隔夜輿情的情緒強(qiáng)度特征與股票市場開盤收益率研究

李泓閱 劉天際 徐邵軍

摘? ?要：本文對“股吧”交易時間段和非交易時間段發(fā)布的帖子總數(shù)、閱讀量以及評論數(shù)進(jìn)行文本計算，得到盤中和隔夜輿情相對情緒強(qiáng)度和輿情傳播強(qiáng)度指標(biāo)，并以此為研究目標(biāo)，建立門限回歸模型，揭示隔夜輿情相對情緒強(qiáng)度和股票開盤收益率之間的關(guān)系。實證結(jié)果表明，隔夜輿情相對情緒強(qiáng)度對股票開盤收益率存在非線性影響，當(dāng)隔夜輿情相對情緒強(qiáng)度從絕對消極向絕對積極轉(zhuǎn)變時，其對開盤收益率的影響會經(jīng)歷“負(fù)向影響——溫和的負(fù)向影響——惡劣的負(fù)向影響——顯著的正向影響”的過程。此外，本文證明了確切的消極輿情并沒有引發(fā)市場恐慌，但在輿情態(tài)度不明確條件下，容易引發(fā)交易者猜忌而造成開盤收益率崩盤和拋售行為。

關(guān)鍵詞：隔夜輿情;相對情緒強(qiáng)度;非對稱影響

中圖分類號：F830.91? 文獻(xiàn)標(biāo)識碼：B? 文章編號：1674-2265（2022）03-0060-09

DOI：10.19647/j.cnki.37-1462/f.2022.03.008

一、引言與文獻(xiàn)綜述

本質(zhì)上，資本市場是關(guān)于交易信息的集合。在成熟的資本市場上，無論是真實信息還是噪聲信息，都能夠引起股票價格的迅速變動（游家興等，2019;金秀等，2020）[1，2]。然而，在資本市場發(fā)展尚未成熟、而財經(jīng)新聞媒體日臻完善的信息化時代，財經(jīng)輿情容易放大資產(chǎn)價格波動（張普等，2018）[3]，造成股價對輿情反應(yīng)不對稱的困境（權(quán)小峰等，2015）[4]。最直接的例子是西方資本市場的三大經(jīng)典截面效應(yīng)，在中國資本市場上會產(chǎn)生不同程度的失效。如：目前的研究對財經(jīng)輿情的定價效率的觀點并未形成統(tǒng)一（王運(yùn)陳等，2020;王宇瓊和龔維進(jìn)，2020）[5，6];究竟是輿論情緒還是新聞傳播強(qiáng)度造成了股價收益率的波動（程蕭瀟，2019）[7]等。這類研究成果不僅需要我們重新審視財經(jīng)輿情在資產(chǎn)定價過程中所起的具體作用，更為重要的是，如何在這一信息爆炸、媒體發(fā)聲鏗鏘有力的時代，利用好市場上的財經(jīng)輿情，對資產(chǎn)定價研究進(jìn)行更有意義的補(bǔ)充。

就財經(jīng)輿情和資產(chǎn)定價的研究對象來看，一個較為明顯的共同特征是，現(xiàn)有研究均是針對收盤價收益率而展開，鮮有文獻(xiàn)討論財經(jīng)輿情對開盤價的影響。若以股票開盤作為時間分割，市場可以分割為交易時間（當(dāng)日開盤至當(dāng)日收盤）和非交易時間（前日收盤至當(dāng)日開盤）①。考慮到每日股市開盤之前會有3分鐘的集合競價階段，股票價格在這段時間內(nèi)的變化不僅反映了交易者對當(dāng)日股市行情的整體情緒，還是對隔夜輿情信息的綜合反映。隨著信息化時代的到來以及數(shù)字技術(shù)的普及，盤后發(fā)布的財經(jīng)新聞信息以及在社交平臺傳播的財經(jīng)輿情，逐漸成為投資者挖掘股票潛在價值、試圖實現(xiàn)提前布局的重要信息來源。因此，一個有趣的問題是，隔夜信息對開盤收益率的影響，是否會顯著異于盤中信息對收盤收益率的影響？更為重要的是，隔夜輿情信息能否反映現(xiàn)有研究所忽略的內(nèi)在定價機(jī)制？

目前關(guān)于財經(jīng)輿情對股票收益率的影響，主要觀點是異質(zhì)性交易者對財經(jīng)輿情的判斷和消化能力不同（雷倩華等，2012;Folkinshteyn等，2015）[8，9]。異質(zhì)性交易群體依據(jù)各自收集到的輿情信息形成對股票價格趨勢的主觀判斷，不同主觀信念的博弈形成了動量效應(yīng)或反轉(zhuǎn)效應(yīng)，具體取決于雙方力量的大小（張普等，2018）[3]。這樣的研究看似重視了財經(jīng)輿情的作用，但實質(zhì)上仍然把風(fēng)險資產(chǎn)定價問題歸結(jié)為市場不同力量的博弈均衡。此外，很重要的一點是，“互聯(lián)網(wǎng)的記憶”被忽視了。眾所周知，社會大眾對于輿論事件的記憶存在時效性（吳世文和楊國斌，2018;金占勇等，2019）[10，11]，社會受眾根據(jù)媒體報道和財經(jīng)輿情會形成一定的主觀情緒和判斷，并反應(yīng)在隔天的投資決策上，進(jìn)而影響風(fēng)險資產(chǎn)定價。但是情緒是稍縱即逝的，甚至一個事件所產(chǎn)生的社會影響并沒有被資本市場完全消化，另一個事件接踵而至。因此，如何充分利用隔夜輿情信息，是研究隔夜輿情對開盤收益率影響問題的關(guān)鍵。

