任仙玲，鄧 磊

中國海洋大學(xué) 經(jīng)濟(jì)學(xué)院，山東 青島 266100

引言

近年來，“黑天鵝事件”頻出，如英國脫歐和特朗普當(dāng)選等事件，對全球經(jīng)濟(jì)造成劇烈沖擊，日益復(fù)雜的國際環(huán)境與國內(nèi)經(jīng)濟(jì)下行壓力[1]交織在一起，也給中國外匯市場帶來不可控的影響。在2018年中央經(jīng)濟(jì)工作會議上，政府強(qiáng)調(diào)要把穩(wěn)定外匯市場作為基本政策之一，因此進(jìn)一步深入研究匯率影響因素，對推動中國經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。

在大數(shù)據(jù)時代，如何深入有效挖掘網(wǎng)絡(luò)蘊(yùn)含的海量信息成為研究熱點(diǎn)。據(jù)《紐約時報》報道，2016年特朗普競選團(tuán)隊利用5千萬份來自美國選民的Facebook個人檔案，建立個人信息系統(tǒng)，以預(yù)測和影響民眾的選擇，這是成功運(yùn)用網(wǎng)絡(luò)大數(shù)據(jù)的一個案例。隨著互聯(lián)網(wǎng)的迅猛發(fā)展，通過網(wǎng)絡(luò)數(shù)據(jù)反映出來的輿情蘊(yùn)含的重要信息勢必影響金融市場，因此，需進(jìn)一步深入研究網(wǎng)絡(luò)輿情信息對外匯市場的影響。

考慮到全民炒股的網(wǎng)絡(luò)氛圍，若使用網(wǎng)絡(luò)整體輿情對外匯市場進(jìn)行研究可能出現(xiàn)較大偏差，而2018年發(fā)生的中美貿(mào)易摩擦事件已成為廣大網(wǎng)民的熱點(diǎn)話題，其網(wǎng)絡(luò)輿情具有一定代表性。因此，本研究選用中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情作為研究對象，考察其對外匯市場的影響。

已有研究多從均值角度探討網(wǎng)絡(luò)輿情與金融市場的關(guān)系，從分位數(shù)角度分析網(wǎng)絡(luò)輿情對匯率影響的研究較少?；诖?，本研究借助網(wǎng)絡(luò)社交平臺，抓取關(guān)于中美貿(mào)易摩擦事件的文本，構(gòu)建網(wǎng)絡(luò)輿情信息指數(shù)，運(yùn)用分位數(shù)Granger因果檢驗、分位數(shù)向量自回歸模型和脈沖響應(yīng)技術(shù)，分析網(wǎng)絡(luò)輿情對中國外匯市場的沖擊效應(yīng)。

1相關(guān)研究評述

1.1網(wǎng)絡(luò)輿情分析

關(guān)于網(wǎng)絡(luò)輿情的研究，多以文本分析為主，它是從語句中提取關(guān)鍵信息進(jìn)行量化，從而獲取文本數(shù)據(jù)中蘊(yùn)含的價值。當(dāng)今社會處于網(wǎng)絡(luò)大數(shù)據(jù)時代，由于網(wǎng)絡(luò)數(shù)據(jù)量以百萬級計，因此無法以人工方式處理數(shù)據(jù)，需要借助計算機(jī)技術(shù)、使用特定分析方法來實(shí)現(xiàn)。

文本分析方法主要以情感詞典和機(jī)器學(xué)習(xí)為主，情感詞典分析法著重于情感詞典的選取，決定了文本分析的質(zhì)量，目前常用于微博數(shù)據(jù)分析的字典包括大連理工大學(xué)情感詞典[2]、漢語情感詞極值表、Boson NLP極值表等。基于機(jī)器學(xué)習(xí)的常見分類法包括最大熵模型[3]和神經(jīng)網(wǎng)絡(luò)方法[4]等，考慮到機(jī)器學(xué)習(xí)存在需要大量優(yōu)質(zhì)樣本集、人工標(biāo)注具有主觀性、過度擬合結(jié)果等問題，本研究選用情感詞典分析法進(jìn)行研究。

