媒體信息對金融資產價格波動的影響

李正輝　粟亞亞　廖高可　劉果

摘 要：基于傳統紙質媒體與新媒體獲取全面的媒體信息數據，運用FamaFrench三因子模型計算滬深300指成份股的特質波動率，并將媒體信息的關注度、媒體情感、媒體關注度與媒體情感的交互作用納入統一的計量分析模型中，綜合探究媒體信息對金融資產價格波動的影響。結果發現：媒體關注度和媒體情感對金融資產價格波動都具有顯著性的影響；媒體關注度和媒體情感相互作用對金融資產價格產生影響；媒體信息對金融資產價格的影響在不同趨勢下，其作用方向和程度均具有顯著差異。

關鍵詞： 媒體信息；媒體關注度；媒體情感；特質性波動率

中圖分類號：F832.5 文獻標識碼： A 文章編號：10037217（2018）03005606

一、引言

金融資產價格受基本面和技術面等許多復雜的因素影響，同時隨著行為金融理論與實證研究的發展，越來越多的文獻證明媒體信息溝通對金融資產價格產生影響。信息技術和互聯網高度發達催生了新型的金融管理和運行模式，使得資金流通和資本融合、支付、信息交流等業務流程完全區別于傳統的金融業務模式。這些新型管理和運行模式源于新興技術，但其效應體現為金融信息的快速傳播，進而形成集聚式的金融輿情。媒體信息已成為聯系企業、市場和投資者的重要紐帶，其對金融資產價格波動的影響越來越受到研究者的關注。

已有文獻研究表明，金融市場信息環境對股價波動或者股價同步性的影響越來越為顯著，公司層面信息在股價變動所起到的作用有所增加，而宏觀市場層面信息相對作用減少，這導致了傳統標準資本資產定價回歸模型的失靈[1-3]。媒體信息對投資者情緒等具有影響，而投資者情緒與金融資產價格具有更為密切的相關性。網絡用戶情緒可用于股票市場預測，通過掃描金融信息板，提取個別作者所表達的觀點信息，利用機器學習方法系統學習情緒和股票價值之間的相關性；通過學習模型對股票價值進行預測，發現該方法能夠高精度地預測情緒，股票表現和最近的網絡情緒具有顯著相關性[4，5]。

從相關性角度分析，金融資產價格波動與收益率直接相關，故媒體信息對金融資產價格波動影響研究中，一些文獻利用搜索引擎數據，分析搜索指數表現、股價、收益率之間的關聯性。趙龍凱等利用百度公司提供的上市公司簡稱搜索量數據研究了關注度與股票收益率的關系，發現關注度與同時期股票收益有正相關關系[6]。張誼浩等利用滬深300 指數成分股作為研究樣本，探討網絡搜索和證券市場的相互作用，發現網絡搜索對股市交易行為均有影響[7]。

社交網絡結構則是從媒體信息之間的相互傳遞角度研究，認為媒體信息特別是社交媒體之間的網絡結構對金融資產價格也具有顯著影響。劉善存等從行為金融角度出發，在理性預期均衡模型的假設下，考慮社交媒體傳播關于股票基本面價值信息，通過分析信息質量對市場效率、市場流動性以及資本成本的影響過程，研究社交媒體對價格發現的促進效應。結果顯示：相關信息傳播能促進價格發現；無關信息傳播則阻礙價格發現[8]。王麗佳和盧國祥基于資本市場的社會網絡，通過建立股票價格的動態模型探究交易者的交流互動對股票價格的影響機制[9]。

已有研究中，對媒體關注度影響金融資產價格考慮較多，但媒體信息的情感沒有得到足夠的關注，對媒體關注度與媒體情感的相互影響更缺乏研究；全樣本時期媒體信息對金融資產價格波動影響考慮較多，但不同趨勢下媒體信息對金融資產價格波動影響差異性沒有足夠關注。基于此，本研究的特色與創新性工作包括：將媒體信息的關注度、媒體情感、媒體關注度與媒體情感納入統一的計量分析模型中，研究媒體信息對金融資產價格波動的影響；將樣本分階段進行實證分析，研究不同趨勢下媒體信息對金融資產價格波動的影響。