此外，如何有效地獲取財經(jīng)輿情信息，并將之量化是目前實證研究所面臨的困難之一。近年來，隨著行為金融學(xué)的興起以及網(wǎng)絡(luò)技術(shù)的發(fā)展，越來越多的學(xué)者通過挖掘媒體報道和財經(jīng)輿情中的信息來研究交易者情緒對股票的定價功能（張永杰等，2011;高錫榮和張紅超，2016;何賢杰等，2018）[12-14]。其中Dyck等（2004）[15]通過度量媒體語氣，研究媒體報道的情緒色彩對投資者交易信念和資產(chǎn)定價的影響，被認(rèn)為是這一領(lǐng)域研究的開端。此后，Antweiler和Frank（2004）[16]、Das和Chen（2007）[17]采用文本分析的方法對論壇帖子進(jìn)行語義理解和語義挖掘，并作為投資者情緒的代理指標(biāo)來研究風(fēng)險資產(chǎn)定價問題;Larkin和Ryan（2008）[18]利用語言專家識別的方式定義媒體報道的正面、負(fù)面情緒，并以此為基礎(chǔ)研究不同態(tài)度的媒體報道對風(fēng)險資產(chǎn)定價的影響;Carretta等（2011）[19]以意大利金融報刊作為媒體語氣樣本的來源，采用機(jī)器學(xué)習(xí)的方法研究媒體態(tài)度對風(fēng)險資產(chǎn)定價的影響。中國學(xué)者在這方面的研究起步較晚，但也取得了一定的研究成果。具體包括游家興和吳靜（2012）[20]在“沉默的螺旋”理論基礎(chǔ)上，證明了媒體情緒與資產(chǎn)定價之間的關(guān)系;程琬蕓和林杰（2013）[21]以新浪微博為情緒樣本來源構(gòu)建漲跌情緒指數(shù)，驗證了社交媒體與證券市場之間的動態(tài)關(guān)聯(lián)。

上述文獻(xiàn)就輿情和風(fēng)險資產(chǎn)定價之間的關(guān)系研究進(jìn)行了較好的技術(shù)手段的嘗試，根據(jù)現(xiàn)有研究的做法，若能進(jìn)一步解決以下問題，無疑能更加直觀地反映隔夜財經(jīng)輿情對開盤收益率的影響。

其一，對財經(jīng)輿情情緒或者態(tài)度的定義。從現(xiàn)有的研究來看，國外的研究較為豐富，其中十分重要的一點在于，國外財經(jīng)輿情或媒體報道的措辭較中文表達(dá)更加直接，情感和態(tài)度的傳遞也更加明確（劉義軍和周升揚(yáng)，2020）[22]。而漢語的表達(dá)方式則更加復(fù)雜，完全相同的語句或詞語，通過與不同標(biāo)點符號組合，傳達(dá)的情感和心理傾向也可能完全相反。尤其是在較為官方的媒體或社交平臺上發(fā)布的信息，會盡可能地避免使用帶有情感色彩的詞語，甚至“閃爍其詞、答非所問”，客觀敘事的“官方回答”較為常見，語言表述方式更加中庸和謙遜（王宗炎，2008;撒忠清和馮敬玉，2012）[23，24]。這就致使按照西方語義規(guī)則挖掘中國媒體輿情信息時會出現(xiàn)語義定義偏誤甚至失效的可能。

其二，在研究過程中發(fā)現(xiàn)，雖然積極的輿情和消極的輿情，均能引發(fā)再次分享行為，然而負(fù)面信息傳播效能往往高于正面信息傳播效能。一般而言，情緒激烈程度越高，再次分享的意愿也越強(qiáng)烈（徐翔，2017;張志安和聶鑫，2018）[25，26]，對信息受眾造成的影響也越大（毛太田等，2019）[27]。并且，往往帶有情感宣泄和煽動性的輿情，傳播效能更強(qiáng)（祝興平和張微，2019）[28]。由于互聯(lián)網(wǎng)突破了物理距離和時間限制，使得消極的隔夜輿情更容易引發(fā)公眾參與。學(xué)者在利用新聞報道中正負(fù)面詞匯占比作為媒體情緒代理指標(biāo)的研究中，發(fā)現(xiàn)了媒體報道態(tài)度的差異性會形成不同方向不同強(qiáng)度的“意見氣候”，從而形成“不對稱螺旋”。Dyck和Zingales（2003）[29]、Gaa等（2008）[30]證明了媒體的負(fù)向報道會造成股價更大程度的波動，Seok等（2019）[31]發(fā)現(xiàn)投資者情緒對利空消息的敏感性要強(qiáng)于對利好消息的敏感性。然而，此類結(jié)論在利用中國數(shù)據(jù)進(jìn)行驗證時卻得到了相反的結(jié)果（俞慶進(jìn)和張兵，2012;趙欣月，2018;汪昌云和武佳薇，2015）[32-34]。如何有效判斷不同輿情情緒對資產(chǎn)收益率的影響，尚未有文獻(xiàn)給出一致性解釋，這也是本文試圖解決的問題之一。

歸納現(xiàn)有研究可發(fā)現(xiàn)，隔夜輿情信息影響開盤收益率的機(jī)制在于，盤后的信息并非以客觀的財經(jīng)新聞為主，往往是市場交易者對匯總和加工的相關(guān)媒體信息進(jìn)行主觀理解甚至臆斷，并將最原始的財經(jīng)新聞用帶有某種程度主觀情緒的方式發(fā)布或傳播到相應(yīng)社交平臺上（如股吧、東方財富網(wǎng)論壇等）。同時，由于企業(yè)工作時間的關(guān)系，對這類盤后財經(jīng)輿情往往不能做出迅速的澄清或辟謠，使得這種包含“噪聲”的“二手”輿情信息在非交易時間段造成市場情緒以及股民信心的波動，干擾投資者對財經(jīng)輿情信息準(zhǔn)確性的判斷，進(jìn)而造成隔夜的資產(chǎn)定價偏差，使股票價值偏離其內(nèi)在價值。同時，負(fù)面信息與正面信息的傳播速度、在市場交易者群體中引起的恐慌程度存在差異，進(jìn)而導(dǎo)致負(fù)面信息和正面信息在風(fēng)險資產(chǎn)定價過程中產(chǎn)生了非對稱的影響。

