新冠疫情新聞的情感傾向?qū)鹑谑袌龅挠绊懷芯浚?/h1>
2022-10-26 10:20:08龍文田嘉祺李汭芹
科技促進發(fā)展 2022年4期
■ 龍文 田嘉祺 李汭芹＊＊
1.中國科學(xué)院大學(xué)經(jīng)濟與管理學(xué)院 北京 100190
2.中國科學(xué)院虛擬經(jīng)濟與數(shù)據(jù)科學(xué)研究中心 北京 100190
3.中國科學(xué)院大數(shù)據(jù)挖掘與知識管理重點實驗室 北京 100190
0 引言
金融市場是一個信息驅(qū)動的市場。在有效市場中，資產(chǎn)價格充分反映了所有相關(guān)且可用的信息，其中媒體報道是重要的信息來源，互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和智能手機的廣泛應(yīng)用使得投資者能夠及時獲取信息，加快了信息傳遞，促進了信息發(fā)揮作用。金融市場參與者密切關(guān)注各方信息，如財經(jīng)新聞、自然災(zāi)害事件、社會熱點事件、公共衛(wèi)生事件等，其中，互聯(lián)網(wǎng)財經(jīng)新聞對金融市場的影響早已被多項研究證實。2019年底新冠肺炎疫情開始爆發(fā)，疫情相關(guān)信息通過大量新聞報道向大眾傳播。與財經(jīng)新聞類似，新冠疫情新聞可能會通過影響金融市場參與者的行為間接影響金融市場。
國內(nèi)外多位學(xué)者都針對媒體報道對金融市場的影響進行研究，其中新聞情感是一個重要的分析視角。在已有的研究中，計算文本情感傾向主要有兩種方法：機器學(xué)習(xí)方法[1][2][3]和情感詞典方法[4][5][6]。前者通過大量文本及對應(yīng)情感標簽訓(xùn)練出的情感分類器來預(yù)測新文本的情感傾向；而后者基于情感詞典計算文本中情感詞語的情感傾向及程度。在金融市場的研究中，后者使用更為普遍，但多是基于通用的情感詞典，國內(nèi)廣泛使用的中文情感詞典包括我國臺灣大學(xué)簡體中文情感極性詞典（NTSUSD）、大連理工大學(xué)情感詞匯本體庫（DUTIR）、知網(wǎng)情感詞典（HowNet）等。新冠疫情作為全球范圍內(nèi)的突發(fā)衛(wèi)生事件，并無先例，故其報道具有一定的獨特性（如加入新的專屬詞匯），然而針對此事件的報道并沒有對應(yīng)的情感詞典，若使用通用情感詞典來進行新冠疫情新聞的情感分析，準確率很可能不佳?；诖耍狙芯繕?gòu)建了一個新冠疫情新聞情感詞典，用其進行文本情感測算，以進一步考察新冠肺炎疫情新聞情感傾向?qū)鹑谑袌龅挠绊憽?/p>
本研究首先對新冠肺炎疫情新聞特有新詞進行了收集和整理，然后用SO-PMI 算法構(gòu)建新冠疫情新聞情感詞典，用情感詞典量化官方平臺發(fā)布的疫情新聞的情感指標，最后建立每日疫情新聞情感指標與指數(shù)收益率間的自回歸模型，研究兩者的動態(tài)關(guān)系，同時，將同平臺疫情前后的新聞情感傾向?qū)鹑谑袌龅挠绊戇M行對照研究，以驗證新冠疫情新聞影響的獨特性。本研究的創(chuàng)新點主要體現(xiàn)在兩個方面，一是從技術(shù)上構(gòu)建了新冠疫情情感詞典，相較于通用詞典，新構(gòu)建的情感詞典包含了疫情特定詞的情感強度，提升了領(lǐng)域文本情感判斷的準確率，利于有針對性地進行疫情新聞情感傾向的影響研究；二是從研究對象上考察了疫情新聞的情感傾向?qū)鹑谑袌龅挠绊?，此前雖已有很多文獻涉及新聞文本的情感與金融市場的關(guān)系，但大多是從財經(jīng)新聞視角展開，鮮少涉及突發(fā)性事件特別是公共衛(wèi)生事件，而本研究則關(guān)注疫情新聞情感傾向?qū)鹑谑袌龅挠绊懬倚侣剚碓礊榛ヂ?lián)網(wǎng)官方平臺——人民網(wǎng)，豐富了研究視角與信息來源。
1 文獻綜述
1.1 新聞對金融市場的影響
已有大量文獻研究了新聞對金融市場的影響。該領(lǐng)域最早的關(guān)注對象為新聞內(nèi)容，Niederhoffer[7]于1971年根據(jù)新聞標題對《紐約時報》發(fā)布的新聞進行人工分類，發(fā)現(xiàn)滯后一天的股票價格受重大新聞發(fā)布的影響最大?？紫栌?、畢秀春和張曙光[8]于2016年使用文本分析技術(shù)與機器學(xué)習(xí)技術(shù)，構(gòu)建了基于當(dāng)日新聞主題預(yù)測股價變化趨勢的模型，研究發(fā)現(xiàn)國際貿(mào)易以及城市化相關(guān)主題的新聞與股市波動存在密切的關(guān)系，且構(gòu)建的模型可以準確預(yù)測出當(dāng)日股市漲跌。劉海飛和許金濤[9]于2017年研究不同類別的新聞對股票異常收益率的影響，發(fā)現(xiàn)政策扶持類、兼收并購類、再融資類和盈利能力類新聞對公司股票產(chǎn)生正的異常收益，而違規(guī)處罰類新聞對公司股票產(chǎn)生負的異常收益。
除新聞內(nèi)容外，新聞數(shù)量也受到了多位學(xué)者的關(guān)注。Mitchell 和Mulherin[10]于1994年研究證實了新聞數(shù)量對于股票收益率有一定的影響。Fang 和Peress[11]于2009年研究股票收益與主流媒體每日新聞數(shù)量之間的關(guān)系，發(fā)現(xiàn)媒體關(guān)注度低的股票存在顯著的溢價。趙偉等[12]于2009年用財經(jīng)新聞數(shù)量衡量金融信息流強度，發(fā)現(xiàn)金融信息量增大會引起金融市場的波動。
傳統(tǒng)的新聞傳播理論認為新聞報道應(yīng)該是客觀中立的，但在現(xiàn)實中，媒體報道和信息傳播并不具有純粹的“客觀中立性”，而媒體會依據(jù)立場、方針和價值標準等進行取舍與加工，這使得公開發(fā)布的新聞往往帶有情感色彩。隨著行為金融學(xué)科的發(fā)展，學(xué)界越來越關(guān)注新聞中包含的情感，認為新聞情感通過影響投資者決策從而對金融市場產(chǎn)生重要影響。Tetlock 等[13]于2008年對華爾街日報的新聞構(gòu)建媒體悲觀指標，發(fā)現(xiàn)基本面下行時，媒體悲觀程度較高，股價的下行壓力也越大。Suleman[14]于2012年研究政治新聞對KSE100 指數(shù)的影響，發(fā)現(xiàn)積極的政治新聞可以使指數(shù)收益增加且波動降低，反之，消極的政治新聞則會使指數(shù)收益降低且波動增加。與成熟資本市場相比，我國股票市場中個人投資者比例較高，據(jù)證券投資者保護基金有限責(zé)任公司的統(tǒng)計數(shù)據(jù)，至2019年末，個人投資者的數(shù)量占比為99.76%，個人投資者缺乏專業(yè)知識與背景，更易受到新聞情緒的影響，我國學(xué)者也針對新聞情感對金融市場的影響展開了持續(xù)的研究。游家興和吳靜[15]于2012年從報道基調(diào)、曝光程度和關(guān)注水平3個方面構(gòu)建了媒體情緒綜合評價指標，發(fā)現(xiàn)積極的媒體情緒導(dǎo)致股價偏離更高，資產(chǎn)誤定價更嚴重。王曉丹等[16]于2019年通過互聯(lián)網(wǎng)搜索引擎采集了與股票市場相關(guān)的大量新聞報道,發(fā)現(xiàn)新聞的正向情感會提升股票收益率，而負向和中立情況則會導(dǎo)致收益率的降低。程蕭瀟[17]于2019年研究發(fā)現(xiàn)新聞情感和社交媒體熱度對股指收益率產(chǎn)生顯著影響。
