中美貿易事件新聞對中國股指收益率的影響基于ChatGPT情感分析策略

關鍵詞：中美貿易事件新聞股指收益率ChatGPT機器學習模型DOI：10.19592/j.cnki.scje.420543JEL分類號：C450，G140，G170 中圖分類號：TP391，F831文獻標識碼：A 文章編號：1000-6249（2025）07-119-17

一、引言與文獻綜述

2018年3月23日，美國總統特朗普宣布對中方600億美元進口商品加征關稅，中美貿易戰正式爆發。中美貿易戰擾亂了全球產業鏈配置，影響了全球貿易格局，給金融市場增添了更大的不確定性，在短期內造成了中國金融市場風險的上升（朱民，2019;方意等，2019）。持續的貿易爭端在總體上顯著抑制了中國制造業的比較優勢地位，加大了貿易政策的不確定性，而貿易政策不確定性的增加不僅會造成外部需求（出口）預期的下降，亦可通過財富效應導致內部需求的減少，影響企業利潤，進而對公司股價造成影響（李宏等，2020;冀志斌等，2021;朱民和徐鐘祥，2021）。中美貿易摩擦中發生的各類重要事件，都有可能通過直接或間接的方式在不同程度上引起整體股價、不同行業板塊的股價波動。上市公司的股票價格，是其未來一段時間的股票利息以及經營利潤的反映，中美貿易戰中受到制裁和打壓或是加征關稅范圍內的上市公司，其股價必然會受到影響。與此同時，中美貿易糾紛毫無疑問會影響對兩國的經濟走勢預期，波及投資者對整個資本市場的信心，從而引起大盤走勢和股票指數波動。

值得關注的是，中美經貿關系變化是一個起起伏伏的過程，其通過各類中美貿易事件新聞向股票市場傳導影響，這些貿易事件有可能是正面或負面的，且存在不同的來源和指向性，對中國股指收益率產生積極或消極的影響。盡管自2017年特朗普上臺以來直到2021年1月拜登接任美國總統，中美貿易關系波動頻繁，其間雖以“惡化”為主基調，但不乏緩和信號出現，例如2020年1月，中美兩國簽署象征中美貿易戰中止的第一階段經貿協議;2022年11月，中美元首在巴厘島會晤;2023年11月，中美元首在美國舊金山會晤等。正因為中美經貿關系的云謫波詭、難以預測，中美貿易事件類型多維且復雜，才為股票市場帶來了一系列不確定性，成為引起中國股指收益率變動的重要外部因素。2025年1月，特朗普政府帶著強勢對華貿易政策卷土重來，一系列貿易制裁和關稅政策將如何影響中國金融市場，影響中國股指收益率的波動值得探討。本文聚焦特朗普政府上一任期內的中美貿易摩擦事件，嘗試研究各類事件新聞對中國股指收益率的具體影響，并回答以下問題：首先，中美貿易事件新聞對哪些行業和上市公司的股指收益率影響更為顯著，傳統產業還是新興產業？大型企業還是中小企業？其次，哪些類型的中美貿易事件新聞對股指收益率的影響更為顯著，中國發起的還是美國發起的？負面事件還是正面事件？會談類事件還是政策類事件？研究這些問題，有助于深人認識外部事件沖擊對中國股票市場短期異常波動的影響;為相關行業和上市公司應如何應對中美貿易事件新聞帶來的股指異常波動提供更清晰的思路和策略；為股票市場投資者帶來有價值的投資決策依據。

根據上述研究問題，本文從新聞輿情對中國股票市場的影響、中美貿易事件新聞的選取和處理、股指數據和相關行業板塊選擇、中美貿易事件新聞對股票指數影響的量化研究方法幾個方面梳理現有文獻。