鑒于此，本文利用上市公司的日頻實際交易數(shù)據(jù)，采用文本挖掘和支持向量回歸模型的方式抓取股吧中不同股票的盤中和盤后閱讀、評論信息，按照盤中輿情和隔夜輿情的劃分標(biāo)準(zhǔn)，對市場輿情構(gòu)建面板回歸模型和門限模型，對隔夜輿情與股票開盤收益率之間的關(guān)系進(jìn)行實證檢驗。與現(xiàn)有文獻(xiàn)相比，本文的邊際貢獻(xiàn)主要體現(xiàn)在以下兩個方面：第一，本文采取文本分析的方式，對隔夜文本信息進(jìn)行歸納和匯總，在更高頻的時間維度上驗證隔夜輿情的情緒和傳播強(qiáng)度對開盤收益率的具體影響。第二，本文采用截面門限回歸的方式，分析了不同強(qiáng)度輿情信號和開盤收益率之間可能存在的非對稱影響，對于理解隔夜情緒過度恐慌或過度高亢而引發(fā)的崩盤風(fēng)險進(jìn)行了新的思考，為規(guī)避金融市場恐慌拋售、降低市場波動提供了新的視角。

二、研究設(shè)計

（一）數(shù)據(jù)選取及其描述性統(tǒng)計

1. 指標(biāo)設(shè)定及數(shù)據(jù)選取。如前文所述，本文的被解釋變量為股票開盤收益率（orit）。該指標(biāo)的具體表達(dá)方式為orit=openPit/closePit-1-1，即隔夜開盤價相對于昨日收盤價的股票收益表現(xiàn)，該指標(biāo)主要反映市場交易者在隔夜情緒影響下，次日交易者入場意愿的強(qiáng)弱。同時，考慮到模型穩(wěn)健性，本文同樣選取股票開盤價和A股指數(shù)比值（rAit）作為開盤收益率的替代變量，該指標(biāo)的一個巨大的優(yōu)點在于，能夠排除市場行情對個股的影響。

本文的核心解釋變量為隔夜市場情緒。該指標(biāo)的選取基于股吧論壇中網(wǎng)民發(fā)布的帖子數(shù)量、股票討論帖的閱讀數(shù)量和評論數(shù)量。與現(xiàn)有文獻(xiàn)采用微博評論和轉(zhuǎn)載數(shù)量不同，本文采取股吧發(fā)帖和評論數(shù)據(jù)的原因在于：一是股吧作為專門討論股票信息的非正式媒體社交平臺，其目標(biāo)用戶的定位專一;二是較新浪微博不同的是，股吧發(fā)帖內(nèi)容受到行業(yè)監(jiān)管和審核的限制較少，更能充分反映輿情所蘊(yùn)含的情感強(qiáng)度。因此，本文采用支持向量回歸模型（Sermpinis，2017）[35]對股吧發(fā)帖進(jìn)行輿情情緒判斷，以期在保證數(shù)據(jù)樣本充足的同時提高對輿情情緒判斷的準(zhǔn)確性。

在將具體的財經(jīng)輿情信息轉(zhuǎn)化為衡量情緒的量化指標(biāo)過程中，設(shè)定樂觀情緒的取值為1，悲觀情緒的取值為-1，中性情緒的取值為0。為捕捉文本信息和情緒量化指標(biāo)之間的復(fù)雜、非線性關(guān)系，首先，隨機(jī)提取少量股吧的發(fā)帖、評論等文本信息（這部分人工標(biāo)記的文本信息為訓(xùn)練集），進(jìn)行人工標(biāo)記。樂觀的文本標(biāo)記1，悲觀的文本標(biāo)記-1，中性的文本標(biāo)記為0。

其次，將訓(xùn)練集中的文本信息拆解為相應(yīng)的詞匯，因此，每條被人工取值的文本信息就對應(yīng)著被拆解的詞匯。假設(shè)某條股吧發(fā)帖被判定為悲觀（取值為

-1），該條發(fā)帖能夠被拆解為n個詞匯。再通過向量化的方式將這n個詞匯轉(zhuǎn)化為輸入向量{x1，x2，...，xn}，則機(jī)器學(xué)習(xí)的決策過程可表示為

[Sentiment=f（a1x1，a2x2，…，anxn）]

其中[f?]為映射關(guān)系;{a1，a2，[…]，an}為待決參數(shù)。機(jī)器學(xué)習(xí)的過程就是通過優(yōu)化迭代的方式獲取一組最優(yōu)參數(shù)取值，從而使得對整個訓(xùn)練集的判斷誤差最小，即[f（a1x1，a2x2，…，anxn）=-1]）。本文在計算過程中設(shè)定機(jī)器學(xué)習(xí)在訓(xùn)練集的分類正確率為99.5%。

最后，將訓(xùn)練集之外的未分類新聞向量輸入，在最優(yōu)參數(shù)指導(dǎo)下，這些財經(jīng)輿情的類別指標(biāo)可正確被訓(xùn)練集分類。具體的計算流程見圖1。

根據(jù)上述計算規(guī)則，本文針對不同的交易時間段，將所有的帖子出現(xiàn)的時間分為交易時間段②和非交易時間段③，得到如下的原始指標(biāo)：交易時間段的帖子總量（intotalit）、交易時間段的積極帖子總量（ingoodit）、交易時間段的消極帖子總量（inbadit）、交易時間段的中性帖子總量（inmidit）、交易時間段的閱讀量（inreadit）、交易時間段的評論量（incomit），以及非交易時間段的帖子總量（outtotalit）、非交易時間段的積極帖子總量（outgoodit）、非交易時間段的消極帖子總量（outbadit）、非交易時間段的中性帖子總量（outmidit）、非交易時間段的閱讀量（outreadit）和非交易時間段的評論量（outcomit）。