1.2 突發(fā)事件對金融市場的影響
自然災(zāi)害、公共衛(wèi)生事件等突發(fā)事件因其突發(fā)性、延續(xù)性、破壞性等特點，影響社會穩(wěn)定和經(jīng)濟有序發(fā)展，不僅會對實體經(jīng)濟帶來巨大沖擊，還會給金融市場帶來挑戰(zhàn)，導(dǎo)致金融體系出現(xiàn)系統(tǒng)性風(fēng)險增大、流動性問題等危機。國內(nèi)外學(xué)者在此領(lǐng)域做出了多項研究，具有重要實踐意義。
Shelor 等[18]于1990年研究了美國1989年加利福尼亞州大地震對金融市場的影響，發(fā)現(xiàn)地震使得房地產(chǎn)行業(yè)的股票價格下降。楊秀剛和黃玉龍[19]于2011年研究了突發(fā)公共衛(wèi)生事件對我國金融市場的沖擊，發(fā)現(xiàn)突發(fā)公共衛(wèi)生事件對均衡價格和市場價格都產(chǎn)生沖擊。Hood 等[20]于2013年研究了2011年日本地震后投資者的交易行為，發(fā)現(xiàn)在地震發(fā)生后的一周內(nèi)，金融市場投資者表現(xiàn)出與平常時期完全相反的交易特征。陳赟等[21]于2020年評估了金融市場對重大突發(fā)衛(wèi)生事件的反應(yīng)，發(fā)現(xiàn)公司所在地的復(fù)工復(fù)產(chǎn)能力對股票收益率存在正向影響。黃軻等[22]于2021年研究金融危機、自然災(zāi)害和突發(fā)公共衛(wèi)生3類“黑天鵝”事件對金融市場關(guān)聯(lián)結(jié)構(gòu)的影響，發(fā)現(xiàn)不同類別“黑天鵝”事件對金融市場趨同水平的影響存在顯著差異。
綜上，新聞對金融市場的影響及突發(fā)事件對金融市場的影響已被國內(nèi)外大量研究證實，其中新聞情感越來越受到學(xué)界的關(guān)注，從情感方面入手能挖掘出新聞對金融市場的影響機制。而縱觀突發(fā)事件對金融市場影響的國內(nèi)外文獻，現(xiàn)有研究多基于特定案例展開理論與實證的研究，較少結(jié)合互聯(lián)網(wǎng)新聞。新冠疫情作為2019年以來最大的突發(fā)公共衛(wèi)生事件，對經(jīng)濟發(fā)展帶來了巨大沖擊，有必要在結(jié)合上述國內(nèi)外研究綜述的基礎(chǔ)上，針對疫情新聞的情感傾向?qū)鹑谑袌鲇绊懻归_研究，以拓展研究思路并豐富研究角度。
2 新冠疫情特有詞的選取
不同領(lǐng)域的文本一般都具有該領(lǐng)域的獨有新詞，這些新詞往往在文本中經(jīng)常出現(xiàn)，有的甚至是文章的核心詞或帶有強烈情感傾向。在領(lǐng)域情感詞典構(gòu)建過程中，領(lǐng)域獨有新詞的選取非常必要，因此首先進行新冠疫情新聞特有新詞的選取，其步驟為生成候選詞、判定詞的左右臨字豐富程度和判定詞的內(nèi)部凝聚程度。
2.1 生成候選詞
生成候選詞的方法有兩種：一種是直接將文本切詞后的結(jié)果拼接為候選詞，一種是將文本按字符分割后拼接為候選詞。由于第一種方法的候選詞生成結(jié)果很大程度上依賴于分詞的效果，而現(xiàn)有切詞詞庫未包含新冠肺炎疫情相關(guān)新詞，因此選用第二種方法。
2.2 用信息熵判定詞的左右臨字豐富程度
如果一個字符組合可以成詞，它應(yīng)當(dāng)出現(xiàn)在豐富的語境中，也就是說，擁有豐富的左右鄰字。信息熵是對信息量的度量，信息熵越高，表示信息量越豐富、不確定性越大。因此字符組合左/右鄰字的豐富程度，可以用信息熵(Entropy）來表示：
其中Wneighbor為字符組合的左/右鄰字的集合。本研究綜合考慮候選詞左右信息熵(LE,RE）的大小，以LE 與RE差的絕對值（|LE-RE|）作為鄰字豐富程度的度量，構(gòu)造統(tǒng)計量如下：
2.3 新詞發(fā)現(xiàn)
如果某些字符經(jīng)常在一起出現(xiàn)，那么這些字符很有可能組成詞匯，因此需要對字符的內(nèi)部凝聚程度進行定義和量化以準確判斷一個詞匯是否合理。量化對象間的相關(guān)性一般使用點互信息（PMI）值，但點互信息值受候選詞長度的影響，候選詞越長，互信息取值偏大，因此本研究使用平均互信息（AMI）作為詞的內(nèi)部凝聚程度的度量。AMI的公式如下：
最后，用式（4）所計算的得分選出新冠肺炎疫情新聞相關(guān)的新詞，共計1902個。
3 新冠疫情新聞情感詞典的構(gòu)建及評估
在完成新冠肺炎疫情新聞特有新詞的選取后，本研究將構(gòu)建新冠疫情新聞情感詞典，首先進行新聞文本數(shù)據(jù)的爬取和預(yù)處理，然后對文本進行分詞，之后選取種子詞，并基于種子詞用SO-PMI 算法構(gòu)建出新冠疫情新聞情感詞典，最后對詞典的性能進行評估。
3.1 文本數(shù)據(jù)獲取
本研究選擇人民網(wǎng)（http://www.people.com.cn/）作為新聞數(shù)據(jù)源，人民網(wǎng)是《人民日報》建設(shè)的以新聞為主的大型互聯(lián)網(wǎng)信息交互平臺，也是國際互聯(lián)網(wǎng)上最大的綜合性網(wǎng)絡(luò)媒體之一，具有廣泛且穩(wěn)定的受眾群體。新聞數(shù)據(jù)包括了2020年1月2日到2020年9月30日期間的所有新冠肺炎疫情新聞，以及2019年9月2日至2019年12月31日期間的所有新聞（對照研究）。
3.2 文本分詞
本研究使用Python 的中文分詞組件“jieba”對新聞文本進行分詞。因新冠疫情事件是2019年底的突發(fā)公共衛(wèi)生事件，并無先例，其相關(guān)新聞中有許多特有新詞，因此在文本切分前，將第二章中選取的新冠疫情專用詞添加到分詞詞庫中，同時去除文本中的停用詞、否定詞與程度副詞。
3.3 種子詞選取
SO-PMI 算法的本質(zhì)是給定一些基礎(chǔ)情感詞，計算文本分詞與基礎(chǔ)情感詞同時出現(xiàn)的概率，若文本分詞常與積極情感詞同時出現(xiàn)，那么認為該詞偏積極；若文本分詞常與消極情感詞同時出現(xiàn)，那么認為該詞偏消極，將這些基礎(chǔ)情感詞稱為情感種子詞。情感種子詞的選取決定了用情感傾向點互信息算法（SO-PMI）構(gòu)建的情感詞典的性能。先運用TF-IDF方法得到候選詞。