1.2網(wǎng)絡(luò)輿情對金融市場的影響

凱恩斯在著名的《通論》里斷言，多數(shù)決策不是基于冷靜的理性判斷，而是出于受一種“動物精神”的驅(qū)使。這源于眾所周知的心理學(xué)事實(shí)，即易沖動的人傾向于產(chǎn)生過于樂觀或悲觀的選擇和判斷，從而帶動多數(shù)人改變自己的觀點(diǎn)。在這種“動物精神”的推動下，市場可能產(chǎn)生大幅的波動[5]。之后部分學(xué)者正式研究輿情在金融市場中的作用，發(fā)現(xiàn)市場輿情是金融資產(chǎn)收益預(yù)測相關(guān)的重要非經(jīng)濟(jì)因素之一[6-7]，這表明輿情是均衡資產(chǎn)價格和收益的重要因素，將輿情融入資產(chǎn)定價模型有助于解釋投資者較為異常的行為表現(xiàn)。

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，諸多學(xué)者開始通過網(wǎng)絡(luò)輿情預(yù)測金融市場的相關(guān)信息，但在網(wǎng)絡(luò)輿情的獲取源頭上存在較為明顯的差異，英文文獻(xiàn)里常見的信息源頭有網(wǎng)絡(luò)新聞網(wǎng)站[8]和網(wǎng)絡(luò)專業(yè)媒體[9]等。CHEN et al.[10]將大數(shù)據(jù)和意見挖掘方法應(yīng)用于臺灣的網(wǎng)絡(luò)輿情分析，使用來自雅虎股市新聞和谷歌股市新聞的實(shí)驗數(shù)據(jù)集進(jìn)行驗證，結(jié)果表明股票或財務(wù)問題的評論內(nèi)容可以有效地預(yù)測股票價格變動。中國的研究數(shù)據(jù)源多來自股吧和微博，部慧等[11]基于東方財富網(wǎng)股吧帖文，利用Granger因果檢驗等方法探討網(wǎng)絡(luò)輿情對中國股市的影響，結(jié)果表明輿情在整體上對股市收益率和波動率均無預(yù)測能力，但對當(dāng)期的股市收益率和交易量有較明顯影響；黃潤鵬等[12]使用Granger因果檢驗發(fā)現(xiàn)微博輿情可以有效預(yù)測上證指數(shù)。

目前，網(wǎng)絡(luò)輿情對金融市場影響的研究多集中于股票市場，較少有研究探討輿情對外匯市場的影響。

1.3網(wǎng)絡(luò)輿情對匯率的影響

實(shí)際匯率作為國際經(jīng)濟(jì)學(xué)的核心概念[13]，在進(jìn)出口貿(mào)易中具有重要影響[14-15]，而出口貿(mào)易是推動中國經(jīng)濟(jì)高速發(fā)展的“三駕馬車”之一，對實(shí)體經(jīng)濟(jì)增長具有重要意義。2018年中央經(jīng)濟(jì)工作會議報告中明確強(qiáng)調(diào)要“穩(wěn)金融、穩(wěn)外貿(mào)、穩(wěn)外資”，可見維持外匯市場的基本穩(wěn)定是中國貨幣當(dāng)局的重要政策目標(biāo)之一。伴隨著中國資本市場國際化程度的提高[16]，掀起了新一輪外匯市場變動影響因素的研究熱潮。

經(jīng)典的匯率決定理論從最初的購買力平價[17]和利率平價[18]，發(fā)展為基本要素匯率決定理論[19]和行為均衡匯率決定理論[20]，這些理論都是以市場基本面為基礎(chǔ)，在論證過程中難免有較多的假設(shè)條件，這限制了實(shí)際的應(yīng)用，也對短期匯率變動的解釋不夠全面。實(shí)際上，影響匯率的諸多因素中除了基本面因素，輿情這類非基本面因素也不應(yīng)被忽視。在已有研究中，多數(shù)學(xué)者將網(wǎng)絡(luò)輿情等非基本面信息應(yīng)用于對股市的分析，忽略了其對外匯市場也造成沖擊[21]。已有研究中，尹力博等[22]基于谷歌搜索量構(gòu)建人民幣關(guān)注指數(shù)，利用GARCH-MIDAS模型分析對外匯市場的影響，結(jié)果表明，提高投資者關(guān)注能夠顯著增大匯率的價差波動；司登奎等[23]從理論層面闡釋了投資者情緒與匯率變動的影響機(jī)制，理論分析表明，投資者情緒在短期內(nèi)對外匯市場波動有一定影響，但從長期看，情緒對外匯市場影響不顯著。