在新聞輿情對中國股票市場的影響上，一些研究將新聞輿情作為捕捉投資者情緒的來源并在此基礎上分析投資者情緒對股指收益率的影響。部分學者通過構建投資者情緒指數來研究投資者情緒和股指收益率之間的關系（孫凌蕓等，2017;林楓嬌，2022;顧紅梅和張嫚玲，2022；張飛鵬等，2024）。部分學者通過分析媒體報道傳達的信息對投資者情緒的引導來探究不同類型的新聞輿情對股指收益率的影響機制。新聞媒體是向投資者傳播信息的重要渠道，而投資者對媒體報道的正面信息和負面信息也會產生不同的反應，最終傳導到股票市場，影響股票價格。一般來講，媒體情緒可以被分為積極情緒、中性情緒和消極情緒。研究發現，媒體報道的正面信息和負面信息都與股票的超額收益呈顯著的相關關系，媒體報道的正面信息會吸引投資者購入股票，從而導致股票價格上漲并最終使投資者獲得超額收益，負面信息則會導致股票價格降低最終產生負的超額收益（ Wu and Lin，2017;Liu and Han，2020）。有學者進一步研究表明，在中國，媒體報道率高的股票的收益率低于沒有媒體報道的股票，沒有正面或負面消息的公司擁有顯著的超額收益，而擁有較多正面和負面新聞報道的公司沒有顯著的超額收益，且與正面新聞相比，負面新聞組合的溢價更大，而中性新聞對股票回報沒有影響。（Duetal.，2022）。

在中美貿易事件新聞的選擇和處理上，現有文獻大多使用新聞報道或網絡輿情作為中美貿易事件來源，且因事件具有離散性特點，關于貿易事件新聞對股票市場波動的研究多以事件研究法展開。從事件分類的角度來看，一部分學者研究少量關鍵事件對我國股票市場的影響（尹志超等，2020;陳奉功和張誼浩，2021;Egger and Zhu ，2020;干越倩和王佳希，2023），另一部分學者通過將中美貿易事件分為正向和負向事件，進一步研究不同方向的中美經貿政策變動影響我國股市波動的顯著性（朱民和徐鐘祥，2021;Chengying et al.，2022;Carlomagno and Albagli，2022）。上述研究雖有效驗證了中美貿易事件新聞能夠顯著引起股票市場波動，但無論是關注總體事件還是將事件分為正面與負面的研究，選用的事件數量均較少，且未細分事件類型和來源，在分類方法上多采用手工分類，未能實現自動化、智能化和精細化，處理結果存在較大主觀性。近年來，隨著人工智能技術特別是生成式人工智能在經濟學領域的廣泛應用，自然語言處理（NLP）技術被廣泛應用于非結構化文本數據的情緒提取中，分析財經新聞、財經評論、社交媒體等非結構化文本數據的情感極性（石善沖等，2018;孫少龍等，2022;方思然等，2023;黃旭和洪美玲，2024）。自然語言處理（NLP）技術還被用于處理貿易事件新聞的分類和情感分析問題，推斷中美貿易新聞的情感極性（Moreno-Pérez and Minozzo，2022）。一些學者進一步通過循環迭代prompt工程優化自然語言處理（NLP）技術的情感分析能力，提升其對中美貿易事件新聞的分類和情感分析效果（郭維等，2023）。

在股指數據和相關行業板塊選取中，現有研究已從多個角度分析了中美貿易事件新聞對股票市場的影響。部分文獻著眼于整體市場，研究了中美貿易事件對我國股票市場波動的顯著性，發現貿易摩擦事件會促使股市系統性風險加劇及穩定性水平下降（王霞，2019;李延雙等，2021）。部分文獻通過細分行業，分類別研究了不同行業板塊受中美貿易事件新聞的影響程度，并已證實紡織服裝、汽車零部件、能源、信息技術、運輸、建材、半導體及其生產設備等行業板塊會顯著受到中美貿易事件新聞影響（Ye et al.，2022;周玲玲等，2020;Shi et al.，2021;Park andLiu，2023）。對于個別板塊的分析，一些學者認為紡織服裝板塊較大程度上依賴于出口貿易，中美貿易摩擦普遍加大了中國紡織服裝行業的國際市場風險，增加了中國代表性紡織服裝上市公司的股價波動，處于產業鏈中下游生產階段的紡織服裝上市公司受到的沖擊相對較大（Yeetal.，2022）。汽車制造業部門作為全球價值鏈參與度較深的制造業部門，必然會受到貿易摩擦的影響。在不同政策情景下，美國加稅會導致中國汽車零部件行業產出與貿易水平均有所降低，影響行業利潤水平（周玲玲等，2020）。而能源、信息技術和半導體等行業作為中美貿易爭端的核心行業，其板塊波動受到的影響相對其他行業更為嚴重（Shi etal.，2021）。