詞頻TF表示詞或短語在文本中出現(xiàn)的頻率：
其中,ni,j是詞i在文件dj中出現(xiàn)的次數(shù)，分母是文件dj中所有詞匯出現(xiàn)次數(shù)的加和。
逆向文件頻率IDF由文件總數(shù)除以包含該詞語的所有文件的個數(shù)，再取對數(shù)得到：
其中,|D|是文本庫中的文件總數(shù);表示包含詞語ti的文件個數(shù)。如果一詞不在文本庫中，那么該詞的IDF 表達式的分母為零。為避免發(fā)生這種情況，我們一般將分母替換為
TF-ID公式如下：
在得到候選詞后，運用大連理工大學(xué)的情感詞匯本體詞庫和哈工大的同義詞林得到拓展情感詞匯本體詞庫，并將候選詞與詞庫中的詞進行匹配，選擇情感強度大于5 的詞，最終得到兼顧頻率和情感強度的情感種子詞，其中貶義詞和褒義詞各4900 個，部分情感種子詞見表1所示。
表1 部分情感種子詞
3.4 新冠疫情新聞情感詞典構(gòu)建
互信息（PMI）算法是常用的計算詞間的語義相似度的算法，其基本思想是統(tǒng)計兩個詞在文本中同時出現(xiàn)的概率，如果概率越大，兩詞的相關(guān)性就越緊密，關(guān)聯(lián)度越高。SO-PMI 是將PMI 方法引入計算詞的情感傾向，從而得到新的情感詞，其基本思想是選一組情感傾向性非常明顯且極具領(lǐng)域代表性的褒義詞（Pwords）跟一組貶義詞（Nwords）作為基準詞。把任一詞語word1跟Pwords的點間互信息減去word1跟Nwords的點間互信息會得到一個差值，根據(jù)該差值判斷詞word1的情感傾向。
將挑選好的情感種子詞輸入SO-PMI 算法，進行情感傾向和強度計算。SO-PMI 值為正，說明該詞是褒義詞，其值越大，則該詞越積極；SO-PMI 值為負，說明該詞是貶義詞，其值的絕對值越大，則該詞越消極。將SOPMI值在0左右的詞刪除，只留下褒貶義傾向強烈的詞，最終形成了新冠疫情新聞情感詞典。
3.5 詞典性能評估
隨機選取2020年3月24日至2020年3月31日期間的3257條新冠疫情相關(guān)新聞作為評估數(shù)據(jù)，與已有的中文通用情感詞典——我國臺灣大學(xué)自然語言處理實驗室構(gòu)建的“NTUSD”詞典、大連理工大學(xué)信息檢索研究室構(gòu)建的情感詞匯本體庫進行新冠疫情相關(guān)新聞的情感分析能力的比較，評估指標為精確率P、召回率R 和兩者的加權(quán)調(diào)和均值F1，如下（9）至（11）式所示。評估結(jié)果見表2。
表2 詞典情感分類效果性能評估
其中TP 為將積極樣本分類為積極的樣本數(shù)；FN 為將積極樣本分類為消極的樣本數(shù)；FP為將消極樣本分類為積極的樣本數(shù)；TN為將消極樣本分類為消極的樣本數(shù)。
由表2，新冠疫情新聞詞典在精確率（P）、召回率（R）、F1值上的表現(xiàn)都優(yōu)于其余兩個詞典，說明該情感詞典在新冠疫情相關(guān)新聞這一特殊領(lǐng)域的情感分析性能更好。
4 新冠疫情新聞情感對金融市場收益率的動態(tài)關(guān)系研究
4.1 新冠疫情新聞情感指標構(gòu)建
將情感詞的SO-PMI值的加和作為新聞文本的情感強度（Emotional Intensity of Sentence），計算每日的所有新冠疫情新聞的總EIS，稱其為每日新冠疫情新聞情感強度（Daily EIS，以下簡稱為DEIS）。
由于中國股市交易日在15:00 收盤，因此將15:00 作為分界線，當(dāng)日15:00 之前的新聞對當(dāng)日的指數(shù)收益率造成影響，當(dāng)日15:00 之后的新聞對次日的指數(shù)收益率造成影響。DEIS計算公式如下：
在過往研究中，文本的情感指標的取值區(qū)間一般為[-10,10]或[-1,1]。為了更好地與指數(shù)收益率匹配以進行動態(tài)影響分析，將DEIS 值（取值范圍為[A,B]）按比例縮放到[-1,1]之中，記為DEIS′，稱作每日新冠疫情新聞情感指標?？s放所用的公式如下：
4.2 每日新冠疫情情感指標與股市、債市的動態(tài)關(guān)系研究
本研究分別構(gòu)建了新冠疫情新聞情感指標DEIS′與股票市場及債券市場指數(shù)收益率的VAR 模型，其中股市指數(shù)選取滬深300 指數(shù)，債市指數(shù)選取中債新綜合指數(shù)，兩者都能充分代表對應(yīng)市場的變化且被投資者廣泛接受，具有穩(wěn)定性、代表性與可操作性，數(shù)據(jù)來源為Wind數(shù)據(jù)庫。
首先對每日新冠疫情新聞情感強度與兩個指數(shù)的對數(shù)收益率進行單位根檢驗，結(jié)果顯示各序列中不存在單位根，即數(shù)據(jù)平穩(wěn)。根據(jù)AIC 和SC 信息準則得出股市模型的滯后階數(shù)為1，債市模型的滯后階數(shù)為2，由此進行模型構(gòu)建，股市的VAR 模型為（14）式和（15）式，債市的VAR模型為（16）式和（17）式。
其中，Rs,t代表了第t 個交易日滬深300 指數(shù)的對數(shù)收益率，Rb,t代表了第t 個交易日中債新綜合指數(shù)的對數(shù)收益率，DEIS't代表了第t個交易日疫情新聞的情感傾向。
以上兩個市場的VAR 模型所有根的特征值均小于1，因此模型通過穩(wěn)定性檢驗，接下來通過格蘭杰因果檢驗來判斷每日新冠疫情新聞情感指標（DEIS′）與滬深300 指數(shù)的收益率、中債新綜合指數(shù)凈值的收益率是否有統(tǒng)計學(xué)意義上的因果關(guān)系，格蘭杰檢驗結(jié)果見表3。
由表3，每日新冠疫情新聞情感指標（DEIS′）不為滬深300 指數(shù)收益率的格蘭杰原因的原假設(shè)不成立（P值小于0.1），滬深300 指數(shù)收益率不為每日新冠疫情新聞情感指標（DEIS′）的格蘭杰原因的原假設(shè)成立（P 值遠大于0.1），因此每日新冠疫情新聞情感指標（DEIS′）對收益率存在統(tǒng)計學(xué)上的因果關(guān)系，而收益率對每日新冠疫情新聞情感指標（DEIS′）不存在統(tǒng)計學(xué)上的因果關(guān)系，即公式（14）成立，公式（15）不成立。
表3 格蘭杰檢驗結(jié)果-疫情期間
由表3，每日新冠疫情新聞情感指標（DEIS′）不為中債新綜合指數(shù)凈值收益率的格蘭杰原因的原假設(shè)不成立（P 值小于0.1），中債新綜合指數(shù)凈值的收益率不為每日新冠疫情新聞情感指標（DEIS′）的格蘭杰原因的 原假設(shè)成立（P 值遠大于0.1），因此每日新冠疫情新聞情感指標（DEIS′）對中債新綜合指數(shù)凈值的收益率存在統(tǒng)計學(xué)上的因果關(guān)系，而中債新綜合指數(shù)凈值的收益率對每日新冠疫情新聞情感指標（DEIS′）不存在統(tǒng)計學(xué)上的因果關(guān)系，即公式（16）成立，公式（17）不成立。