綜上研究表明，利用網(wǎng)絡(luò)輿情等非基本面信息分析匯率的變動具有廣闊的前景，但目前的研究方法多是在均值框架下展開，只能刻畫其對外匯市場的“平均”影響，忽略了其沖擊對外匯市場的影響可能在整個收益分配過程中發(fā)生變化。為了解決該問題，本研究采用分位數(shù)回歸方法[24]，它允許兩變量之間存在非對稱性關(guān)系[25]，因而可以精確刻畫兩者的尾部關(guān)系。在與股票市場相關(guān)的類似研究中，董孝伍等[26]和劉晨等[27]采用分位數(shù)回歸方法研究網(wǎng)絡(luò)輿情對股市的影響，結(jié)果表明不同分位點(diǎn)存在異質(zhì)效應(yīng)，他們直接對回歸系數(shù)進(jìn)行顯著性檢驗，進(jìn)而判別其影響是否具有異質(zhì)性。雖然比均值回歸有重大改進(jìn)，但該研究仍局限在靜態(tài)層面。許啟發(fā)等[28]通過采集微博數(shù)據(jù)，綜合運(yùn)用均值和分位數(shù)Granger因果檢驗的方法，探討不同市態(tài)的股市與輿情的關(guān)系，結(jié)果發(fā)現(xiàn)基于均值角度兩者關(guān)系不明顯，而基于分位數(shù)視角卻存在廣泛的Granger因果關(guān)系，且各輿情對股市的影響具有異質(zhì)性。此研究成果較全面地揭示了輿情與股市的因果關(guān)系，為在特定條件下股市收益的可預(yù)測性提供了佐證，但依然缺乏對其沖擊效應(yīng)的分析。

綜上所述，學(xué)者們對外匯市場的決定因素等研究已有豐碩成果，但仍有不足之處。①多數(shù)關(guān)于匯率變動的研究沒有將輿情信息作為人民幣匯率的影響因素，忽略了匯率受非基本面的影響，從而對短期匯率變動解釋不夠全面。②已有研究多是在均值框架下展開，無法探討極端情況下網(wǎng)絡(luò)輿情與外匯市場的關(guān)系。③部分以分位數(shù)角度的研究，只是探討其相關(guān)關(guān)系是否存在，缺乏影響強(qiáng)度分析?；诖?，本研究綜合采用分位數(shù)Granger因果檢驗和分位數(shù)向量自回歸模型，探討網(wǎng)絡(luò)輿情對不同外匯市場結(jié)構(gòu)的非對稱性沖擊效應(yīng)，揭示其對外匯市場的異質(zhì)影響，加深對匯率變動的理解，從而在當(dāng)今中美貿(mào)易摩擦事件影響下，為外匯風(fēng)險防范提供參考。

2網(wǎng)絡(luò)輿情分析和測量

2.1網(wǎng)絡(luò)輿情分析

隨著互聯(lián)網(wǎng)的大規(guī)模普及，網(wǎng)絡(luò)社交日益成為大眾的首選。微博是中國網(wǎng)民互動的主要平臺，新浪微博2018年第4季度財報顯示，月活躍用戶已達(dá)4.62億，日均活躍用戶突破兩億關(guān)口，表明微博具有龐大的用戶群體，較能準(zhǔn)確代表網(wǎng)絡(luò)輿情，因此本研究選擇微博平臺進(jìn)行研究。在抓取中美貿(mào)易摩擦事件微博數(shù)據(jù)過程中，沒有選擇特定目標(biāo)用戶群作為抓取范圍，而是進(jìn)行隨機(jī)抓取，以保證數(shù)據(jù)的有效性。2018年3月23日，美國率先在中美貿(mào)易戰(zhàn)場上打響第一槍，以此作為該事件開始的標(biāo)志；在2019年10月12日，特朗普在白宮表示，美中經(jīng)貿(mào)磋商取得了實(shí)質(zhì)性的第一階段成果；同時考慮到中國國慶期間休市。因此，本研究選取2018年3月23日至2019年9月30日作為第一輪貿(mào)易摩擦期進(jìn)行研究，共得到15萬余條原始文本，其中包含用戶對中美貿(mào)易摩擦事件的實(shí)時輿情信息。

2.2網(wǎng)絡(luò)輿情信息指數(shù)的構(gòu)建流程

本研究采用中文文本分析方法，將中美貿(mào)易摩擦文本進(jìn)行分詞處理，通過信息詞典對詞語進(jìn)行包括利好信息和利空信息的極性分類以及信息強(qiáng)度打分，具體流程見圖1。