由于本文的研究目標(biāo)在于檢驗隔夜財經(jīng)輿情的相對情緒強(qiáng)度對于開盤收益率的影響，即證明不同財經(jīng)輿情的傳播強(qiáng)度以及不同的情緒信息量對開盤收益率的影響不同。財經(jīng)輿情的傳播強(qiáng)度特征在數(shù)據(jù)上的表現(xiàn)為帖子引起的閱讀量和評論量不同，因此，在得到初步帖子數(shù)量數(shù)據(jù)的基礎(chǔ)上，定義交易時間段內(nèi)的輿情傳播強(qiáng)度instrongit=inreadit/intotalit、非交易時間段內(nèi)的輿情傳播強(qiáng)度outstrongit=outreadit/outtotalit。針對財經(jīng)輿情的相對情感強(qiáng)度的識別，定義交易時間段的輿情相對情緒強(qiáng)度為intuneit=（ingoodit-inbadit）/（ingoodit+inbadit）、非交易時間段的輿情相對情緒強(qiáng)度為outtuneit=（outgoodit-outbadit）/（outgoodit+outbadit）。此外，不同情感特征的帖子對開盤收益率的影響是否一致，以及積極帖子和消極帖子之間的作用是否會在一定程度上抵銷是本文需要驗證的另一重要問題，在得到輿情情緒強(qiáng)度后，本文進(jìn)一步將輿情情緒強(qiáng)度與交易者的評論相結(jié)合，得到交易者在盤中和盤后的情緒表現(xiàn)指標(biāo)：inemoit=incommentit[×]intuneit、outemoit=outcommentit[×]outtuneit。按照上述方式對不同時間段的財經(jīng)輿情進(jìn)行情緒強(qiáng)度的換算，可知輿情情緒強(qiáng)度取值范圍為[-1，1]，即當(dāng)市場情緒絕對悲觀時，intuneit和outtuneit的取值為-1;反之，當(dāng)市場情緒絕對樂觀時，intuneit和outtuneit的取值為1。

除去上述核心變量之外，本文選取常規(guī)的財務(wù)指標(biāo)以及股票基本面信息作為本文的控制變量，具體包括：股票波動率（volit）、日換手率（changeit）、市場交易量（volumeit）、流通股數(shù)量（amountit）、市值（valueit）。需要指明的是，如前文所述，本文的一個邊際貢獻(xiàn)在于，在高頻維度上實現(xiàn)隔夜輿情對開盤收益率的預(yù)測問題，因此，盡管反映盈利水平和成長能力的因素（諸如資產(chǎn)收益率、每股分紅、留存收益）對股票收益存在一定影響，但這類因素更多地用于股票長期收益率的預(yù)測，且這類指標(biāo)往往是月度、季度和年度數(shù)據(jù)，缺乏日報數(shù)據(jù)。基于上述兩點考慮，本文并不將這類指標(biāo)納入模型分析框架。詳細(xì)的指標(biāo)含義及處理過程如表1所示。

考慮到中國股市走勢特征，以及財經(jīng)輿情行業(yè)發(fā)展現(xiàn)狀，出于數(shù)據(jù)覆蓋范圍完整性考慮，本文選取的樣本時間范圍為2015年1月5日—2020年12月22日所有A股上市企業(yè)的市場交易數(shù)據(jù)④。其中開盤價（openPit）、收盤價（closePit）、股票波動率（volit）、日換手率（changeit）、市場交易量（volumeit）、流通股數(shù)量（amountit）、市值（valueit）等基本面數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，核心解釋變量為作者采用機(jī)器學(xué)習(xí)和文本分析法，對股吧論壇股票的發(fā)帖量、閱讀量、評論量計算匯總所得。

在驗證隔夜輿情對開盤收益率影響的實證過程中，本文剔除了存在指標(biāo)缺失的樣本，以及所有不包含情緒的樣本（即排除intotalit=inmidit以及outtotalit=outmidit的樣本）。這類樣本被認(rèn)為不能有效反應(yīng)財經(jīng)輿情對市場交易者的影響。以上篩選出的樣本數(shù)量共計1463010個。

2. 描述性統(tǒng)計。先對機(jī)器學(xué)習(xí)計算的關(guān)于盤中輿情和盤末輿情的情緒強(qiáng)度特征進(jìn)行核密度檢驗。通過圖2可以看出，整體而言，無論是交易時間段還是非交易時間段，市場交易者在貼吧發(fā)帖、評論所傳達(dá)的財經(jīng)輿情情緒均較為悲觀，無論是盤中輿情還是盤末輿情，核密度曲線均向負(fù)值傾斜;此外，通過對比盤中輿情情緒強(qiáng)度和盤末輿情情緒強(qiáng)度發(fā)現(xiàn)，市場參與者在交易時間段的悲觀程度要強(qiáng)于非交易時間段的悲觀程度，相應(yīng)地，市場參與者在交易時間段的樂觀程度要弱于在非交易時間段的樂觀程度。換言之，未經(jīng)證實的財經(jīng)輿情信息經(jīng)過市場發(fā)酵后，容易提高市場交易者的非理性樂觀程度，而被市場逐漸證實的財經(jīng)輿情信息，往往會加重交易者的悲觀情緒。