通過脈沖響應(yīng)函數(shù)研究每日新冠疫情新聞情感指標（DEIS′）和滬深300 指數(shù)收益率、中債新綜合指數(shù)凈值收益率的動態(tài)關(guān)系，相關(guān)結(jié)果見圖1至圖4。
由圖1，滬深300 指數(shù)收益率對自身沖擊的反應(yīng)很迅速，對第一期存在很強的正向沖擊，對第二期的沖擊迅速下降，甚至出現(xiàn)負向沖擊，第三期及之后沖擊逐漸趨于0。由圖2，滬深300 指數(shù)的對數(shù)收益率對每日新冠疫情新聞情感指標（DEIS′）的反應(yīng)較為滯后且持續(xù)時間較短，始終為正向沖擊，其在第一期幾乎未顯現(xiàn)，在第二期迅速上升并達到峰值，之后極速下降，在第四期接近0。這說明了當(dāng)期的疫情新聞的情感傾向?qū)Φ诙诠善笔找媛实臎_擊最強，其對第三期股票收益率的沖擊減弱，而對第五期股票收益率不存在沖擊，即此沖擊存在的時期為第二期至第四期。
由圖3，中債新綜合指數(shù)凈值的收益率對自身沖擊的反應(yīng)非常迅速，對第一期存在較強的正向沖擊，而沖擊在第二期大幅下降但仍處于高位，經(jīng)過3 天的持續(xù)下降，該沖擊在第五期及之后趨近于0。由圖4，中債新綜合指數(shù)凈值收益率對新冠疫情新聞情感指標（DEIS′）的反應(yīng)波動劇烈且持續(xù)時間有限，該反應(yīng)在第一期和第二期均出現(xiàn)大幅回落，第二期及之后出現(xiàn)負值，在第三期開始出現(xiàn)增長，且增速逐漸放緩，在第四期接近于0。這說明當(dāng)期疫情新聞情感傾向?qū)Φ谝黄诘膫找媛视姓驔_擊，但對第二期至第四期的債券收益率存在負向沖擊，且此負向沖擊逐漸減小，對第四期之后的債券收益率不存在沖擊，即此沖擊存在的時期為第一期至第四期。
通過方差分解以進一步分析各變量沖擊的貢獻度，結(jié)果見表4和表5。
由表4和表5可知，每日新冠疫情新聞情感指標（DE IS′）對滬深300 指數(shù)收益率的貢獻率接近于3%，而對中債新綜合指數(shù)凈值收益率的貢獻率超過了13%，即疫情新聞情感傾向?qū)袌鍪找媛实慕忉屃Χ雀蟆４送?，對股市收益率來說，在第一期，新冠疫情新聞情感傾向的貢獻為0，之后逐漸增大并趨于穩(wěn)定；而對債市收益率來說，在第一期，新冠疫情新聞情感傾向的貢獻最大，之后逐漸減小并趨于穩(wěn)定。
表4 滬深300 指數(shù)收益率波動方差分解結(jié)果
表5 中債新綜合指數(shù)凈值的收益率波動方差分解結(jié)果
4.3 對照研究新聞情感指標與股市和債市收益率的動態(tài)關(guān)系
以上研究結(jié)果表明新冠疫情新聞對金融市場存在影響，但此影響源于疫情新聞的特殊性還是官方媒體平臺的特殊性值得思考。為解決這個問題，本研究基于疫情前（2019年9月2日至2019年12月31日）人民網(wǎng)的新聞進行對照研究。
與4.2 節(jié)的研究路徑一致，首先對每日新聞情感指標、滬深300 指數(shù)的對數(shù)收益率及中債新綜合指數(shù)的對數(shù)收益率進行單位根檢驗，結(jié)果顯示3 組數(shù)據(jù)平穩(wěn)。然后根據(jù)AIC 和SC 信息準則得出股市模型的滯后階數(shù)為5，債市模型的滯后階數(shù)為1。之后進行格蘭杰因果檢驗以驗證每日新聞情感指標與收益率是否有統(tǒng)計學(xué)意義上的因果關(guān)系，此結(jié)果見表6。
表6 格蘭杰檢驗結(jié)果-疫情前
由表6，個P 值都遠大于0.1，即每日新聞情感指標與指數(shù)收益率間不存在統(tǒng)計學(xué)上的因果關(guān)系。這一結(jié)論說明了官方媒體平臺本身對金融市場并不存在影響，結(jié)合4.2 節(jié)的結(jié)論，進一步反映出疫情相關(guān)新聞對金融市場的特殊性和重要性，表明了我國投資者非常關(guān)注官方媒體平臺發(fā)布的疫情新聞，且疫情相新聞的情感傾向直接影響投資者的投資決策進而影響股市及債市的收益情況。
5 結(jié)論
本研究基于2020年1月2日 至2020年9月30日 的人民網(wǎng)新冠肺炎疫情新聞，構(gòu)建新冠疫情新聞情感詞典，并對疫情新聞的情感傾向與金融市場收益率間的動態(tài)關(guān)系進行了研究。本研究主要結(jié)論如下：
（1）有必要根據(jù)特殊事件有針對性地進行構(gòu)建領(lǐng)域文本情感詞典。相較于通用詞典，本研究所構(gòu)建的新冠疫情新聞詞典在精確率（P）、召回率（R）及兩者的加權(quán)調(diào)和均值F1上的表現(xiàn)都更優(yōu)，說明該情感詞典針對新冠疫情相關(guān)新聞的情感判斷性能良好。
（2）前一期的每日疫情新聞情感指標（DEIS′）對于當(dāng)期股票收益率和債券收益率的影響是正向的，但此影響持續(xù)期較短，約為4 天；相反，股票收益率和債券收益率對疫情新聞情感沒有影響。
（3）債券市場對DEIS′的反應(yīng)較為迅速，在第一期就有所反應(yīng)；而股票市場對DEIS′的反應(yīng)相對滯后，一般在第二期才做出反應(yīng)。
本研究結(jié)論對政府、金融監(jiān)管機構(gòu)和投資者都有重要現(xiàn)實意義，因當(dāng)日疫情新聞情感指標對金融市場有正向作用且影響持續(xù)時間較短，因此在面對突發(fā)公共事件時，政府和金融監(jiān)管機構(gòu)應(yīng)該利用好官方媒體平臺多報道積極正面的新聞持續(xù)為金融市場注入信心；投資者可以根據(jù)新聞情感把握投資機會，在金融市場中適時地進行相關(guān)操作。
猜你喜歡
戰(zhàn)疫情音樂天地(音樂創(chuàng)作版)(2022年1期)2022-04-26 13:51:10 如何在情感中自我成長，保持獨立中國生殖健康(2020年5期)2021-01-18 02:59:48 抗疫情 顯擔(dān)當(dāng)人大建設(shè)(2020年5期)2020-09-25 08:56:22 疫情中的我快樂作文(1.2年級)(2020年8期)2020-09-10 07:22:44 37°女人(2020年5期)2020-05-11 05:58:52 失落的情感北極光(2019年12期)2020-01-18 06:22:10 情感小太陽畫報(2019年10期)2019-11-04 02:57:59 在808DA上文本顯示的改善制造技術(shù)與機床(2019年10期)2019-10-26 02:48:08 基于doc2vec和TF-IDF的相似文本識別電子制作(2018年18期)2018-11-14 01:48:06 如何在情感中自我成長，保持獨立中國生殖健康(2018年5期)2018-11-06 07:15:40