對于中美貿易事件新聞對股票市場構成的具體影響，一些研究用股價預測模型來判斷中美貿易事件新聞發生是否引起股票異常收益，或是影響股指預測的準度。在預測模型的選擇方面，部分學者嘗試運用傳統的計量模型（如ARIMA、ARMA和GARCH等）擬合歷史股票數據中的波動性特征，從而判斷中美貿易事件新聞對股票波動的影響（尹志超等，2020;朱民和徐鐘祥，2021;Shi et al，2021;Chengying et al.，2022;Liu，2020）。但由于股票市場具有開放性和波動性特征，傳統的計量模型難以擬合錯綜復雜的數據結構，預測效果不佳。隨著人工智能模型的不斷發展，主流研究開始逐步運用機器學習模型來處理時間序列數據，嘗試從更多維度挖掘股票數據的特征（楊青和王晨蔚，2019;Siami-Namini et al.，2019;Pirani etal.，2022;韓迪等，2023）。上述研究表明，人工智能模型能夠更好地挖掘數據的隨機波動趨勢從而預測其未來走勢，相較于傳統的線性或非線性統計模型在高波動性數據中表現更優。

中美貿易事件新聞對股票市場的顯著影響已得到廣泛驗證，尤其在股指收益率預測及股票市場外部沖擊效應的研究中具有重要意義。然而，現有研究仍存在若干不足。首先，盡管一些文獻從新聞輿情角度分析了中美貿易事件對中國股票市場的影響，但多數研究未對貿易事件新聞進行細致分類，且未深入探討不同類型事件對股指收益率的具體影響，導致難以識別對股指收益率影響最大的事件類型，從而缺乏有效的政策和投資決策參考。其次，現有研究在股指數據選擇上存在局限，使用的數據來源較為單一，樣本覆蓋的廣度和深度不足，未能全面反映市場的真實情況。再次，早期研究多采用事件研究法進行簡單分析，探討中美貿易摩擦對股票市場的溢出效應，盡管事件研究法能夠提供一定的視角，但由于其固有局限，難以全面捕捉輿情對股市波動的深層次影響。最后，部分研究僅依賴單一股價預測模型或傳統計量模型判斷中美貿易事件新聞是否引起股票異常收益，或是中美貿易事件新聞對股指預測精度的影響。由于股指數據作為時間序列，具有隨機游走、噪聲大、統計特性不穩定等特點，且股票市場本身具備開放性和高波動性，單一的股價預測模型和傳統計量方法難以有效應對復雜的數據結構。近年來，人工智能技術的發展，事件分類處理技術的進步和預測模型的迭代，為中美貿易事件新聞對股指收益率的影響研究提供了新的工具和手段。

據此，本文將事件研究法與ChatGPT技術、機器學習預測模型結合，通過細分行業板塊進一步分析并驗證不同類型的中美貿易事件新聞對中國股指收益率的影響，研究發現：中美貿易事件新聞對各股指板塊的影響存在異質性特征，其中，新興行業的中小市值上市公司、耐用消費品和服裝行業受中美貿易事件新聞影響最大。同時，股指收益率波動對不同類型中美貿易事件新聞的敏感度也存在差異，大部分股指板塊受到中美雙方共同發起的會談類事件新聞影響最為顯著，三種事件來源對股指收益率的影響由強到弱排序為：中美共同發起的事件、美國發起的事件和中國發起的事件。本文可能的邊際貢獻如下：其一，結合ChatGPT情感分析策略與機器學習模型，研究中美貿易事件新聞對中國股指收益率的影響。在標簽構建中，ChatGPT能準確地分類中美貿易事件新聞并完成情感極性分析;在模型構建中，多個機器學習模型的結合，提高了針對股票波動率特征的時序預測性能。該方法充分利用了ChatGPT與機器學習模型在波動性時序預測中的優勢，從而增強了整體預測的準確性和穩健性。其二，將計量經濟學方法與人工智能技術結合，研究了大量具有代表性的、不同類型的中美貿易事件新聞對中國股指收益率的多重影響。一方面，基于計量方法的顯著性檢驗找出了受中美貿易事件新聞影響最大的行業板塊;另一方面，基于機器學習預測結果找出了對股指收益率影響最大的貿易事件類型，進而探析了中美貿易事件新聞對中國股指收益率短期異常波動的綜合影響、不同類型中美貿易事件新聞與股指波動的相關性，以及特定類型中美貿易事件新聞對不同板塊股指影響的異質性。