(1)數(shù)據(jù)清洗。將抓取到的關(guān)于中美貿(mào)易摩擦事件文本進(jìn)行清洗，清洗后剩11萬余條文本。清洗內(nèi)容包括：①分享的小視頻和文章；②微博話題內(nèi)容，#話題#里內(nèi)容剔除；③網(wǎng)頁鏈接。最終清洗后的數(shù)據(jù)只包括發(fā)布者的原創(chuàng)微博和主觀信息，將得到的微博文本通過玻森(Boson NLP)中文語義開放平臺(http:∥bosonnlp.com/)進(jìn)行分詞處理。

(2)停用詞典選取。中文語句含有大量的停用詞，若不進(jìn)行剔除，最終得到的信息分值將出現(xiàn)較大誤差。因此，根據(jù)現(xiàn)有網(wǎng)絡(luò)資源，對哈爾濱工業(yè)大學(xué)停用詞詞庫、四川大學(xué)機(jī)器學(xué)習(xí)智能實(shí)驗室停用詞庫和百度停用詞表等各種停用詞表整理去重，共得到1 598個停用詞。將清洗后的文本進(jìn)行分詞處理，再與停用詞對比，刪除相應(yīng)的停用詞。為了更直觀展示去除停用詞之后的主要內(nèi)容，將其進(jìn)行詞云渲染，得到輿情詞云見圖2。

由圖2可知，市場、經(jīng)濟(jì)、關(guān)稅、影響、企業(yè)等詞是微博文本里出現(xiàn)最多的詞語，說明網(wǎng)民對中美貿(mào)易摩擦事件的討論主要集中在市場經(jīng)濟(jì)和關(guān)稅等問題上。

圖1 輿情信息指數(shù)構(gòu)建流程Figure 1 Process of Constructing Public Opinion Information Index

圖2 中美貿(mào)易摩擦事件的輿情詞云Figure 2 Word Cloud of Public Opinion on the Sino-US Trade Friction

(3)信息詞典擴(kuò)充。文本分析質(zhì)量關(guān)鍵在于信息字典的選取，在已有研究中大連理工大學(xué)本體庫得到較為廣泛的應(yīng)用，該詞典將詞語進(jìn)行不同極性劃分，并進(jìn)行強(qiáng)度打分?？紤]到微博中網(wǎng)絡(luò)詞匯具有濃厚的口語化特點(diǎn)，因此在大連理工大學(xué)本體庫的基礎(chǔ)上，加入漢語情感詞極值表和Boson NLP極值表作為補(bǔ)充。若某一詞語在多個詞典內(nèi)均有出現(xiàn)，則取其平均值作為該詞語信息強(qiáng)度，表1給出信息詞典示例。

表1 信息詞典示例Table 1 Examples of Information Dictionary

(4)單文本信息指數(shù)構(gòu)建。將去重后的情感詞語與信息詞典進(jìn)行匹配，賦予單個情感詞語的信息強(qiáng)度和極性，信息極性包括利好信息和利空信息。將同一文本的詞語按照信息極性分類匯總，取其平均值得到單個文本的信息指數(shù)。

2.3網(wǎng)絡(luò)輿情信息指數(shù)度量

通過以上流程得到單個文本的信息指數(shù)，將當(dāng)天微博文本的所有輿情信息指數(shù)進(jìn)行加總后取平均值，得到當(dāng)天不同極性的輿情信息指數(shù)序列，將其繪制為圖3。由圖3可知，在信息分值和信息占比的比較中，利好信息明顯高于利空信息，說明對于中美貿(mào)易摩擦事件，網(wǎng)民總體上持樂觀態(tài)度。

(a)信息分值

(b)信息占比圖3 各輿情信息指數(shù)的信息分值和占比示意圖Figure 3 Schematic Diagram of Information Score and Proportion of Each Public Opinion Information Index

3理論和計量模型

3.1網(wǎng)絡(luò)輿情對匯率影響的理論分析

網(wǎng)絡(luò)輿情對匯率的影響主要是通過理性和非理性預(yù)期共同作用，但落腳點(diǎn)都放在投資者行為上，即最終都?xì)w結(jié)于改變投資者決策從而導(dǎo)致匯率變動。

(1)預(yù)期效應(yīng)。行為金融學(xué)理論認(rèn)為，市場上不存在絕對理性的投資者，在市場參與者進(jìn)行外匯交易的過程中，心理因素往往影響機(jī)構(gòu)市場參與者的投資判斷，進(jìn)而產(chǎn)生一定的心理波動。因此，匯率除受一些基本面因素的影響外，市場投資者的一致預(yù)期所發(fā)揮的潛在作用也不應(yīng)被忽視，而網(wǎng)絡(luò)輿情可以顯著影響其預(yù)期，進(jìn)而在很大程度上改變其投資決策行為。