■ 龍文 田嘉祺 李汭芹＊＊
1.中國科學(xué)院大學(xué)經(jīng)濟與管理學(xué)院 北京 100190
2.中國科學(xué)院虛擬經(jīng)濟與數(shù)據(jù)科學(xué)研究中心 北京 100190
3.中國科學(xué)院大數(shù)據(jù)挖掘與知識管理重點實驗室 北京 100190
0 引言
金融市場是一個信息驅(qū)動的市場。在有效市場中，資產(chǎn)價格充分反映了所有相關(guān)且可用的信息，其中媒體報道是重要的信息來源，互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和智能手機的廣泛應(yīng)用使得投資者能夠及時獲取信息，加快了信息傳遞，促進了信息發(fā)揮作用。金融市場參與者密切關(guān)注各方信息，如財經(jīng)新聞、自然災(zāi)害事件、社會熱點事件、公共衛(wèi)生事件等，其中，互聯(lián)網(wǎng)財經(jīng)新聞對金融市場的影響早已被多項研究證實。2019年底新冠肺炎疫情開始爆發(fā)，疫情相關(guān)信息通過大量新聞報道向大眾傳播。與財經(jīng)新聞類似，新冠疫情新聞可能會通過影響金融市場參與者的行為間接影響金融市場。
國內(nèi)外多位學(xué)者都針對媒體報道對金融市場的影響進行研究，其中新聞情感是一個重要的分析視角。在已有的研究中，計算文本情感傾向主要有兩種方法：機器學(xué)習(xí)方法[1][2][3]和情感詞典方法[4][5][6]。前者通過大量文本及對應(yīng)情感標簽訓(xùn)練出的情感分類器來預(yù)測新文本的情感傾向；而后者基于情感詞典計算文本中情感詞語的情感傾向及程度。在金融市場的研究中，后者使用更為普遍，但多是基于通用的情感詞典，國內(nèi)廣泛使用的中文情感詞典包括我國臺灣大學(xué)簡體中文情感極性詞典（NTSUSD）、大連理工大學(xué)情感詞匯本體庫（DUTIR）、知網(wǎng)情感詞典（HowNet）等。新冠疫情作為全球范圍內(nèi)的突發(fā)衛(wèi)生事件，并無先例，故其報道具有一定的獨特性（如加入新的專屬詞匯），然而針對此事件的報道并沒有對應(yīng)的情感詞典，若使用通用情感詞典來進行新冠疫情新聞的情感分析，準確率很可能不佳?；诖耍狙芯繕?gòu)建了一個新冠疫情新聞情感詞典，用其進行文本情感測算，以進一步考察新冠肺炎疫情新聞情感傾向?qū)鹑谑袌龅挠绊憽?/p>
本研究首先對新冠肺炎疫情新聞特有新詞進行了收集和整理，然后用SO-PMI 算法構(gòu)建新冠疫情新聞情感詞典，用情感詞典量化官方平臺發(fā)布的疫情新聞的情感指標，最后建立每日疫情新聞情感指標與指數(shù)收益率間的自回歸模型，研究兩者的動態(tài)關(guān)系，同時，將同平臺疫情前后的新聞情感傾向?qū)鹑谑袌龅挠绊戇M行對照研究，以驗證新冠疫情新聞影響的獨特性。本研究的創(chuàng)新點主要體現(xiàn)在兩個方面，一是從技術(shù)上構(gòu)建了新冠疫情情感詞典，相較于通用詞典，新構(gòu)建的情感詞典包含了疫情特定詞的情感強度，提升了領(lǐng)域文本情感判斷的準確率，利于有針對性地進行疫情新聞情感傾向的影響研究；二是從研究對象上考察了疫情新聞的情感傾向?qū)鹑谑袌龅挠绊?，此前雖已有很多文獻涉及新聞文本的情感與金融市場的關(guān)系，但大多是從財經(jīng)新聞視角展開，鮮少涉及突發(fā)性事件特別是公共衛(wèi)生事件，而本研究則關(guān)注疫情新聞情感傾向?qū)鹑谑袌龅挠绊懬倚侣剚碓礊榛ヂ?lián)網(wǎng)官方平臺——人民網(wǎng)，豐富了研究視角與信息來源。
1 文獻綜述
1.1 新聞對金融市場的影響
已有大量文獻研究了新聞對金融市場的影響。該領(lǐng)域最早的關(guān)注對象為新聞內(nèi)容，Niederhoffer[7]于1971年根據(jù)新聞標題對《紐約時報》發(fā)布的新聞進行人工分類，發(fā)現(xiàn)滯后一天的股票價格受重大新聞發(fā)布的影響最大?？紫栌?、畢秀春和張曙光[8]于2016年使用文本分析技術(shù)與機器學(xué)習(xí)技術(shù)，構(gòu)建了基于當(dāng)日新聞主題預(yù)測股價變化趨勢的模型，研究發(fā)現(xiàn)國際貿(mào)易以及城市化相關(guān)主題的新聞與股市波動存在密切的關(guān)系，且構(gòu)建的模型可以準確預(yù)測出當(dāng)日股市漲跌。劉海飛和許金濤[9]于2017年研究不同類別的新聞對股票異常收益率的影響，發(fā)現(xiàn)政策扶持類、兼收并購類、再融資類和盈利能力類新聞對公司股票產(chǎn)生正的異常收益，而違規(guī)處罰類新聞對公司股票產(chǎn)生負的異常收益。
除新聞內(nèi)容外，新聞數(shù)量也受到了多位學(xué)者的關(guān)注。Mitchell 和Mulherin[10]于1994年研究證實了新聞數(shù)量對于股票收益率有一定的影響。Fang 和Peress[11]于2009年研究股票收益與主流媒體每日新聞數(shù)量之間的關(guān)系，發(fā)現(xiàn)媒體關(guān)注度低的股票存在顯著的溢價。趙偉等[12]于2009年用財經(jīng)新聞數(shù)量衡量金融信息流強度，發(fā)現(xiàn)金融信息量增大會引起金融市場的波動。
傳統(tǒng)的新聞傳播理論認為新聞報道應(yīng)該是客觀中立的，但在現(xiàn)實中，媒體報道和信息傳播并不具有純粹的“客觀中立性”，而媒體會依據(jù)立場、方針和價值標準等進行取舍與加工，這使得公開發(fā)布的新聞往往帶有情感色彩。隨著行為金融學(xué)科的發(fā)展，學(xué)界越來越關(guān)注新聞中包含的情感，認為新聞情感通過影響投資者決策從而對金融市場產(chǎn)生重要影響。Tetlock 等[13]于2008年對華爾街日報的新聞構(gòu)建媒體悲觀指標，發(fā)現(xiàn)基本面下行時，媒體悲觀程度較高，股價的下行壓力也越大。Suleman[14]于2012年研究政治新聞對KSE100 指數(shù)的影響，發(fā)現(xiàn)積極的政治新聞可以使指數(shù)收益增加且波動降低，反之，消極的政治新聞則會使指數(shù)收益降低且波動增加。與成熟資本市場相比，我國股票市場中個人投資者比例較高，據(jù)證券投資者保護基金有限責(zé)任公司的統(tǒng)計數(shù)據(jù)，至2019年末，個人投資者的數(shù)量占比為99.76%，個人投資者缺乏專業(yè)知識與背景，更易受到新聞情緒的影響，我國學(xué)者也針對新聞情感對金融市場的影響展開了持續(xù)的研究。游家興和吳靜[15]于2012年從報道基調(diào)、曝光程度和關(guān)注水平3個方面構(gòu)建了媒體情緒綜合評價指標，發(fā)現(xiàn)積極的媒體情緒導(dǎo)致股價偏離更高，資產(chǎn)誤定價更嚴重。王曉丹等[16]于2019年通過互聯(lián)網(wǎng)搜索引擎采集了與股票市場相關(guān)的大量新聞報道,發(fā)現(xiàn)新聞的正向情感會提升股票收益率，而負向和中立情況則會導(dǎo)致收益率的降低。程蕭瀟[17]于2019年研究發(fā)現(xiàn)新聞情感和社交媒體熱度對股指收益率產(chǎn)生顯著影響。