本文剩余部分安排為：第二部分為中美貿易事件新聞對中國股指收益率的傳導機制，第三部分為研究設計，第四部分為實證結果分析，第五部分為結論與政策啟示。

二、中美貿易事件新聞對中國股指收益率的傳導機制

中美貿易關系演變過程中，雙方圍繞關稅政策、產業限制和外交溝通等領域頻繁交鋒，對中國股票市場的影響是顯而易見的。各類負面和正面事件均可通過影響相關企業和行業的經營成本與利潤、影響匯率波動及外匯計價結算、影響貨幣政策等渠道傳導到股票市場，引發股指收益率波動。在短期中，由于投資者是有限理性的，存在典型的\"頭條效應\"（Headline Effect），對中美貿易事件往往表現出過度反應，形成短期市場超調。而新聞，是中美貿易事件向金融市場傳播的載體，也是投資者獲取信息的最重要來源，因此中美貿易事件新聞是影響中國股票市場的重要因素，其通過投資者情緒傳導到股指收益率的波動中。值得注意的是，在現實中，這樣的傳導機制是復雜且多維的，可以分為直接和間接兩種情況，與具體中美貿易事件的類型、貿易事件的發起國、貿易事件的情感極性有著密切關聯，具體傳導機制如圖1所示。

圖1中美貿易事件新聞對中國股指收益率的傳導機制

（一）直接傳導機制

某些類型的中美貿易事件新聞會引導投資者對整個股票市場的期望和信心，較為直接地通過投資者情緒對股指收益率產生影響，這些事件通常是象征著中美貿易關系重大改變的特定事件。當象征中美經貿關系緩和的事件發生時，會誘發投資者的積極情緒，而當象征中美貿易關系惡化的事件發生時，將加劇投資者的悲觀情緒。這種情緒的蔓延將會對股指收益率造成沖擊，同時又反向影響投資者，構成一種循環。例如，當中美兩國就貿易問題達成階段性協議，或中美兩國元首會晤等重大的正面貿易新聞發生時，股票市場通常會因正面的投資者情緒而產生積極反饋，具體表現為股指大面積上漲。這種情況下，中美貿易事件新聞通過投資者情緒向中國股指收益率傳導的機制是相對直接、快速且覆蓋面廣的，與個別股指板塊的關聯度較低。

（二）間接傳導機制

由于中美貿易事件的類型繁多，包括中國發起、美國發起、中美共同發起的事件，會談類和政策類事件，正面和負面事件，各類事件涉及的行業和上市公司不同、強度與方向不同，因此大部分中美貿易事件新聞通過投資者情緒對中國股指收益率的傳導機制是間接且復雜的。所謂間接，指的是，中美貿易事件的發生將對中國經濟產生多重影響，這種對未來影響的預期通過投資者情緒影響中國股指收益率的短期波動。例如，美國對某種中國出口產品進行關稅加征、對某類中國企業進行制裁等事件新聞發生時，這些事件主要通過預期來間接引導股指短期波動，而預期包括對相關企業和行業經營成本與利潤影響的預期、對匯率波動的預期以及對貨幣政策調整的預期，換言之，現實中雖并未發生以上結果（需要在長期中驗證），但僅僅是預期也能通過投資者情緒引起中國股指的短期波動。以下文提到的中美貿易事件新聞對相關上市公司和行業的經營成本與利潤、匯率波動與外匯計價結算以及貨幣政策的影響為例。

當中美貿易事件新聞涉及加征關稅或制裁企業一類負面信息時，市場預期此類事件將會影響相關上市公司及行業未來的經營成本和利潤，從而引起投資者的悲觀情緒，影響投資者對相關上市公司和行業的估值，造成股指收益率下跌，甚至還會引起這些上市公司供應鏈中的其他上市公司和行業的股價、板塊股指收益率的聯動效應。

當中美貿易事件新聞涉及匯率問題時，市場預期人民幣兌美元匯率將會發生波動。由于大部分外貿業務采用美元作為計價與結算貨幣，因此一些國內上市公司尤其是外貿型上市公司、涉及海外業務和原材料進出口等業務的上市公司都會受到匯率波動的影響，具體影響體現在兩方面。首先，人民幣對美元升值或貶值會導致出口產品和進口產品價格變化，對不同類型的上市公司構成不同程度的影響，這種影響有可能是正面也可能是負面的。其次，在中美經貿關系不穩定的影響下，涉及外匯計價和結算的上市公司都會在短期匯率大幅度波動下承受較大的匯率風險，包括交易風險、折算風險（會計風險）和經濟風險（經營風險），企業面臨的出口風險口不斷增大。由于預期到以上影響，盡管匯率波動尚未實際發生，投資者也會根據自己的判斷進行投資策略的調整，進而引發不同板塊股指收益率的短期波動。