(2)中介效應(yīng)。貨幣當(dāng)局為穩(wěn)定匯率而在外匯市場進(jìn)行干預(yù)時，市場往往對這一行為過度解讀，其產(chǎn)生的網(wǎng)絡(luò)輿情反而可能造成意外的干預(yù)效果。因此，從這一角度看，網(wǎng)絡(luò)輿情是連接外匯干預(yù)與匯率變動的一個重要媒介。

(3)信息效應(yīng)。在中美貿(mào)易摩擦事件中，美國總統(tǒng)特朗普在推特發(fā)布“重磅”信息，勢必在網(wǎng)絡(luò)上醞釀出輿論導(dǎo)向，而通過網(wǎng)絡(luò)數(shù)據(jù)反映出來的輿情必然蘊(yùn)含著有價值的信息，因此網(wǎng)絡(luò)輿情又具有理性的一面。

3.2分位數(shù)Granger因果檢驗

雖然均值回歸在滿足古典假定的條件下其最小二乘估計量具有良好的統(tǒng)計性質(zhì)，但現(xiàn)實(shí)中很難滿足古典假定條件，且均值作為數(shù)字特征只能刻畫條件分布的局部信息，無法刻畫尾部特征。因此，本研究使用分位數(shù)回歸模型，應(yīng)用該模型，無需要求在各個分位點(diǎn)具有相同的分布，且與均值回歸相比，可以更全面刻畫中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情對匯率的沖擊效應(yīng)。

考慮分位數(shù)的回歸模型為

(1)

其中，t為期，t=1,…,T，T為樣本容量；j為匯率收益率的滯后期數(shù)，p為匯率收益率的最大滯后期數(shù)，j=1,2,…,p；i為網(wǎng)絡(luò)輿情的滯后期數(shù)，q為網(wǎng)絡(luò)輿情的最大滯后期數(shù)，i=1,2,…,q；QIndt(τ|Ω)為匯率收益率在τ分位點(diǎn)的值；τ為分位點(diǎn)，τ∈(0,1)；Ω為(t-1)期的信息集；Indt-j為相對于t期滯后j期的在岸人民幣即期收益率；Inft-i為相對于t期滯后i期的網(wǎng)絡(luò)輿情；α0(τ)為截距項，αj(τ)和βi(τ)為對應(yīng)的回歸系數(shù)，它們的估計量由加權(quán)絕對殘差最小和得出，其原理可以參考KOENKER et al.[29-31]的研究。將Indt和Inft定義為

Indt=100·(lnCNYt-lnCNYt-1)

(2)

Inft=10·(Mt-Mt-1)

(3)

其中，CNYt為t期在岸人民幣匯率，Mt為t期不同極性的輿情信息指數(shù)。

為了檢驗網(wǎng)絡(luò)輿情是否為匯率的分位數(shù)Granger原因，基于(1)式的回歸系數(shù)，在τ分位點(diǎn)定義兩者的Wald檢驗統(tǒng)計量，即

(4)

3.3分位數(shù)向量自回歸模型和分位數(shù)脈沖響應(yīng)函數(shù)

分位數(shù)向量自回歸(quantile vector autoregression,QVAR)模型的提出經(jīng)歷了不同的階段[35-37]，WHITE et al.[38]將其發(fā)展成熟，該模型拓展了均值意義的脈沖響應(yīng)分析，可以從不同分位點(diǎn)分析網(wǎng)絡(luò)輿情對匯率的脈沖響應(yīng)。本研究為了減少來自其他國家的輿情對實(shí)證結(jié)果的干擾，引入全球恐慌指數(shù)和中美利差作為控制變量，全球恐慌指數(shù)作為外國輿情代理變量，中美利差作為基本面信息的代理變量。中美利差變量定義為

(5)

構(gòu)建包含網(wǎng)絡(luò)輿情、在岸人民幣即期收益率、中美利差和全球恐慌指數(shù)的QVAR模型，即

t=2,…,T

(6)

(7)

4實(shí)證分析

4.1數(shù)據(jù)選取和描述性統(tǒng)計

為了研究中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情信息對匯率的沖擊效應(yīng)，除網(wǎng)絡(luò)輿情指數(shù)日度數(shù)據(jù)外，還需要外匯市場日度數(shù)據(jù)。本研究選取的研究對象為在岸人民幣兌美元即期匯率(間接標(biāo)價法)，選擇的樣本區(qū)間與網(wǎng)絡(luò)輿情數(shù)據(jù)保持一致，為2018年3月23日至2019年9月30日，剔除日期不匹配的數(shù)據(jù)，共得到373個數(shù)據(jù)。除網(wǎng)絡(luò)輿情指數(shù)外，文中其他數(shù)據(jù)皆來源于Wind數(shù)據(jù)庫。