本文同時對開盤收益率以及相應(yīng)的隔夜輿情指標(biāo)進(jìn)行數(shù)值統(tǒng)計（見表2）。從表2可以看出：就開盤收益率來看，開盤收益率普遍不高，平均處于虧損狀態(tài)，且開盤收益率的最大值的絕對值要顯著低于最小值的絕對值。對于投資者而言，意味著集合競價階段強(qiáng)勢進(jìn)場可能會遭遇損失。就帖子總量以及積極、消極、中性帖子數(shù)量來看，盤中發(fā)布的輿情數(shù)量要高于隔夜發(fā)布的輿情數(shù)量（ingood、inmid、inbad的均值都高于outgood、outmid、outbad），初步表明，在交易時間段散布的輿情會比在非交易時間段散布輿情達(dá)到更好的信息傳播效果。但是同時需要注意的是，觀察消極帖子總量的最大值發(fā)現(xiàn)，隔夜消極輿情的最大值大于盤中消極輿情的最大值，且顯著高于積極輿情。這也從側(cè)面印證了消極情緒的傳播效能要強(qiáng)于積極情緒的傳播效能。從股吧輿情閱讀和評論數(shù)量來看，在絕對數(shù)上，同樣表現(xiàn)出隔夜輿情的閱讀和評論數(shù)要低于盤中輿情的閱讀和評論數(shù)這樣的規(guī)律。

然而，通過對指標(biāo)進(jìn)行相應(yīng)的處理可以發(fā)現(xiàn)，隔夜輿情的傳播效能要顯著高于盤中輿情的傳播效能（outstrong均值大于instrong均值），換言之，隔夜輿情所蘊(yùn)含的信息含量要顯著高于盤中輿情的信息含量;此外，隔夜輿情與盤中輿情的相對情緒強(qiáng)度普遍是偏負(fù)向的（outtune和intune的均值分別為-0.339和-0.314），即消極輿情無論在盤中還是在隔夜時間段均占較大比重，市場信息普遍消極;而這種消極信息同樣會引起交易者情緒的恐慌（inemo和outemo的均值分別為-19.121和-15.165）。

上述時間里，以及描述性統(tǒng)計結(jié)果可以初步判定，隔夜輿情與開盤收益率之間可能存在正向關(guān)系，需進(jìn)一步實證檢驗。

（二）模型設(shè)計

為檢驗隔夜輿情是否對開盤收益率存在顯著影響，本文建立以下固定效應(yīng)面板模型：

[orit=β0+β1×outtuneit+i=1NαiXit+λi+εit]

上式中，orit為開盤收益率，outtuneit為隔夜輿情情緒強(qiáng)度，為本文的核心解釋變量，Xit為本文的控制變量，具體包括：交易時間段內(nèi)的輿情傳播強(qiáng)度（instrongit）、非交易時間段內(nèi)的輿情傳播強(qiáng)度（outstrongit）、交易時間段的輿情情緒的相對強(qiáng)度（intuneit）、交易者隔夜情緒（outemoit）、交易者盤中情緒（inemoit）、股票波動率（volit）、日換手率（changeit）、市場交易量（volumeit）、流通股數(shù)量（amountit）和市值（valueit）。

同時，在具體實證過程中，為排除序列相關(guān)性、內(nèi)生性等問題以及使各個變量在量剛上保持相對一致，對下述數(shù)據(jù)做進(jìn)一步處理：首先，由于企業(yè)財務(wù)數(shù)據(jù)的量綱較大，因此，對市場交易量、流通股數(shù)量以及市值做取對數(shù)處理;其次，對帖子總量、帖子閱讀數(shù)量、帖子評論數(shù)量除以100;最后，由于當(dāng)天開盤收益率并不受當(dāng)天交易時間段的輿情與當(dāng)天市場交易的基本面數(shù)據(jù)的影響，而可能受到前一日交易時間段的輿情以及前一日基本面數(shù)據(jù)影響，因此，對交易時間段內(nèi)的輿情傳播強(qiáng)度（instrongit）、交易時間段的輿情情緒的相對強(qiáng)度（intuneit）以及交易者盤中情緒（inemoit）以及相應(yīng)的基本面數(shù)據(jù)取一階滯后，表明上個交易時間段的市場輿情和已經(jīng)實現(xiàn)的基本面信息對隔天開盤收益率可能存在的影響。

此外，針對描述性統(tǒng)計結(jié)果分析可以發(fā)現(xiàn)，隔夜輿情情緒的相對強(qiáng)度對開盤收益率可能存在非對稱影響。為驗證這樣的猜想，本文在固定效應(yīng)面板模型基礎(chǔ)上，進(jìn)一步采取門限回歸模型對二者之間可能存在的非線性關(guān)系做驗證，建立如下計量模型：

[orit=β0+β'1×Iouttuneit≤γ+β'2×Iouttuneit>γ+i=1NαiXit+λi+εit]

（2）式中的變量與（1）式中的變量所表達(dá)的經(jīng)濟(jì)意義相同，在此不做贅述。唯一的區(qū)別在于[γ]。該數(shù)值表達(dá)的含義是，當(dāng)隔夜輿情情緒的相對強(qiáng)度超過特定門限值（[γ]）時，隔夜輿情情緒的相對強(qiáng)度對開盤收益率影響的程度會由[β'1]變?yōu)閇β'2]。

三、實證分析

（一）固定效應(yīng)面板回歸結(jié)果

表3匯報了2015年1月5日—2020年12月22日所有A股數(shù)據(jù)（剔除相應(yīng)樣本）的開盤收益率回歸結(jié)果。為了控制模型穩(wěn)健性，本文采取普通最小二乘方法，逐漸控制個體、時間效應(yīng)的固定效應(yīng)模型⑤和替換核心被解釋變量的方式來甄別隔夜輿情效應(yīng)是否對開盤收益率存在顯著影響。同時采用系統(tǒng)GMM的方式，以核心解釋變量的滯后一期作為工具變量，來排除可能存在的內(nèi)生性問題⑥，計量結(jié)果發(fā)現(xiàn)隔夜輿情的情緒相對強(qiáng)度對開盤收益率均存在顯著的正向影響，且模型的顯著性并未隨實證方法的改變產(chǎn)生動搖（結(jié)果均在1%置信水平下顯著），表明模型結(jié)果穩(wěn)健且可信。

