網絡社交媒體與股市表現
——基于滬深創業板股票的實證研究

袁宜晨

(華南理工大學經濟與金融學院 廣東廣州 510006)

1 引言與文獻綜述

李倩等(2017)[1]發現，網絡大數據對資本市場具有重要的信息價值，網絡大數據中所反映的個體偏好和預期及其傳播和演化為市場信息反饋和投資者行為的研究提供了很好的實證數據；楊濤等(2019)[2]發現投資者對霧霾和PM2.5概念股的關注度的增加能拉升PM2.5概念股的股價。投資者對霧霾的關注度和PM2.5概念股的收益率顯著正相關。關注度的增加同時也提高PM2.5概念股交易的活躍程度以及PM2.5概念股漲停的可能性；孫書娜等(2018)[3]發現投資者關注會在短期內對市場價格形成壓力并使交易量劇增；劉海飛等(2017)[4]研究發現，微博信息質量與股價同步性有著顯著的高度負向線性關聯性；楊杰等(2016)從股價波動非同步性的角度進行了研究，發現媒體報道與股價波動非同步性存在顯著“U”型影響，認為新聞媒體扮演了信息提供者的角色[5]；王建新等(2005)對媒體關注度進行了分解， 發現媒體效應主要來自媒體關注度的未預期部分， 而未預期關注度的定價效應很大程度上是投資者異質信念在賣空限制下的定價效應及高關注度股票組合的弱勢表現[6]。

2 研究方法

GMM(Generalzed method of moments)估計又被稱作廣義矩估計，是一種約束模型的實際參數，使其滿足一定矩條件的參數估計方法，是傳統矩估計方法在一般化之后的產物。傳統的參數估計方法，如極大似然法、最小二乘法和工具變量法等在參數估計過程中都存在一定的局限性。其參數的估計量必須在滿足一些假設的情況下才有效，如模型的隨機誤差項必須滿足泊松分布或其他分布時，我們的估計量才是可靠有效的。但對于GMM估計方法來說，不需要知道隨機誤差項的準確信息，允許隨機誤差項中存在異方差或序列相關的情況發生，因此使用GMM得到的參數估計量會比使用其他方法更加有效。

在傳統的GMM方法中，常用的是差分GMM。差分GMM是通過將原方程做差分處理，使用變量滯后量作為工具變量。但這種GMM方法在差分時消除了非觀測截面個體效應及不隨時間變化的其他變量，且有時變量滯后階并非理想工具變量。而在差分GMM基礎上擴展得到的系統GMM方法，相當于聯立了差分方程與原水平方程，將差分方程的工具變量換成了變量滯后階，同時將差分變量的滯后階項當作水平方程的工具變量，這樣能在一定程度上解決弱工具變量的問題。綜上所述，我們最終將使用系統GMM估計對構建的動態面板數據模型進行估計。

3 實證研究

3.1 數據描述

對于投資者關注與情緒的衡量，學術界曾使用過百度指數、谷歌指數等搜索指數作為衡量投資者關注的指標。但這樣會存在一個問題：并不是所有搜索這一關鍵詞的用戶都是投資者，很有可能是作為消費者貢獻了搜索指數這一概念，這樣就會存在股票搜索指數不真實問題。因此筆者選擇的數據來源是各大專業性股吧、財經網站。因為只有投資者會進入這些網站進行發帖、閱讀、評論，這就保證了本文使用的指標是真正來源于投資者。

本文的實證分析期間是2019年5月11日(周六)—2019年11月8日(周五)，共計26周。本文的實證分析當中，拋棄傳統的以天為時間單位的做法而使用周為基本的時間單位來進行檢驗，將一周的周六設置為周單位的第一天。選擇以周為時間單位的原因在于大部分關于股票的帖子、新聞、公告都發生在非交易時間，尤其是周末這種休息時間，帖子的數目與評論閱讀量會激增。但由于處于非交易時間，并不能讓我們研究它對股市的影響，而且投資者在獲取信息之后會有一個對所獲取信息的緩沖期，再之后才會反映在股市表現中，所以適當的延長時間基本單元更加適合于本文的實證研究。

本文選用的衡量股票的指標為股票的收益率與換手率，其中收益率作為投資者最為關注的指標，具有很大的研究意義，換手率則衡量這一只股票在一段時間內的活躍程度，并且這兩個指標都選用更適合于分析的周后復權指標，并使用對數收益率。