同時，中美貿易事件新聞還可能通過影響貨幣政策對中國股票市場產生影響。在中美貿易事件影響下，中國貨幣當局有可能進行相應的貨幣政策調整，已有研究證明，貨幣政策的不確定性與股票市場收益率之間存在關聯性（潘長春和王偉強，2022），且貨幣政策的沖擊將會引起投資者情緒變化，較大或持續的貨幣政策改變會顯著影響投資者情緒，進而影響股價波動（溫興春，2017）。作為世界最大的兩個經濟體，中美經貿關系持續惡化不僅影響中美兩國的經濟發展預期，還導致全球經濟預期悲觀。在國內經濟衰退預期背景下，央行多次通過\"定向降準”“逆回購\"和\"降息\"等方式向市場釋放流動性，這無疑會給股票市場帶來影響。投資者預期到中美貿易事件所可能引發的貨幣政策調整，將會同步調整投資行為，從而對股指收益率短期波動構成影響。

中美貿易事件新聞通過投資者情緒對中國股指收益率進行傳導，無論是直接還是間接傳導，均與貿易事件的類型有重要關聯。以上分析不僅厘清了中美貿易事件新聞、投資者情緒和股指收益率短期波動的內在聯系，同時也論證了中美貿易事件新聞在股指收益率波動中的重要性。然而，在中美貿易戰過程中，不同類型的貿易事件（包括由美國發起、中國發起和兩國共同發起的，正面和負面的，政策類和會談類的），對中國股指收益率存在怎樣的異質性影響？同一類型的中美貿易事件新聞對哪些行業板塊的影響更為顯著？以上問題需要通過進一步定量分析方能做出回答。

三、研究設計

（一）數據來源與樣本區間

1.股指數據

考慮到樣本的覆蓋范圍與區分度，本文分別選取了上證綜合指數、創業板指數以及中證1000指數作為綜合指數數據。此外，基于已有研究選取了十個可能受到中美貿易摩擦影響的不同二級行業板塊指數，包括技術與硬件、耐用消費品與服裝、能源、軟件與服務、醫療保健設備與服務、信息技術、汽車零部件、運輸、建材、半導體及半導體生產設備（Ye et al.，2022;周玲玲等，2020;Shi etal.，2021;Park and Liu，2023）。股指相關數據均來自萬得數據庫（www.wind.com.cn），股指收益率則根據公式（1）計算得出。

其中， R_i（t） 為股指收益率， ?_Xi（t） 和 x_i（t-1） 分別為當日收盤指數和上一交易日收盤指數。

2.樣本區間

本文樣本區間為2017年1月1日至2019年12月31日。樣本選擇2017年1月1日作為起點的原因是特朗普于2017年1月就職美國總統后，美國不斷調整對華經濟與貿易政策，中美貿易摩擦頻發，中美經貿關系陷入動蕩局面。同時，為剔除疫情影響帶來的干擾，本文將2019年12月31日作為樣本終點。

（二）研究方法

本文結合事件研究法、ChatGPT情感分析策略和機器學習預測模型展開研究。具體包括四個研究環節：中美貿易事件新聞數據收集與處理、中美貿易事件新聞標簽構建、股指收益率顯著性檢驗、通過機器學習模型驗證不同類型事件新聞對股指收益率的影響。研究框架如圖2所示。

圖2研究框架圖

1.基于事件研究法的中美貿易事件收集與處理

本文通過Python的OpenAI庫和BeautifulSoup庫構建爬蟲模型，收集中美貿易事件新聞，事件來源為美國貿易代表辦公室網站、中國財政部官網、中國商務部官網、新華網、央視網、環球網、百度等渠道。為了便于后續分析，本文剔除了重復或無關的事件新聞，并進一步篩選出重大中美貿易事件新聞共127件，隨后根據事件研究法設定事件窗口、進行事件合并后得到110個事件期，具體處理方法如下：

（1）定義事件。

本文將事件定義為中美官方層面正式的、公開的中美貿易事件，包括由中方、美方和中美雙方發起的貿易事件，會談類和政策類事件，以及根據中美貿易對中國的影響劃分的正面和負面事件。