具體而言，第一，隔夜輿情相對情緒強(qiáng)度對開盤收益率均存在顯著的正向影響，即在非交易時間段，積極的輿情信息占市場信息的比重越大，則第二日開盤收益率會越高;第二，從前期交易時間段的輿情的相對情緒強(qiáng)度來看（L.intune），其對開盤收益率的正向影響存在顯著的記憶性，即前一個交易日盤中發(fā)布的正向輿情信息能夠?qū)Ω羧臻_盤收益率產(chǎn)生持續(xù)的正向影響;第三，并不存在足夠證據(jù)表明市場輿情的傳播效能對開盤收益率存在顯著影響。換言之，在媒體信息十分發(fā)達(dá)的數(shù)字時代，股吧發(fā)布的市場輿情能夠被交易者識別和認(rèn)知，輿情傳播的快慢已經(jīng)不再是影響開盤信息的主要因素;最后，交易者的盤中和隔夜情緒均對開盤收益率存在顯著的正向影響，即交易者在當(dāng)天交易時間段針對股吧輿情作出的情緒反映，以及交易者在收盤后對股吧輿情作出的情緒反應(yīng)，均對隔日開盤收益率存在著顯著的正向影響。

（二）門限回歸結(jié)果

為進(jìn)一步驗證隔夜輿情情緒的相對強(qiáng)度可能對開盤收益率存在非線性影響，本文進(jìn)一步利用截面門限模型對上述猜想進(jìn)行驗證。具體的門限識別結(jié)果和門限回歸結(jié)果分別如表4和表5所示。

門限識別結(jié)果表明，隔夜輿情的相對情緒強(qiáng)度對開盤收益率存在三重門限。即當(dāng)隔夜輿情的相對情緒強(qiáng)度的取值分別落入（-1，0.043]、（0.043，0.111]、（0.111，0.125]、（0.125，1]區(qū)間時，其對開盤收益率存在顯著的不同影響。具體結(jié)果如表5所示。當(dāng)隔夜輿情的相對情緒強(qiáng)度逐漸從低門限區(qū)間向高門限區(qū)間過渡時，隔夜輿情的相對情緒對開盤收益率的影響會逐漸變大，從負(fù)向影響逐漸向正向影響過渡。具體而言，當(dāng)隔夜輿情充斥著消極信息且相對情緒強(qiáng)度較強(qiáng)時（具體條件為outtuneit∈（-1，0.043]），隔夜輿情的相對情緒強(qiáng)度對開盤收益率存在負(fù)向影響;當(dāng)隔夜輿情以積極情緒為主，但相對情緒強(qiáng)度并不明顯時（具體條件為outtuneit∈（0.043，0.111]以及outtuneit∈（0.111，0.125]，隔夜輿情的相對情緒強(qiáng)度對開盤收益率的負(fù)向影響會進(jìn)一步惡化;當(dāng)隔夜輿情以積極情緒為主，且輿情的正向情緒強(qiáng)度開始走強(qiáng)時（具體條件為[outtuneit∈（0.125，1]]），隔夜輿情的相對情緒強(qiáng)度對開盤收益率開始產(chǎn)生顯著的正向影響。換言之，當(dāng)隔夜輿情主要以負(fù)面信息為主時（隔夜輿情的相對情緒強(qiáng)度小于0.043），隔夜輿情的相對情緒強(qiáng)度對開盤收益率存在顯著的負(fù)向影響;而當(dāng)隔夜輿情的正向情緒在整體市場輿情中并不占據(jù)絕對的主導(dǎo)地位時（隔夜輿情的相對情緒強(qiáng)度在0.043與0.125之間），此時市場的正向輿情并不會引起大眾的積極反應(yīng)，反而會惡化開盤收益率;當(dāng)隔夜輿情主要以正面信息為主，且積極的隔夜輿情信息在整體輿情信息中占據(jù)主導(dǎo)地位時（隔夜輿情的相對情緒強(qiáng)度大于0.125），隔夜輿情的相對情緒強(qiáng)度對開盤收益率存在顯著的正向影響。

對上述結(jié)果可以用圖3進(jìn)行直觀地總結(jié)：即隨著隔夜輿情的相對情緒強(qiáng)度逐漸增加，對隔天開盤收益率的影響會從負(fù)向影響到正向影響逐漸變化，且這種變化趨勢并不是平滑連續(xù)的，而是存在明顯的間斷點。

四、結(jié)論

本文以隔夜輿情與股票開盤收益率之間關(guān)系為研究對象，通過固定效應(yīng)面板模型和門限模型，甄別了隔夜輿情的相對情緒強(qiáng)度對股票開盤收益率的非線性影響關(guān)系，并精確找到了二者之間關(guān)系發(fā)生系統(tǒng)性改變時，隔夜輿情的相對情緒強(qiáng)度的具體取值。具體研究結(jié)論歸納如下：

第一，就市場情緒而言，交易者在交易時間段的悲觀程度要強(qiáng)于在非交易時間段的悲觀程度，相應(yīng)地，交易者在非交易時間段的樂觀程度要強(qiáng)于在交易時間段的樂觀程度。即盤中逐漸被市場證實的悲觀輿情信息所引起的交易者恐慌要高于盤末未被證實的悲觀輿情信息所引起的恐慌;而盤末未被證實的樂觀輿情信息引起的交易者過度樂觀程度要顯著強(qiáng)于盤中被證實的樂觀輿情信息。表明盤末信息對開盤收益率的積極作用更大，而盤中信息對市場當(dāng)日收益率的消極作用更大。