1.2 突發(fā)事件對金融市場的影響
自然災(zāi)害、公共衛(wèi)生事件等突發(fā)事件因其突發(fā)性、延續(xù)性、破壞性等特點，影響社會穩(wěn)定和經(jīng)濟有序發(fā)展，不僅會對實體經(jīng)濟帶來巨大沖擊，還會給金融市場帶來挑戰(zhàn)，導(dǎo)致金融體系出現(xiàn)系統(tǒng)性風(fēng)險增大、流動性問題等危機。國內(nèi)外學(xué)者在此領(lǐng)域做出了多項研究，具有重要實踐意義。
Shelor 等[18]于1990年研究了美國1989年加利福尼亞州大地震對金融市場的影響，發(fā)現(xiàn)地震使得房地產(chǎn)行業(yè)的股票價格下降。楊秀剛和黃玉龍[19]于2011年研究了突發(fā)公共衛(wèi)生事件對我國金融市場的沖擊，發(fā)現(xiàn)突發(fā)公共衛(wèi)生事件對均衡價格和市場價格都產(chǎn)生沖擊。Hood 等[20]于2013年研究了2011年日本地震后投資者的交易行為，發(fā)現(xiàn)在地震發(fā)生后的一周內(nèi)，金融市場投資者表現(xiàn)出與平常時期完全相反的交易特征。陳赟等[21]于2020年評估了金融市場對重大突發(fā)衛(wèi)生事件的反應(yīng)，發(fā)現(xiàn)公司所在地的復(fù)工復(fù)產(chǎn)能力對股票收益率存在正向影響。黃軻等[22]于2021年研究金融危機、自然災(zāi)害和突發(fā)公共衛(wèi)生3類“黑天鵝”事件對金融市場關(guān)聯(lián)結(jié)構(gòu)的影響，發(fā)現(xiàn)不同類別“黑天鵝”事件對金融市場趨同水平的影響存在顯著差異。
綜上，新聞對金融市場的影響及突發(fā)事件對金融市場的影響已被國內(nèi)外大量研究證實，其中新聞情感越來越受到學(xué)界的關(guān)注，從情感方面入手能挖掘出新聞對金融市場的影響機制。而縱觀突發(fā)事件對金融市場影響的國內(nèi)外文獻，現(xiàn)有研究多基于特定案例展開理論與實證的研究，較少結(jié)合互聯(lián)網(wǎng)新聞。新冠疫情作為2019年以來最大的突發(fā)公共衛(wèi)生事件，對經(jīng)濟發(fā)展帶來了巨大沖擊，有必要在結(jié)合上述國內(nèi)外研究綜述的基礎(chǔ)上，針對疫情新聞的情感傾向?qū)鹑谑袌鲇绊懻归_研究，以拓展研究思路并豐富研究角度。
2 新冠疫情特有詞的選取
不同領(lǐng)域的文本一般都具有該領(lǐng)域的獨有新詞，這些新詞往往在文本中經(jīng)常出現(xiàn)，有的甚至是文章的核心詞或帶有強烈情感傾向。在領(lǐng)域情感詞典構(gòu)建過程中，領(lǐng)域獨有新詞的選取非常必要，因此首先進行新冠疫情新聞特有新詞的選取，其步驟為生成候選詞、判定詞的左右臨字豐富程度和判定詞的內(nèi)部凝聚程度。
2.1 生成候選詞
生成候選詞的方法有兩種：一種是直接將文本切詞后的結(jié)果拼接為候選詞，一種是將文本按字符分割后拼接為候選詞。由于第一種方法的候選詞生成結(jié)果很大程度上依賴于分詞的效果，而現(xiàn)有切詞詞庫未包含新冠肺炎疫情相關(guān)新詞，因此選用第二種方法。
2.2 用信息熵判定詞的左右臨字豐富程度
如果一個字符組合可以成詞，它應(yīng)當(dāng)出現(xiàn)在豐富的語境中，也就是說，擁有豐富的左右鄰字。信息熵是對信息量的度量，信息熵越高，表示信息量越豐富、不確定性越大。因此字符組合左/右鄰字的豐富程度，可以用信息熵(Entropy）來表示：
其中Wneighbor為字符組合的左/右鄰字的集合。本研究綜合考慮候選詞左右信息熵(LE,RE）的大小，以LE 與RE差的絕對值（|LE-RE|）作為鄰字豐富程度的度量，構(gòu)造統(tǒng)計量如下：
2.3 新詞發(fā)現(xiàn)
如果某些字符經(jīng)常在一起出現(xiàn)，那么這些字符很有可能組成詞匯，因此需要對字符的內(nèi)部凝聚程度進行定義和量化以準確判斷一個詞匯是否合理。量化對象間的相關(guān)性一般使用點互信息（PMI）值，但點互信息值受候選詞長度的影響，候選詞越長，互信息取值偏大，因此本研究使用平均互信息（AMI）作為詞的內(nèi)部凝聚程度的度量。AMI的公式如下：
最后，用式（4）所計算的得分選出新冠肺炎疫情新聞相關(guān)的新詞，共計1902個。
3 新冠疫情新聞情感詞典的構(gòu)建及評估
在完成新冠肺炎疫情新聞特有新詞的選取后，本研究將構(gòu)建新冠疫情新聞情感詞典，首先進行新聞文本數(shù)據(jù)的爬取和預(yù)處理，然后對文本進行分詞，之后選取種子詞，并基于種子詞用SO-PMI 算法構(gòu)建出新冠疫情新聞情感詞典，最后對詞典的性能進行評估。
3.1 文本數(shù)據(jù)獲取
本研究選擇人民網(wǎng)（http://www.people.com.cn/）作為新聞數(shù)據(jù)源，人民網(wǎng)是《人民日報》建設(shè)的以新聞為主的大型互聯(lián)網(wǎng)信息交互平臺，也是國際互聯(lián)網(wǎng)上最大的綜合性網(wǎng)絡(luò)媒體之一，具有廣泛且穩(wěn)定的受眾群體。新聞數(shù)據(jù)包括了2020年1月2日到2020年9月30日期間的所有新冠肺炎疫情新聞，以及2019年9月2日至2019年12月31日期間的所有新聞（對照研究）。
3.2 文本分詞
本研究使用Python 的中文分詞組件“jieba”對新聞文本進行分詞。因新冠疫情事件是2019年底的突發(fā)公共衛(wèi)生事件，并無先例，其相關(guān)新聞中有許多特有新詞，因此在文本切分前，將第二章中選取的新冠疫情專用詞添加到分詞詞庫中，同時去除文本中的停用詞、否定詞與程度副詞。
3.3 種子詞選取