二、媒體信息對金融資產價格波動的基本假設

（一）媒體關注度、媒體情感與金融資產價格波動

媒體關注度體現了市場參與人對于金融資產波動相關的新聞和該關鍵詞的關注程度。新聞媒體通過信息的搜集、整理、加工和傳播，有助于提高利益相關者對相關信息的掌握程度，降低金融市場的信息不對稱程度。媒體關注度越高，則說明有更大量的媒體信息在金融市場中進行傳播，而媒體的信息傳播，向市場參與者傳遞包括宏觀經濟、市場環境、金融市場和上市公司在內的更多信息。基于此，媒體關注度不僅提供了與金融市場和上市公司相關的信息，進而降低投資者獲取信息的搜尋成本；同時由于媒體關注在新技術環境下，信息傳播速度加快，投資者能夠更加及時地獲取相應的信息，便于及時決策。

媒體情感體現為金融市場參與者對資產價格趨勢性的判斷。由于市場參與者對金融資產價格判斷具有多元性，隨時間演化和新對象加入，媒體情感均會發生變化。在演化過程中，有新的市場參與人進入，當新進入的參與者是對媒體信息知情，則參與者會強化與其同質性情感類型，參與者類型情感趨勢會強化；當新進入的參與者對媒體信息不知情，則新介入參與者對媒體信息的認知能力影響媒體情感趨勢。

由此可知，媒體關注度對金融資產價格影響具有趨勢性特征，但媒體情感對金融資產價格影響具有時變特征，基于此，提出如下假設：

假設1.媒體關注度和媒體情感對金融資產價格波動具有顯著性影響。

（二）媒體關注度與媒體情感相互作用金融資產價格機制

媒體情感是媒體關注度對金融資產價格影響渠道之一。一方面，媒體關注度對金融資產價格的影響是基于投資者行為實現，而投資者行為受到“信息瀑布”的影響①。另一方面，在金融市場中，有來自財經、論壇、微博等許多公開信息和各種傳言等媒體信息，盡管這些信息能夠對投資者產生多樣化選擇的益處，但媒體信息量的增加，投資者決策難度和復雜程度均呈現增加，投資者會理性地忽略一些投資機會，進而有意識地控制媒體信息。在這些有意識地控制媒體信息獲取過程中，媒體情感在信息流中進行傳遞，進而作為影響渠道影響金融資產價格。

媒體情感的異質性程度，對媒體關注度具有重要影響。在新聞等媒體報道中，不同的情感用詞對輿情引導作用具有差異性。媒體情感異質性程度越高，說明媒體對金融資產價格趨勢性預測分歧越大，包含的信息程度也越多，媒體關注度會持續。當媒體情感異質性程度比較低時，說明不同媒體對金融資產價格趨勢性預測是一致的，媒體關注度也就相應減少。

由此可知，媒體關注度與媒體情感并不是獨立地影響金融資產價格，兩者會相互作用，進而影響金融資產價格，基于此，提出如下假設：

假設2.媒體關注度和媒體情感不僅會獨立對金融資產價格波動產生影響，兩者還會通過相互作用對金融資產價格產生影響。

（三）不同趨勢下媒體信息與金融資產價格波動

金融資產價格一般可以分為三個趨勢，即價格上升、下降和平穩波動。從媒體信息對金融資產價格波動影響來看，不同趨勢下的影響存在非對稱性。

1.媒體信息在不同趨勢下的風險溢價存在差異。在金融資產價格上升趨勢過程中，媒體信息的關注度和媒體情感均呈現正向趨勢，這種正向趨勢帶來的金融資產價格上漲會被風險溢價需求抵消，所以金融資產價格波動相對不大。在金融資產價格下降趨勢過程中，媒體信息的關注度和媒體情感均呈現負面趨勢，負面信息導致金融資產價格下降與本身下跌趨勢過程中投資者的風險溢價需求相疊加，金融資產價格產生較大波動。在金融資產價格處于平穩波動階段，媒體信息一般處于中性，風險溢價需求幾乎可以忽略，故媒體信息對金融資產價格驅動力不足。

2.投資者的異質性特征，造成媒體信息對金融資產價格波動影響具有非對稱性。異質性特征與投資者過度自信具有密切關聯，在不同趨勢下，投資者過度自信程度具有差異性。投資過度自信的價格接受者會過度估計他們的個人信息，這會導致總的信號被過度估計，使得價格偏離其真實價格；同時這種高估的程度在金融資產價格上升趨勢和下降趨勢中又具有顯著差異。

由此可知，不同趨勢下媒體信息對金融資產價格影響具有差異性的，基于此，提出假設：

假設3. 媒體信息對金融資產價格影響在不同趨勢下具有顯著差異。

三、研究設計

（一）數據來源與變量定義

1.數據來源。

本文使用的數據包括媒體信息數據、上市公司股價數據和上市公司相關的財務數據等。對于媒體信息的度量，本文綜合考慮了傳統紙質媒體和新媒體類搜索引擎的作用。傳統紙質媒體信息的數據主要來源于CSMAR數據庫中的《報刊新聞量化輿情數據庫》②，新媒體信息的數據來源于百度媒體指數。