第二，隔夜輿情的相對情緒強(qiáng)度對股票開盤收益率存在顯著的“隔夜效應(yīng)”。隔夜輿情相對情緒強(qiáng)度的提高對開盤收益率的提高存在顯著的正向影響，這種影響并非隨機(jī)，而是持續(xù)穩(wěn)定存在的。

第三，就門限回歸結(jié)果來看，當(dāng)隔夜輿情的相對情緒強(qiáng)度從“絕對的消極輿情”逐漸向“絕對的積極輿情”轉(zhuǎn)變時，其對開盤收益率的影響會經(jīng)歷“負(fù)向影響——溫和的負(fù)向影響——惡劣的負(fù)向影響——顯著的正向影響”的過程。

第四，就計算得出的隔夜輿情相對情緒強(qiáng)度的門限值來看，盡管消極的隔夜輿情會造成股票開盤收益率降低（[outtuneit∈（-1，0.111]]時其系數(shù)分別顯著為-0.278、-0.184），但當(dāng)隔夜輿情并未傳達(dá)強(qiáng)烈的情緒信息時（[outtuneit∈（0.111，0.125]]時其系數(shù)顯著為-0.74），反倒容易引起交易者的猜測和恐慌，使得股票面臨著開盤崩盤的風(fēng)險。即隔夜市場輿情高漲時，正面的輿情信息容易進(jìn)一步推高股票開盤收益率;而隔夜市場輿情消極時，負(fù)面的輿情并沒有引起交易者恐慌拋售行為;但在輿情態(tài)度不明確條件下，容易引發(fā)交易者猜忌而造成開盤收益率崩盤和拋售行為。

本文計算結(jié)果對于新聞媒體的啟示在于：一方面，媒體要充分發(fā)揮傳播客觀信息的作用，在消除依靠內(nèi)幕信息獲得超額收益的同時，也要做到及時、客觀地發(fā)布消極信息，警醒市場交易者避免過度投機(jī);另一方面，監(jiān)管部門應(yīng)加強(qiáng)對新聞報道的監(jiān)管，防止新聞媒體在發(fā)布信息過程中用詞模糊和閃爍其詞，以免引發(fā)投資者猜忌進(jìn)而造成市場恐慌踩踏。

注：

1非交易時間包括周五收盤至周一開盤以及節(jié)假日等。

②交易時間段包括正常交易日（節(jié)假日除外）周一至周五9：00—15：00此段時間。

③非交易時間段包括周五15：00—24：00、周六全天、周日全天以及周一的0：00—9：00此段時間。

④法定節(jié)假日不存在相應(yīng)的財務(wù)數(shù)據(jù)，但交易者仍然會在股吧針對企業(yè)的市場信息進(jìn)行討論，因此，將法定節(jié)假日內(nèi)股吧產(chǎn)生的數(shù)據(jù)作為法定節(jié)假日后第一個工作日的隔夜輿情數(shù)據(jù)。

⑤在進(jìn)行相應(yīng)的Hausman檢驗過程中，檢驗結(jié)果Prob>chi2 =0.0000，結(jié)果強(qiáng)烈拒絕原假設(shè)，因此，選用固定效應(yīng)模型。

⑥相應(yīng)的hausman檢驗結(jié)果為：outtune（p>chi=0.9037）;L.outtune（p>chi=0.8973）。

參考文獻(xiàn)：

[1]游家興，柳穎，楊莎莉.傳播學(xué)視角下資產(chǎn)定價媒體效應(yīng)研究評述 [J].廈門大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2019， 251（01）.

[2]金秀，姜尚偉，苑瑩.考慮信息強(qiáng)度的因子定價模型及其實證研究 [J].管理評論，2020，32（05）.

[3]張普，陳亮，曹啟龍.信息視角下基于異質(zhì)信念的股票波動性價值研究 [J].管理科學(xué)，2018，31（02）.

[4]權(quán)小鋒，尹洪英，吳紅軍.媒體報道對IPO股價表現(xiàn)的非對稱影響研究——來自創(chuàng)業(yè)板上市公司的經(jīng)驗證據(jù) [J].會計研究，2015，（06）.

[5]王運(yùn)陳，賀康，萬麗梅.MD&A語言真誠性能夠提高資本市場定價效率嗎？——基于股價同步性的分析 [J].北京工商大學(xué)學(xué)報（社會科學(xué)版），2020，35（03）.

[6]王宇瓊，龔維進(jìn).另類交易系統(tǒng)交易制度的研究與啟示——基于信息效率的視角 [J].湖南大學(xué)學(xué)報（社會科學(xué)版），2020，34（01）.

[7]程蕭瀟.場景效應(yīng)還是內(nèi)容效應(yīng)？——財經(jīng)新聞， 網(wǎng)絡(luò)輿情對股市行情的實證檢驗 [J].統(tǒng)計與信息論壇， 2019，34（07）.

[8]雷倩華，柳建華，龔武明.機(jī)構(gòu)投資者持股與流動性成本——來自中國上市公司的經(jīng)驗證據(jù) [J].金融研究，2012，（07）.

[9]Daniel Folkinshteyn，Gulser Meric，Ilhan Meric. 2015. Investor Reaction in Stock Market Crashes and Post-Crash Market Reversals [J].International Journal of Business & Finance Research，9（5）.

[10]吳世文，楊國斌.追憶消逝的網(wǎng)站： 互聯(lián)網(wǎng)記憶、媒介傳記與網(wǎng)站歷史 [J].國際新聞界，2018，40（04）.

[11]金占勇，田亞鵬，白莽.基于長短時記憶網(wǎng)絡(luò)的突發(fā)災(zāi)害事件網(wǎng)絡(luò)輿情情感識別研究 [J].情報科學(xué)，2019，37（05）.