圖4給出2015年“811匯改”后的匯率走勢圖，藍(lán)線和紅線分別表示中美貿(mào)易摩擦事件爆發(fā)前、后的匯率值，自2017年5月26日人民幣中間價引入逆周期因子后，人民幣出現(xiàn)升值趨勢，并一直持續(xù)到發(fā)生中美貿(mào)易摩擦，隨后人民幣出現(xiàn)較為明顯的貶值趨勢，說明中美貿(mào)易摩擦對外匯市場有較為明顯的負(fù)向沖擊。

此外，為探討網(wǎng)絡(luò)輿情信息對不同階段的外匯市場的沖擊效應(yīng)是否具有顯著差異，本研究將樣本期間的外匯市場劃分為3個階段，見表2，每個階段外匯的走勢見圖5，藍(lán)線、紅線和綠線分別表示人民幣貶值階段、平穩(wěn)階段和升值階段的中間價。

圖4 “811匯改”后在岸人民幣兌美元即期匯率走勢Figure 4 Trend of Spot Exchange Rate of Onshore RMB Against USD after “811 Exchange Reform”

匯市階段特點(diǎn)時間區(qū)間人民幣貶值階段匯率呈現(xiàn)下降趨勢2018年3月23日至2018年10月8日2019年4月8日至2019年5月23日2019年8月1日至2019年9月3日人民幣平穩(wěn)階段匯率整體上無較大變化2018年10月9日至2018年12月24日2019年5月24日至2019年7月31日2019年9月4日至2019年9月30日人民幣升值階段匯率呈現(xiàn)上升趨勢2018年12月25日至2019年4月4日

圖5 樣本期間在岸人民幣兌美元即期匯率走勢Figure 5 Trend of Spot Exchange Rate of Onshore RMB Against USD in the Sample Range

變量符號均值標(biāo)準(zhǔn)差最大值最小值偏度峰度J-B檢驗量匯率收益率Ind-0.0290.2260.711-0.8980.1961.92958.274???利好信息good0.0010.5072.541-2.282-0.2293.326170.429???利空信息bad-0.0020.5781.982-1.5610.1540.4294.090

注：***為在1%顯著性水平上拒絕原假設(shè)，下同。

表3給出樣本期間匯率收益率和網(wǎng)絡(luò)輿情信息的統(tǒng)計特征。表3統(tǒng)計結(jié)果表明，匯率收益率呈現(xiàn)尖峰厚尾特性，J-B檢驗量也表明匯率收益率不服從正態(tài)分布，適合采用分位數(shù)回歸加以分析。各極性信息均值皆接近于0，J-B檢驗量表明利好信息不服從正態(tài)分布。

為避免出現(xiàn)偽回歸現(xiàn)象，本研究采用ADF檢驗和PP檢驗對各序列進(jìn)行分析，表4給出檢驗結(jié)果。各時間序列在1%顯著性水平上都拒絕原假設(shè)，認(rèn)為不存在單位根，意味著所有時間序列都平穩(wěn)，可以進(jìn)行分位數(shù)Granger因果檢驗。

表4 平穩(wěn)性檢驗結(jié)果Table 4 Results for Stationarity Test

4.2網(wǎng)絡(luò)輿情對匯率影響的分位數(shù)因果檢驗分析

傳統(tǒng)的均值回歸只能描述匯率受不同極性信息時間序列波動的平均影響，而分位數(shù)回歸可以全面分析中美貿(mào)易摩擦事件對外匯市場的影響。本研究基于BIC信息準(zhǔn)則[40-41]確定分位數(shù)Granger因果檢驗的滯后階數(shù)，將[0.100,0.900]分位區(qū)間以0.050為間距分成16個子區(qū)間，根據(jù)Sup-Wald值判斷各區(qū)間是否存在Granger因果關(guān)系，其檢驗結(jié)果見表5。由表5可知，不同極性信息多是各階段匯市變動的Granger原因，且滯后階數(shù)主要集中在1階和2階，由于在平穩(wěn)階段利好信息不是匯市變動的Granger原因，后續(xù)將不再進(jìn)一步探討利好信息對平穩(wěn)階段匯市的影響。