2.變量定義。

（1）被解釋變量。

本文基于FamaFrench三因子模型構造股票特質波動率，首先將每只股票日度超額收益率對市場因子、規模因子和價值因子進行回歸，模型如下：

Ri，t=αi，m+βi，mMKTt+si，mSMBt+

hi，mHMLt+εi，t （1）

式（1）中，Ri，t為股票i在第t交易日（t屬于第m月）的收益率減去無風險收益率，無風險收益率即為中國人民銀行披露的一年期居民定期存款利率；MKTt為第t交易日的市場因子；SMBt為第t交易日的規模因子；HMLt為第t交易日的價值因子；系數βi.m、si，m、hi，m分別為與市場因子、規模因子和價值因子相對應的風險因子荷載，εi，t為股票i在第t交易日的擾動項。參考Ang et al.的做法[10]，本文以式（1）回歸殘差的月度標準差σi.m（εi，t）與第m月交易日數的平方根Ni，m的乘積作為股票i在第m月特質性波動率Voli，m：

Voli，m=σi.m（εi，t）×Ni，m （2）

由于FamaFrench三因子包括以流通值加權和總市值加權計算的兩種，因此本文相應地包含由流通值加權因子計算的特質性波動率Vol1i，m和由總市值加權因子計算的特質性波動率Vol2i，m兩類。

（2） 解釋變量。

本文的解釋變量包括媒體關注度（MediaAtten）和媒體情感（MediaSenti）這兩類媒體信息變量。媒體關注度變量包括傳統紙質媒體關注度和新媒體關注度，傳統紙質媒體關注度為從《報刊新聞量化輿情數據庫》獲取的股票i在第m月累計的新聞數（news）、正文提及該上市公司的次數（mt）、標題提及該上市公司次數（imt），新媒體關注度為股票i在第m月累計的百度媒體指數（media）、百度搜索指數（ms）。媒體情感變量為從《報刊新聞量化輿情數據庫》獲取的第m月內有關股票i新聞報道的累計整體情感評分（os）、正文情感評分（cs）、標題情感評分（ts）。

（3） 控制變量。

參考楊潔等和羅進輝等文獻，本文其他控制變量包括上市公司i在第m月的凈資產收益率（roe）、資產負債率（debt）、機構投資者持股比例（inst）、平均總市值（mc）、累計換手率（tur） [11，12]。

（二）模型設定

為了檢驗假設1，首先構建回歸模型：

Voli.m=α+β1MediaAtteni.m+

β2MediaSentii，m+∑βjControli，m+εi，m （3）

式（3）中，Controli，m為控制變量。本文首先根據式（3）對全樣本時期（2011年1月-2016年12月）進行回歸用以檢驗假設1，然后根據滬深300指整體走勢將全樣本時期分為平穩期（2011年1月-2014年8月）、上升期（2014年9月-2015年5月）和下降期（2015年6月-2016年2月）三個子樣本時期，同樣按照式（3）進行回歸用以檢驗假設3。為了檢驗假設2，再構建包含媒體關注與媒體情感交互項的回歸模型：

Voli.m=α+β1MediaAtteni.m+

β2MediaSentii，m+β3MediaAtteni.m×

MediaSentii，m+∑βjControli，m+εi，m （4）

由于篇幅限制，各變量的描述性統計分析予以省略。

四、實證結果分析

本文使用面板數據模型檢驗媒體信息對金融資產價格波動的影響。首先，需要對變量進行平穩性檢驗來避免偽回歸問題，利用STATA12.0軟件對數據進行平穩性檢驗，其結果說明數據均通過平穩性檢驗。然后，根據模型的設定分別使用固定效應模型和隨機效應模型。最后，對模型進行Hausman檢驗[13]。檢驗結果拒絕了隨機效應模型優于固定效應模型。因此，在后續分析中均使用固定效應模型進行分析。