[12]張永杰，張維，金曦，熊熊.互聯(lián)網(wǎng)知道的更多么？——網(wǎng)絡(luò)開源信息對資產(chǎn)定價的影響 [J].系統(tǒng)工程理論與實踐，2011，31（04）.

[13]高錫榮，張紅超.海量文本信息的價值評估模型及算法——以新浪微博為例 [J].情報雜志，2016，35（06）.

[14]何賢杰，王孝鈺，孫淑偉，朱紅軍.網(wǎng)絡(luò)新媒體信息披露的經(jīng)濟(jì)后果研究——基于股價同步性的視角 [J].管理科學(xué)學(xué)報，2018，21（06）.

[15]Alexander Dyck，Luigi Zingales. 2004. Private Benefits of Control：An International Comparison [J].Journal of Finance，59（02）.

[16]Werner Antweiler，Murray Z. Frank. 2004. Is All That Talk Just Noise？ The Information Content of Internet Stock Message Boards [J].Journal of Finance，59（3）.

[17]Sanjiv R.Das，Mike Y.Chen. 2007. Yahoo for Amazon：Sentiment Extraction from Small Talk on the Web [J].Management Science，53（9）.

[18]Fiacc Larkin，Conor Ryan. 2008. Good News：Using News Feeds with Genetic Programming to Predict Stock Price [J].Lecture Notes in Computer Science.

[19]Alessandro Carretta，Vincenzo Farina，Duccio Martelli，F(xiàn)ranco Fiordelisi. 2011. The Impact of Corporate Governance Press News on Stock Market Returns [J].European Financial Management，17（1）.

[20]游家興，吳靜.沉默的螺旋： 媒體情緒與資產(chǎn)誤定價 [J].經(jīng)濟(jì)研究，2012，47（07）.

[21]程琬蕓，林杰.社交媒體的投資者漲跌情緒與證券市場指數(shù) [J].管理科學(xué)，2013，（05）.

[22]劉義軍，周升揚(yáng).身份認(rèn)同的趣緣群體話語傳播策略——基于B站惡搞視頻評論區(qū)的文本分析 [J].當(dāng)代傳播，2020，215（06）.

[23]王宗炎.關(guān)于漢語表述中人稱量詞的選用 [J].新聞記者，2008，（10）.

[24]撒忠清，馮敬玉.英，漢思維與表征形態(tài)差異——析英、漢語言靜動表征態(tài)勢的哲學(xué)視角 [J].外語學(xué)刊， 2012，（04）.

[25]徐翔.新浪社會新聞傳播中的“情緒偏好”效應(yīng)與特征研究——基于新浪社會新聞的網(wǎng)絡(luò)挖掘與實證分析 [J].國際新聞界，2017，39（04）.

[26]張志安，聶鑫.互聯(lián)網(wǎng)語境下意識形態(tài)傳播的特點、挑戰(zhàn)和對策 [J].出版發(fā)行研究，2018，（09）.

[27]毛太田，蔣冠文，李勇，趙蓉，高凱. 新媒體時代下網(wǎng)絡(luò)熱點事件情感傳播特征研究 [J].情報科學(xué)，2019， 37（04）.

[28]祝興平，張微.微信爆文的情緒化表達(dá)與熱點公共事件的輿情傳播 [J].中國出版，2019，450（01）.

[29]Alexander Dyck，Luigi Zingales. 2003. The Media and Asset Prices [R].HBS and University of Chicago Working Paper.

[30]Charles Gaa，Murray Carlson，Jason Chen，Alex Edmans，Hernan Ortiz. 2008. Good News is no News：Asymmetric Inattention and the Neglected Firm Effect [R]. University of British Columbia Working Paper.

[31]Sang Ik Seok，Hoon Cho，Doojin Ryu. 2019. Firm-specific Investor Sentiment and the Stock Market Response to Earnings News [J].The North American Journal of Economics and Finance，48（2）.

[32]俞慶進(jìn)，張兵.投資者有限關(guān)注與股票收益——以百度指數(shù)作為關(guān)注度的一項實證研究 [J].金融研究，2012，（08）.

[33]趙欣月.投資者情緒波動影響因子研究 [J].金融發(fā)展研究，2018，（06）.

[34]汪昌云，武佳薇.媒體語氣、投資者情緒與IPO定價 [J].金融研究，2015，423（9）.

[35]Georgios Sermpinis，Charalampos Stasinakis，Rafael Rosillo，David de la Fuente. 2017. European Exchange Trading Funds Trading with Locally Weighted Support Vector Regression [J].European Journal of Operational Research， 258（1）.

Research on Sentiment Intensity Characteristics of Overnight Public Opinion and Stock Market Opening Returns

Li Hongyue1/Liu Tianji1/Xu Shaojun2

（1. Jilin University of Finance and Economics，Changchun? ?130117，Jilin，China;

2. Center for Quantitative Economics，Jilin University，Changchun? ?130012，Jilin，China）

Abstract：In this paper，we calculate the total number of posts，readings and comments posted in "stock bars" during trading hours and non-trading hours to obtain the relative sentiment intensity and opinion dissemination intensity indicators for intraday and overnight public opinion，and set up a threshold regression model to reveal the relationship between the relative sentiment intensity of overnight public opinion and stock opening returns. The empirical results show that there is a non-linear effect of the relative sentiment intensity of overnight public opinion on stock opening returns. When the relative sentiment intensity of overnight public opinion changes from absolute negative to absolute positive，its effect on opening returns goes through a process of "negative effect--mild negative effect--bad negative effect--significant positive effect". In addition，this paper demonstrates that the exact negative public opinion did not trigger market panic，but under the condition of unclear public opinion attitude，it tends to trigger traders' suspicion and cause opening yield collapse and selling behavior.

Key Words：overnight public opinion，relative sentiment intensity，asymmetric effect