4.3網(wǎng)絡(luò)輿情對匯率影響的分位數(shù)脈沖響應(yīng)分析

根據(jù)表5分位數(shù)Granger因果檢驗結(jié)果可以發(fā)現(xiàn)，網(wǎng)絡(luò)輿情對匯率的Granger因果關(guān)系多存在于尾部區(qū)間，所以構(gòu)建QVAR模型和脈沖響應(yīng)函數(shù)研究沖擊效應(yīng)。

為了便于比較極端與正常情況的沖擊效應(yīng)，本研究采用τ=(0.100,0.200,0.500,0.800,0.900)分位數(shù)進(jìn)行QVAR建模和脈沖響應(yīng)分析。圖6為在一個單位標(biāo)準(zhǔn)差沖擊下的響應(yīng)圖，橫軸表示脈沖期，單位為天數(shù)，縱軸表示不同分位區(qū)間的響應(yīng)值。該圖直觀顯示出在不同階段的匯市下網(wǎng)絡(luò)輿情對匯率沖擊效應(yīng)的演變特征，分析響應(yīng)圖得出以下結(jié)論。

表5 分位數(shù)Granger因果檢驗結(jié)果Table 5 Results for Quantile Granger Causality Test

注：Sup-Wald為分位數(shù)Granger因果檢驗中的Sup-Wald檢驗統(tǒng)計值；分位區(qū)間為分位數(shù)Granger因果關(guān)系顯著成立的分位點(diǎn)所在區(qū)間，沒有數(shù)據(jù)表示不存在分位區(qū)間使分位數(shù)Granger因果關(guān)系成立；**為在5%顯著性水平上拒絕原假設(shè)，*為在10%顯著性水平上拒絕原假設(shè)。

(1)多數(shù)輿情信息對外匯市場具有短暫的反向影響且尾部沖擊強(qiáng)于中位點(diǎn)沖擊

多數(shù)輿情信息對匯率的首期沖擊為負(fù)，隨后呈現(xiàn)正負(fù)交替特點(diǎn)，且響應(yīng)迅速衰減，大約到第4期至第6期基本接近收斂，這一結(jié)果表明多數(shù)輿情信息對外匯市場具有短暫的反向影響。同時可以發(fā)現(xiàn)，較大的響應(yīng)值往往來自于極端分位點(diǎn)，多數(shù)中位點(diǎn)的響應(yīng)值在首期即已接近0，表明輿情信息更易與極端分位水平的匯率建立聯(lián)系，從而產(chǎn)生較明顯的沖擊，而在中心位置該沖擊卻并不明顯。原因在于，當(dāng)匯率處于正常水平時，投資者行為更趨理性，不易受網(wǎng)絡(luò)輿情的影響；而當(dāng)匯率處在極端分位水平時，投資者更易滋生對中美貿(mào)易摩擦事件的看衰或看漲預(yù)期，從而易受網(wǎng)絡(luò)輿情影響，做出非理性行為，加劇外匯市場的變動。

(2)輿情信息對貶值階段的外匯市場的沖擊較小且尾部沖擊異于其他分位點(diǎn)

當(dāng)匯市處于貶值階段時，多數(shù)輿情信息對匯率的沖擊小于0.100，明顯小于其對升值階段匯市的沖擊。值得注意的是，利好信息對0.900分位水平匯率的沖擊強(qiáng)度顯著高于其他分位點(diǎn)，且利好信息對極端分位水平匯率的沖擊效應(yīng)為負(fù)，中位點(diǎn)沖擊效應(yīng)為正，說明匯市處在極端情況時對輿情信息的反應(yīng)與正常時期存在明顯差異。

(3)利空信息對平穩(wěn)階段外匯市場的沖擊存在非對稱性特點(diǎn)

當(dāng)匯市處于平穩(wěn)階段時，利空信息對各分位水平匯率的影響具有明顯的非對稱性特點(diǎn)，表現(xiàn)為0.900分位水平匯率的響應(yīng)值明顯小于0.100分位點(diǎn)，且在第2期后具有持續(xù)的正向沖擊特點(diǎn)，并在中位點(diǎn)其沖擊強(qiáng)度降到最低。說明當(dāng)匯率處于0.100分位點(diǎn)時，投資者易被利空信息影響，形成看衰人民幣預(yù)期。而當(dāng)匯率處于0.900分位點(diǎn)時，其第2期以后的響應(yīng)值變?yōu)檎?，這一特點(diǎn)不僅與低分位點(diǎn)的沖擊效應(yīng)形成鮮明對比，而且與大多數(shù)網(wǎng)絡(luò)輿情對外匯市場的影響也不盡相同，說明不同市場階段和不同分位點(diǎn)都會影響其沖擊效應(yīng)。因此，輿情信息對外匯市場的沖擊表現(xiàn)出時變性和非對稱性。