SO-PMI 算法的本質(zhì)是給定一些基礎(chǔ)情感詞，計算文本分詞與基礎(chǔ)情感詞同時出現(xiàn)的概率，若文本分詞常與積極情感詞同時出現(xiàn)，那么認為該詞偏積極；若文本分詞常與消極情感詞同時出現(xiàn)，那么認為該詞偏消極，將這些基礎(chǔ)情感詞稱為情感種子詞。情感種子詞的選取決定了用情感傾向點互信息算法（SO-PMI）構(gòu)建的情感詞典的性能。先運用TF-IDF方法得到候選詞。
詞頻TF表示詞或短語在文本中出現(xiàn)的頻率：
其中,ni,j是詞i在文件dj中出現(xiàn)的次數(shù)，分母是文件dj中所有詞匯出現(xiàn)次數(shù)的加和。
逆向文件頻率IDF由文件總數(shù)除以包含該詞語的所有文件的個數(shù)，再取對數(shù)得到：
其中,|D|是文本庫中的文件總數(shù);表示包含詞語ti的文件個數(shù)。如果一詞不在文本庫中，那么該詞的IDF 表達式的分母為零。為避免發(fā)生這種情況，我們一般將分母替換為
TF-ID公式如下：
在得到候選詞后，運用大連理工大學(xué)的情感詞匯本體詞庫和哈工大的同義詞林得到拓展情感詞匯本體詞庫，并將候選詞與詞庫中的詞進行匹配，選擇情感強度大于5 的詞，最終得到兼顧頻率和情感強度的情感種子詞，其中貶義詞和褒義詞各4900 個，部分情感種子詞見表1所示。
表1 部分情感種子詞
3.4 新冠疫情新聞情感詞典構(gòu)建
互信息（PMI）算法是常用的計算詞間的語義相似度的算法，其基本思想是統(tǒng)計兩個詞在文本中同時出現(xiàn)的概率，如果概率越大，兩詞的相關(guān)性就越緊密，關(guān)聯(lián)度越高。SO-PMI 是將PMI 方法引入計算詞的情感傾向，從而得到新的情感詞，其基本思想是選一組情感傾向性非常明顯且極具領(lǐng)域代表性的褒義詞（Pwords）跟一組貶義詞（Nwords）作為基準詞。把任一詞語word1跟Pwords的點間互信息減去word1跟Nwords的點間互信息會得到一個差值，根據(jù)該差值判斷詞word1的情感傾向。
將挑選好的情感種子詞輸入SO-PMI 算法，進行情感傾向和強度計算。SO-PMI 值為正，說明該詞是褒義詞，其值越大，則該詞越積極；SO-PMI 值為負，說明該詞是貶義詞，其值的絕對值越大，則該詞越消極。將SOPMI值在0左右的詞刪除，只留下褒貶義傾向強烈的詞，最終形成了新冠疫情新聞情感詞典。
3.5 詞典性能評估
隨機選取2020年3月24日至2020年3月31日期間的3257條新冠疫情相關(guān)新聞作為評估數(shù)據(jù)，與已有的中文通用情感詞典——我國臺灣大學(xué)自然語言處理實驗室構(gòu)建的“NTUSD”詞典、大連理工大學(xué)信息檢索研究室構(gòu)建的情感詞匯本體庫進行新冠疫情相關(guān)新聞的情感分析能力的比較，評估指標為精確率P、召回率R 和兩者的加權(quán)調(diào)和均值F1，如下（9）至（11）式所示。評估結(jié)果見表2。
表2 詞典情感分類效果性能評估
其中TP 為將積極樣本分類為積極的樣本數(shù)；FN 為將積極樣本分類為消極的樣本數(shù)；FP為將消極樣本分類為積極的樣本數(shù)；TN為將消極樣本分類為消極的樣本數(shù)。
由表2，新冠疫情新聞詞典在精確率（P）、召回率（R）、F1值上的表現(xiàn)都優(yōu)于其余兩個詞典，說明該情感詞典在新冠疫情相關(guān)新聞這一特殊領(lǐng)域的情感分析性能更好。
4 新冠疫情新聞情感對金融市場收益率的動態(tài)關(guān)系研究
4.1 新冠疫情新聞情感指標構(gòu)建
將情感詞的SO-PMI值的加和作為新聞文本的情感強度（Emotional Intensity of Sentence），計算每日的所有新冠疫情新聞的總EIS，稱其為每日新冠疫情新聞情感強度（Daily EIS，以下簡稱為DEIS）。
由于中國股市交易日在15:00 收盤，因此將15:00 作為分界線，當(dāng)日15:00 之前的新聞對當(dāng)日的指數(shù)收益率造成影響，當(dāng)日15:00 之后的新聞對次日的指數(shù)收益率造成影響。DEIS計算公式如下：
在過往研究中，文本的情感指標的取值區(qū)間一般為[-10,10]或[-1,1]。為了更好地與指數(shù)收益率匹配以進行動態(tài)影響分析，將DEIS 值（取值范圍為[A,B]）按比例縮放到[-1,1]之中，記為DEIS′，稱作每日新冠疫情新聞情感指標?？s放所用的公式如下：
4.2 每日新冠疫情情感指標與股市、債市的動態(tài)關(guān)系研究
本研究分別構(gòu)建了新冠疫情新聞情感指標DEIS′與股票市場及債券市場指數(shù)收益率的VAR 模型，其中股市指數(shù)選取滬深300 指數(shù)，債市指數(shù)選取中債新綜合指數(shù)，兩者都能充分代表對應(yīng)市場的變化且被投資者廣泛接受，具有穩(wěn)定性、代表性與可操作性，數(shù)據(jù)來源為Wind數(shù)據(jù)庫。
首先對每日新冠疫情新聞情感強度與兩個指數(shù)的對數(shù)收益率進行單位根檢驗，結(jié)果顯示各序列中不存在單位根，即數(shù)據(jù)平穩(wěn)。根據(jù)AIC 和SC 信息準則得出股市模型的滯后階數(shù)為1，債市模型的滯后階數(shù)為2，由此進行模型構(gòu)建，股市的VAR 模型為（14）式和（15）式，債市的VAR模型為（16）式和（17）式。
其中，Rs,t代表了第t 個交易日滬深300 指數(shù)的對數(shù)收益率，Rb,t代表了第t 個交易日中債新綜合指數(shù)的對數(shù)收益率，DEIS't代表了第t個交易日疫情新聞的情感傾向。
以上兩個市場的VAR 模型所有根的特征值均小于1，因此模型通過穩(wěn)定性檢驗，接下來通過格蘭杰因果檢驗來判斷每日新冠疫情新聞情感指標（DEIS′）與滬深300 指數(shù)的收益率、中債新綜合指數(shù)凈值的收益率是否有統(tǒng)計學(xué)意義上的因果關(guān)系，格蘭杰檢驗結(jié)果見表3。
由表3，每日新冠疫情新聞情感指標（DEIS′）不為滬深300 指數(shù)收益率的格蘭杰原因的原假設(shè)不成立（P值小于0.1），滬深300 指數(shù)收益率不為每日新冠疫情新聞情感指標（DEIS′）的格蘭杰原因的原假設(shè)成立（P 值遠大于0.1），因此每日新冠疫情新聞情感指標（DEIS′）對收益率存在統(tǒng)計學(xué)上的因果關(guān)系，而收益率對每日新冠疫情新聞情感指標（DEIS′）不存在統(tǒng)計學(xué)上的因果關(guān)系，即公式（14）成立，公式（15）不成立。
表3 格蘭杰檢驗結(jié)果-疫情期間
