mǎi)入網(wǎng)絡(luò)輿情值低的股票同時(shí)賣(mài)出網(wǎng)絡(luò)輿情值高的股票進(jìn)行投資決策獲取股票收益；監(jiān)管部門(mén)可以對(duì)網(wǎng)絡(luò)輿情值低的股票進(jìn)行監(jiān)控，以求降低金融市場(chǎng)風(fēng)險(xiǎn)。本文仍有研究不足，對(duì)于風(fēng)險(xiǎn)測(cè)量的方法過(guò)于單一，在以后的研究中可以考慮使用多種風(fēng)險(xiǎn)模型對(duì)風(fēng)險(xiǎn)進(jìn)行測(cè)量以及管理。

[1]Andrei D，Hasler M.Investor Attention and Stock Market Volatility[J].Review of Financial Studies，2011，（1）：33-72.

[2]Dimpfl T，Jank S.Can Internet Search Queries Help to Predict Stock Market Volatility?[J].European Financial Management，2016，（2）：171-192.

[3]Bank M，Larch M，Peter G.Google Search Volume and Its Influence on liquidity and Returns of German stocks[J].Financial Markets&Portfolio Management，2011，（3）：239-264.

[4]Sabherwal S，Sarkar S K，Zhang Y.Do Internet Stock Message Boards Influence Trading?Evidence from Heavily Discussed Stocks with No Fundamental News[J].Journal of Business Finance&Accounting，2011，（9-10）：1209-1237.

[5]林振興.網(wǎng)絡(luò)討論、投資者情緒與IPO抑價(jià)[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，（2）：23-29.

Research on the impact of big data network public opinion on the securities investment returns and risks

GUO Jian-feng1，2，LIU Ying1，CHEN You-wei1，2，WEN Jing-gang2
（1.School ofeconomics and management；2.Research Center for computingfinance and risk management，Xi'an UniversityofPosts and telecommunications，Xi'an 710121，China）

From the Shenzhen Stock Exchange and the SFC regulatory authority of public opinion data push through big data processing technology，applied to the research on stock returns and risk，and the use of 1 2013 to 2016 12 4 31 April the A stock market nearly hundreds of thousands of level data for empirical research the study concluded that：the value of network public opinion.It has negative correlation with stock returns.The stock fluctuation were found：the network public opinion value of high volatility，high stock value of network public opinion.Ticket volatilityis large，the increase ofthe value ofnetwork public opinion increases the transparencyofinformation，therebyreducingthe risk

bigdata；network public opinion；stock returns；Stock Volatility

F83

A

1673-291X（2017）35-0127-03

2017-10-15

陜西省軟科學(xué)研究計(jì)劃重點(diǎn)項(xiàng)目（2015KRZ001）；西安市科技計(jì)劃社會(huì)引導(dǎo)軟科學(xué)項(xiàng)目（SF1504（3））；陜西省教育廳哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地項(xiàng)目（14JZ048）

郭建峰（1972），男，教授，從事計(jì)算金融與風(fēng)險(xiǎn)管理研究；劉櫻（1993），女，遼寧大連人，碩士研究生，從事計(jì)算金融研究。

[責(zé)任編輯 興 華]