本文采用的衡量投資者關注度的指標為數據來源股吧當中標題或內容中提到具體股票的占當天股吧社區全部帖子總量的比例。之所以沒有直接使用數量是因為本文認為使用比例可以消除社區帖子在某一特殊時間點信息量突然增大下，導致數據顯示誤以為關注度猛增的情況。衡量投資者情緒的指標來自平臺上的一項新聞情感指數的數據，他表示當天關聯新聞資訊的總體看法，分為看漲看跌與中性，我們使用這一項數據來衡量投資者情緒。影響投資者情緒的另一項數據為關于公告的數據，并將其分為重大利空、利空、中性、利好、重大利好五類，我們選擇將其情感分數分別評為-2、-1、0、1、2。在以周為時間單位的分析中，取用周平均收益率，周平均換手率，帖子的周平均比例，新聞情感指數之和，公告情感分數之和。并將周帖子比例與周新聞情感指數進行加一后取自然對數的操作，以獲得更為平穩的數據。

3.2 投資者關注、媒體關注與情緒對股票收益率的影響

總的來說，本文使用新聞熱度和情緒分數來衡量媒體關注與情緒，使用帖子比例來衡量投資者對股票的關注度，使用對數收益率。使用系統GMM方法對模型(1)進行回歸分析，回歸分析如表1所示。

表1 對股票收益率的回歸結果

通過回歸結果我們發現，前一周的對數收益率和前二周的對數收益率對股票的當期收益率有顯著的負向影響。在其他變量保持不變的情況下，一階滯后收益率每增加1%，當期收益率減少0.15%；二階滯后收益率每增加1%，當期收益率減少0.13%。我們可以看出，二期滯后收益率對當期收益率的影響小于一期滯后收益率，這是符合隨著時間的延長，影響力逐漸變小的認知的。此外，媒體對股票報道的新聞體現出的情緒熱度對股票的收益率具有在統計上顯著的正向影響，衡量投資者關注度的帖子比例對股票的收益率具有十分顯著的正向影響。但對于公告情感分數和新聞熱度而言，其對股票的收益率并未做出很大的統計貢獻。

3.3 投資者關注、媒體關注與情緒對股票換手率的影響

根據模型(2)，本文將因變量換為股票的周均換手率來探究股票換手率與投資者關注、媒體關注情緒之間的影響關系。我們同樣使用系統GMM估計方法來對模型(2)進行回歸分析，結果如表2所示。

表2 對股票換手率的回歸結果

從表2中的結果可以看出，前一期的換手率、當期帖子比例和當期新聞熱度指數都對當期的換手率有著十分顯著的正向影響，同樣前兩期的換手率對當期換手率也有著顯著的正向影響，但因為時間消退效應，影響并沒有前一期的換手率造成的影響大。與模型(1)的回歸結果類似，公告的情緒分數并不會對換手率造成很大的影響作用，同樣沒有顯著影響的變量還有新聞的情緒分數。

我們可以使用羊群效應來解釋幾項結果，當人們看到股票的換手率增大時，很容易跟隨其他投資者一起去對所持有的股票進行買賣行為，其中時間越相近影響將會越大，而這種羊群效應的傳播途徑便是股吧社區。投資者進行操作之后，在股吧當中分享自己的觀點，當其他投資者看到之后就會跟隨這一部分投資者進行操作，這也是為什么當帖子比例增大時，股票的換手率會顯著增長。而另一個原因是，通常換手率高的股票正處于活躍度較高的階段，這一階段的股票通常都是看漲的，投資者會更加關注形勢較好的股票，所以當投資者對這一股票的關注度增加時，股票的換手率通常會上升。

4 結語

本文以科創板塊系統抽取出的96只樣本股作為對象，基于通過優礦平臺提供的API獲取的股票行情數據與相關的社交媒體數據，使用建立的動態面板數據，詳細討論了投資者關注度、媒體關注度、媒體情緒對股票收益和流動性的影響，并研究了公司披露信息對股票的影響，得到的結論如下：

第一，投資者關注度與股票的收益率和流動性之間呈現高度的正向相關性，某一股票的高投資者關注度通常意味著這只股票具有不錯的收益率與流動性。

第二，媒體的關注度高低與股票的收益率之間的關系并不大，但是與股票流動性之間存在高度正相關。相反，媒體對股票的看跌看漲情緒與收益有著高度正相關，但并不會對流動性產生太大影響。

第三，公司披露的公告對股票產生的影響不大。

本文的創新之處在于，在數據選擇上使用的是來自各大專業性財經論壇與新聞網站的數據來衡量投資者關注度，這樣可以保證衡量的投資者關注度都是由投資者所貢獻的，而不是消費者之類貢獻的。這樣可以讓我們更加真實的反映投資者關注度指標。我們的數據來自各大股吧論壇的匯總，而不只是東方財富網或雪球等單一論壇，這樣可以讓我們的數據來源更加廣泛，更能代表市場上的廣大投資者。本文使用了更加可以衡量某一時期內關注度的帖子比例和新聞報道比例而不只是數量，因為在投資者一定的情況下，關于某一股票的新聞比例能夠更好地反映這一股票相對于市場獲得的關注度。我們還引進了新聞情緒這一變量，在衡量媒體關注的同時，分析新聞對股票的情緒指標，來更好地衡量新聞報道對股票的影響。