（一）媒體信息對金融資產價格波動影響

表1分別給出了媒體關注度、媒體情感以及它們相互作用對金融資產價格波動影響的結果。可以發現，在模型（1）中媒體關注度的系數在1%水平顯著為正，表明媒體關注度越高，金融資產價格波動性越強。媒體對特定企業的關注度程度越高往往代表在這段時間該企業在市場上的影響越大，也越容易得到投資者的關注，股票價格波動是由于投資者的買賣行為來決定，因此吸引的投資者越多，該股票的交易過程就越復雜，導致價格波動也越劇烈。在模型（2）中媒體情感的系數在1%水平顯著為正，表明在新聞報道中，媒體表達的情感傾向越強，金融資產價格波動越大。媒體報道中含有豐富的信息，媒體發布的信息是大部分投資者判斷股票價格的標準之一，因此投資者在進行投資決策時經常會受到媒體報道的影響。媒體表達的情感越強烈對投資者的沖擊越大，導致股票價格波動越劇烈。在模型（3）中，媒體關注度的系數在1%水平顯著為正，媒體情感的系數在5%水平顯著為正，媒體關注度與媒體情感交互項的系數在1%水平顯著為正，表明媒體關注度和媒體情感不僅會獨立對金融資產價格波動產生影響，兩者還會通過相互作用對金融資產價格產生影響。由于媒體關注度越高越能對媒體情感產生趨勢性的作用，媒體情感差異化越大越能引起媒體關注，因此媒體關注度與媒體情感能夠相互影響加劇金融資產價格波動。從系數大小來看，媒體關注度對金融資產價格波動的影響更大。假設1和假設2得到驗證。

（二）不同趨勢下媒體信息對金融資產價格波動影響

表2分別給出了媒體關注度、媒體情感以及它們相互作用在股市平穩期、上升期和下降期對金融資產價格波動影響的結果。在市場處于平穩期時，媒體關注度的系數在1%水平顯著為正，媒體情感的系數在5%水平顯著為正，媒體關注度與媒體情感交互項的系數在1%水平顯著為正，結果與全樣本時期的結果基本具有一致性，因此，以下分析市場處于上升期和下降期媒體信息對金融資產價格波動的影響。

市場處于上升期時，媒體關注度、媒體情感以及它們相互作用對金融資產價格波動的影響具有差異性，且媒體關注度具有主要影響。媒體關注度的系數在1%水平顯著為正，這說明市場處于上升期時，媒體關注度越高股價波動越強烈，這與全樣本時期的結果一致。媒體情感的系數在5%水平顯著為負，這說明市場處于上升期時，媒體情感越強烈越能降低股價波動。媒體情感的正向趨勢帶來的金融資產價格上漲會被風險溢價需求抵消，所以會抑制金融資產價格波動。媒體關注度與媒體情感交互項的系數在5%水平顯著為負，表明市場處于上升期時，媒體情感能夠抑制媒體關注度對金融資產價格波動的影響。從系數大小來看，媒體關注度對金融資產價格波動的影響明顯大于媒體情感，這說明投資者在市場上升階段更容易受媒體關注度的影響。市場處于上升期時，投資者往往會對股票價格有更好的預期，而忽略媒體情感，因此，更容易受媒體關注度的影響。

市場處于下降期時，媒體關注度和媒體情感對金融資產價格波動的影響具有一致性，且媒體情感具有主要影響。媒體關注度的系數在1%水平顯著為正，這說明市場處于下降期時，媒體關注度越高股價波動越強烈。媒體情感的系數在5%水平顯著為正，說明在市場下降階段，媒體情感越強烈金融資產價格波動性越強。這主要是由于媒體情感的負面信息導致金融資產價格下降與本身下跌趨勢過程中投資者的風險溢價需求相疊加，進而加劇金融資產價格波動。而媒體關注度與媒體情感的交互項并沒有通過顯著性檢驗，可能的解釋是，媒體關注度和媒體情感在市場下降階段對金融資產價格波動的影響更為直接，因而吸收了它們相互作用的影響。從系數大小來看，媒體情感對金融資產價格波動的影響明顯大于媒體關注度，這說明投資者在市場下降階段更容易受媒體內容的影響。市場處于下降期時，投資者往往會更多關注媒體信息的內容作為其投資行為的參考依據，因此更容易受媒體情感的影響。

為了使結果具有穩健性，分別使用ms、media、news、mt和imt來代表媒體關注度（MediaAtten），使用ts、cs和os來代表媒體情感（MediaSenti），分析媒體信息對金融資產價格波動的影響，檢驗結果與前文一致。由于篇幅限制，在上述分析中僅以media和os為例進行結果展示。

五、結論與啟示

本文基于行為金融學理論，在對媒體關注度分析的基礎上進一步考慮媒體情感以及媒體關注度與媒體情感之間的相互作用對金融資產價格波動的影響。通過使用FamaFrench三因子模型計算滬深300的193家上市公司股票特質波動率作為研究對象，分階段研究了2011年1月至2016年12月期間媒體關注度與媒體情感影響上市公司股票特質波動率的特征和差異性。得出以下結論：