(4)輿情信息對升值階段的外匯市場的沖擊具有強(qiáng)度大且衰減慢的特點(diǎn)

當(dāng)匯市處于升值階段時，利好信息與利空信息對匯率的沖擊表現(xiàn)趨同，具有強(qiáng)度較大且持久的特點(diǎn)，而且尾部沖擊明顯大于平均水平，說明匯率上揚(yáng)時，投資者對網(wǎng)絡(luò)輿情敏感度較高，稍有“風(fēng)吹草動”就會采取行動，因此網(wǎng)絡(luò)輿情更易對外匯市場帶來較大沖擊。

(a)貶值階段利好信息 (b)貶值階段利空信息 (c)升值階段利好信息 (d)升值階段利空信息(e)平穩(wěn)階段利空信息

圖6各階段外匯市場脈沖響應(yīng)

Figure 6Pulse Response of Foreign Exchange Market in Each Stage

5結(jié)論

本研究以中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情與匯率的關(guān)系作為研究對象，使用分位數(shù)Granger因果檢驗、QVAR模型和脈沖響應(yīng)方法，研究該網(wǎng)絡(luò)輿情對不同階段外匯市場的沖擊效應(yīng)及其差異性。通過理論和實(shí)證分析發(fā)現(xiàn)，該網(wǎng)絡(luò)輿情對匯率的影響具有顯著異質(zhì)性和非對稱性特點(diǎn)，即網(wǎng)絡(luò)輿情對不同階段的匯市影響存在差異，同時對不同分位水平匯率的影響也不盡相同。網(wǎng)絡(luò)輿情對尾部匯率的沖擊效應(yīng)顯著強(qiáng)于中位點(diǎn)，表明人民幣匯率處在高位或低位時更易受到網(wǎng)絡(luò)輿情影響。具體結(jié)論如下：

(1)多數(shù)輿情信息對外匯市場的影響呈現(xiàn)正負(fù)交替現(xiàn)象，收斂速度較快，說明網(wǎng)絡(luò)輿情只在短期影響匯率，且往往是負(fù)向沖擊。當(dāng)匯市處在平穩(wěn)階段時，利空信息對高分位水平的匯率帶來持久的負(fù)向沖擊。

(2)從均值看，難以發(fā)現(xiàn)網(wǎng)絡(luò)輿情對匯率的變動影響，而在極端分位點(diǎn)，網(wǎng)絡(luò)輿情對匯率的影響更顯著，且具有非對稱性特點(diǎn)。

(3)輿情信息對外匯市場的沖擊效應(yīng)具有異質(zhì)性特點(diǎn)，利空信息對匯率的影響范圍更廣泛且差異明顯，利好信息對升值階段的匯市影響更大。

本研究的意義體現(xiàn)在，①本研究關(guān)注匯率變動的影響因素。已有研究多從基本面信息解釋匯率變動，而本研究將外匯市場進(jìn)一步細(xì)分，探究不同極性輿情信息對不同分位點(diǎn)匯率的沖擊效應(yīng)，拓展了關(guān)于匯率變動的研究，具有一定的理論意義。②本研究利用微博數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)輿情指數(shù)，是基于中國龐大網(wǎng)民的有效數(shù)據(jù)集，有效地挖掘網(wǎng)絡(luò)大數(shù)據(jù)所蘊(yùn)含的價值。與已有使用代理情緒指標(biāo)的研究相比，其結(jié)果更具說服力，同時為金融風(fēng)險管控提供新的佐證。③本研究分析極端情況下匯率的影響因素，能夠為金融風(fēng)險管控部門提供網(wǎng)民對某重大事件的關(guān)注焦點(diǎn)和情感態(tài)度，有助于其及時掌握網(wǎng)絡(luò)輿情，為后續(xù)的應(yīng)對管理提供理論和方法支持，對維持中國匯市穩(wěn)定具有一定的現(xiàn)實(shí)意義。

本研究通過中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情分析對匯率的沖擊效應(yīng)，具有一定的啟發(fā)意義，但也存在不足之處。首先，本研究選取的研究對象為中國外匯市場，其結(jié)論是否可以推廣到發(fā)達(dá)國家或其他發(fā)展中國家，還有待進(jìn)一步考證。其次，網(wǎng)絡(luò)輿情影響外匯市場的作用機(jī)理需要進(jìn)一步深入研究。