由表3，每日新冠疫情新聞情感指標（DEIS′）不為中債新綜合指數(shù)凈值收益率的格蘭杰原因的原假設(shè)不成立（P 值小于0.1），中債新綜合指數(shù)凈值的收益率不為每日新冠疫情新聞情感指標（DEIS′）的格蘭杰原因的 原假設(shè)成立（P 值遠大于0.1），因此每日新冠疫情新聞情感指標（DEIS′）對中債新綜合指數(shù)凈值的收益率存在統(tǒng)計學(xué)上的因果關(guān)系，而中債新綜合指數(shù)凈值的收益率對每日新冠疫情新聞情感指標（DEIS′）不存在統(tǒng)計學(xué)上的因果關(guān)系，即公式（16）成立，公式（17）不成立。
通過脈沖響應(yīng)函數(shù)研究每日新冠疫情新聞情感指標（DEIS′）和滬深300 指數(shù)收益率、中債新綜合指數(shù)凈值收益率的動態(tài)關(guān)系，相關(guān)結(jié)果見圖1至圖4。
由圖1，滬深300 指數(shù)收益率對自身沖擊的反應(yīng)很迅速，對第一期存在很強的正向沖擊，對第二期的沖擊迅速下降，甚至出現(xiàn)負向沖擊，第三期及之后沖擊逐漸趨于0。由圖2，滬深300 指數(shù)的對數(shù)收益率對每日新冠疫情新聞情感指標（DEIS′）的反應(yīng)較為滯后且持續(xù)時間較短，始終為正向沖擊，其在第一期幾乎未顯現(xiàn)，在第二期迅速上升并達到峰值，之后極速下降，在第四期接近0。這說明了當(dāng)期的疫情新聞的情感傾向?qū)Φ诙诠善笔找媛实臎_擊最強，其對第三期股票收益率的沖擊減弱，而對第五期股票收益率不存在沖擊，即此沖擊存在的時期為第二期至第四期。
由圖3，中債新綜合指數(shù)凈值的收益率對自身沖擊的反應(yīng)非常迅速，對第一期存在較強的正向沖擊，而沖擊在第二期大幅下降但仍處于高位，經(jīng)過3 天的持續(xù)下降，該沖擊在第五期及之后趨近于0。由圖4，中債新綜合指數(shù)凈值收益率對新冠疫情新聞情感指標（DEIS′）的反應(yīng)波動劇烈且持續(xù)時間有限，該反應(yīng)在第一期和第二期均出現(xiàn)大幅回落，第二期及之后出現(xiàn)負值，在第三期開始出現(xiàn)增長，且增速逐漸放緩，在第四期接近于0。這說明當(dāng)期疫情新聞情感傾向?qū)Φ谝黄诘膫找媛视姓驔_擊，但對第二期至第四期的債券收益率存在負向沖擊，且此負向沖擊逐漸減小，對第四期之后的債券收益率不存在沖擊，即此沖擊存在的時期為第一期至第四期。
通過方差分解以進一步分析各變量沖擊的貢獻度，結(jié)果見表4和表5。
由表4和表5可知，每日新冠疫情新聞情感指標（DE IS′）對滬深300 指數(shù)收益率的貢獻率接近于3%，而對中債新綜合指數(shù)凈值收益率的貢獻率超過了13%，即疫情新聞情感傾向?qū)袌鍪找媛实慕忉屃Χ雀蟆４送?，對股市收益率來說，在第一期，新冠疫情新聞情感傾向的貢獻為0，之后逐漸增大并趨于穩(wěn)定；而對債市收益率來說，在第一期，新冠疫情新聞情感傾向的貢獻最大，之后逐漸減小并趨于穩(wěn)定。
表4 滬深300 指數(shù)收益率波動方差分解結(jié)果
表5 中債新綜合指數(shù)凈值的收益率波動方差分解結(jié)果
4.3 對照研究新聞情感指標與股市和債市收益率的動態(tài)關(guān)系
以上研究結(jié)果表明新冠疫情新聞對金融市場存在影響，但此影響源于疫情新聞的特殊性還是官方媒體平臺的特殊性值得思考。為解決這個問題，本研究基于疫情前（2019年9月2日至2019年12月31日）人民網(wǎng)的新聞進行對照研究。
與4.2 節(jié)的研究路徑一致，首先對每日新聞情感指標、滬深300 指數(shù)的對數(shù)收益率及中債新綜合指數(shù)的對數(shù)收益率進行單位根檢驗，結(jié)果顯示3 組數(shù)據(jù)平穩(wěn)。然后根據(jù)AIC 和SC 信息準則得出股市模型的滯后階數(shù)為5，債市模型的滯后階數(shù)為1。之后進行格蘭杰因果檢驗以驗證每日新聞情感指標與收益率是否有統(tǒng)計學(xué)意義上的因果關(guān)系，此結(jié)果見表6。
表6 格蘭杰檢驗結(jié)果-疫情前
由表6，個P 值都遠大于0.1，即每日新聞情感指標與指數(shù)收益率間不存在統(tǒng)計學(xué)上的因果關(guān)系。這一結(jié)論說明了官方媒體平臺本身對金融市場并不存在影響，結(jié)合4.2 節(jié)的結(jié)論，進一步反映出疫情相關(guān)新聞對金融市場的特殊性和重要性，表明了我國投資者非常關(guān)注官方媒體平臺發(fā)布的疫情新聞，且疫情相新聞的情感傾向直接影響投資者的投資決策進而影響股市及債市的收益情況。
5 結(jié)論
本研究基于2020年1月2日 至2020年9月30日 的人民網(wǎng)新冠肺炎疫情新聞，構(gòu)建新冠疫情新聞情感詞典，并對疫情新聞的情感傾向與金融市場收益率間的動態(tài)關(guān)系進行了研究。本研究主要結(jié)論如下：
（1）有必要根據(jù)特殊事件有針對性地進行構(gòu)建領(lǐng)域文本情感詞典。相較于通用詞典，本研究所構(gòu)建的新冠疫情新聞詞典在精確率（P）、召回率（R）及兩者的加權(quán)調(diào)和均值F1上的表現(xiàn)都更優(yōu)，說明該情感詞典針對新冠疫情相關(guān)新聞的情感判斷性能良好。
（2）前一期的每日疫情新聞情感指標（DEIS′）對于當(dāng)期股票收益率和債券收益率的影響是正向的，但此影響持續(xù)期較短，約為4 天；相反，股票收益率和債券收益率對疫情新聞情感沒有影響。
（3）債券市場對DEIS′的反應(yīng)較為迅速，在第一期就有所反應(yīng)；而股票市場對DEIS′的反應(yīng)相對滯后，一般在第二期才做出反應(yīng)。
本研究結(jié)論對政府、金融監(jiān)管機構(gòu)和投資者都有重要現(xiàn)實意義，因當(dāng)日疫情新聞情感指標對金融市場有正向作用且影響持續(xù)時間較短，因此在面對突發(fā)公共事件時，政府和金融監(jiān)管機構(gòu)應(yīng)該利用好官方媒體平臺多報道積極正面的新聞持續(xù)為金融市場注入信心；投資者可以根據(jù)新聞情感把握投資機會，在金融市場中適時地進行相關(guān)操作。
猜你喜歡
音樂天地(音樂創(chuàng)作版)(2022年1期)2022-04-26 13:51:10
中國生殖健康(2020年5期)2021-01-18 02:59:48
人大建設(shè)(2020年5期)2020-09-25 08:56:22
快樂作文(1.2年級)(2020年8期)2020-09-10 07:22:44
北極光(2019年12期)2020-01-18 06:22:10
小太陽畫報(2019年10期)2019-11-04 02:57:59
制造技術(shù)與機床(2019年10期)2019-10-26 02:48:08
電子制作(2018年18期)2018-11-14 01:48:06
中國生殖健康(2018年5期)2018-11-06 07:15:40