1.媒體關注度和媒體情感均對金融資產價格波動具有顯著性、差異性的影響。總體而言，媒體關注度對金融資產價格波動的影響更大。

2.媒體關注度與媒體情感會通過相互作用對金融資產價格產生影響。總體上媒體關注度與媒體情感能夠相互影響加劇金融資產價格波動，但是在市場處于上升期時媒體情感能夠抑制媒體關注度對金融資產價格波動的影響，在市場處于下降期時媒體關注度與媒體情感的交互作用不明顯。

3.不同趨勢下媒體關注度和媒體情感對金融資產價格波動的影響具有非對稱性。媒體關注度無論在總體上還是不同趨勢下均對金融資產價格波動有顯著的正向影響，其影響在市場處于上升期時最強而在市場處于下降期時最弱。媒體情感會在市場處于上升期時對金融資產價格波動有顯著的抑制作用，其影響在市場處于上升期時最弱而在市場處于下降期時最強。

通過上述結論可以得出，股票市場面臨的媒體信息環境對其波動產生重要影響。因此，需要完善相關制度和法規，充分發揮媒體監督和凈化市場的作用，同時需要警惕媒體報道對于股市震蕩期的推波助瀾作用，建立媒體輿情監督分析反饋機制，正確引導媒體輿論。

注釋：

① 信息瀑布是人們觀測到他人的行為，進而做出同樣的選擇的一種現象。Bikhchaniet等在1992年將該概念引入到金融市場中，并指出信息瀑布的發生需要兩個關鍵條件：一是后來者在作出決策前已經觀察到先行者的行為，二是存在有限的決策空間。

② 《報刊新聞量化輿情數據庫》借鑒RavenPack和ThomsonReuters等數據平臺，基于機器學習和自然語言處理技術設計開發，囊括了從1998年到目前為止由報紙媒體發布的與我國A股（及B股）全部上市公司相關的新聞的文本分析結果，包含約300家報紙媒體，700多萬篇中文財經新聞的情感傾向性，涉及新聞來源、新聞的情感傾向性、相關上市公司以及與其它歷史新聞的內容相似性等多類指標。

參考文獻：

[1] 凌愛凡， 楊曉光. 基于Google Trends 注意力配置的金融傳染渠道[J]. 管理科學學報， 2012，15（11）： 104-116.

[2] Larcker D F， So E C， Wang C C Y. Boardroom centrality and firm performance[J]. Journal of Accounting and Economics， 2013， 55（2）： 225-250.

[3] Haw I M， Hu B， Lee J J， et al. Investor protection and price informativeness about future earnings： international evidence[J]. Review of Accounting Studies， 2012， 17（2）： 389-419.

[4] Bushee B J， Friedman H L. Disclosure standards and the sensitivity of returns to mood[J]. The Review of Financial Studies， 2015， 29（3）： 787-822.

[5] Frydman C， Barberis N， Camerer C， et al. Using neural data to test a theory of investor behavior： an application to realization utility[J]. The Journal of finance， 2014， 69（2）： 907-946.

[6] 趙龍凱， 陸子昱， 王致遠. 眾里尋“股”千百度——股票收益率與百度搜索量關系的實證探究[J]. 金融研究， 2013， （14）： 183-195.

[7] 張誼浩， 李元， 蘇中鋒，等. 網絡搜索能預測股票市場嗎？[J]. 金融研究， 2014（2）： 193-206.

[8] 劉善存， 曾慶鐸， 陳彬彬，等. 社交媒體能促進價格發現嗎？[J]. 北京航空航天大學學報（社會科學版）， 2017， 30（6）： 40-45.

[9] 王麗佳， 盧國祥. 基于社會網絡的股票動態價格研究[J]. 投資研究， 2017， 36（5）： 81-91.

[10]Ang A， Hodrick R J， Xing Y， et al. The crosssection of volatility and expected returns[J]. The Journal of Finance， 2006， 61（1）： 259-299.

[11]楊潔，詹文杰，劉睿智.媒體報道、機構持股與股價波動非同步性[J].管理評論，2016，28（12）：30-40.

[12]羅進輝，蔡地.媒體報道能夠提高股價的信息含量嗎？[J].投資研究，2013，32（5）：38-53.

[13]李正輝，彭浬，謝夢園.區域性系統性金融風險影響因素研究——基于空間面板數據的實證分析[J].財經理論與實踐，2017，38（1）：36-41.

（責任編輯：鐘 瑤）