（2）定義事件窗口。

定義事件窗口的目的是分析中美貿易事件發生前后股指收益率的變化，因此事件窗口的長短成為研究特定事件對股指收益率影響的關鍵因素。事件窗口過短可能會因中美貿易事件的時滯性而導致結果偏誤，過長則容易出現事件疊加的情況，從而難以分析獨立中美貿易事件對股指收益率的影響。參考Guo andChen（2023）對事件窗口的定義，本文使用中美貿易事件前后2個交易日作為事件窗口長度，用來評估事件前后股指收益率的變化情況。

（3）事件合并。

根據事件窗口定義，本文需要對樣本期間127個中美貿易事件進行合并整理。首先，合并發生時間重合的中美貿易事件。中美貿易事件可能在發生時間上出現重復，從而影響對同時期股指收益率估計的準確性，本文將同一事件窗口內的多個事件進行合并使之成為復合事件。其次，合并在節假日內發生的中美貿易事件。該類事件雖并未發生時間上的重復，但因評估時采用節假日前后的股指收益率變化來反映指數的波動程度，因此需要將節假日期間發生的多個事件合并以考慮綜合影響效果。對中美貿易事件進行分類標簽構建時，以合并事件中對股指收益率影響最顯著的事件為準。合并后得到事件期共110個。

2.基于ChatGPT情感分析的中美貿易事件新聞標簽構建

驗證不同中美貿易事件新聞對股指收益率影響的顯著性，首先需要對中美貿易事件新聞進行分類和統計。本文使用ChatGPT構建分類統計標簽并完成該項工作。雖然ChatGPT已被證實能夠在未經調整的情況下直接用于自然語言處理，且在新聞的情感分析中表現優于其他文本分析方法（Lopez-Lira and Tang，2023），但在具體實施過程中還存在以下問題：首先，盡管ChatGPT已具備初步的邏輯判斷能力，但未經調整的ChatGPT難以準確識別任務需求，使其輸出結果不穩定。如輸入“判斷這句話的情緒是正面、負面還是中性：中美迎來首次全面經濟對話”，ChatGPT可能會僅在回復中解釋新聞內容，無法直接給出情感極性標簽（正面，負面，中性）。其次，ChatGPT雖已使用大規模語料庫進行訓練，但其語料庫所包括的金融知識不夠專業與全面，難以實現中美貿易事件新聞的準確分類。

針對上述問題，本文使用基于人類反饋的強化學習方法，通過循環迭代prompt優化ChatGPT的分類統計能力。具體做法如下：首先，細化步驟，將分類任務拆分為數個子任務，令模型按照設定的步驟完成任務，并通過合理使用分隔符，使模型提高任務理解能力。其次，設置驗證集驗證分類結果，加入限制條件，優化模型分類統計能力。最后，設置回答實例，使模型能夠格式化輸出分類結果。

綜上，本文運用ChatGPT，根據中美貿易事件新聞來源、事件類型和事件情感極性對中美貿易事件新聞進行了分類統計（具體流程見表1），構建了中國、美國、中美、會談、政策、正面、負面和合并（全部事件）八種離散類中美貿易事件新聞標簽，結果如表2所示。

表1ChatGPT分類統計策略偽代碼

表2中美貿易事件新聞分類及其次數

3.基于事件研究法的中美貿易事件新聞對股指收益率的影響顯著性判斷

完成數據收集、處理與分類后，本文按照事件研究法使用配對樣本t檢驗進一步篩選受影響顯著的股票指數。配對樣本t檢驗是用于檢驗配對設計實驗中成對定量數據是否存在差異性的統計方法，可用于檢驗某類中美貿易事件新聞發生前后股指收益率是否會出現明顯波動。本文以中美貿易事件新聞發生前后各兩日的平均股指收益率進行配對樣本t檢驗，以驗證中美貿易事件新聞對綜合指數以及相關行業板塊指數收益率的影響，進而篩選出受影響顯著的股票指數。

4.機器學習模型的選擇與評價指標

基于事件研究法找出受到顯著影響的綜合指數與行業板塊指數后，本文將ChatGPT構造的多種類型的中美貿易事件新聞標簽加入不同機器學習模型中，對各個股指收益率展開預測。通過量化加入各類中美貿易事件新聞標簽后模型預測結果的改進程度，判斷不同類型的中美貿易事件新聞對各個股指收益率的影響程度。

（1）模型選擇、損失函數與參數調優。

為了更全面地驗證中美貿易事件新聞對不同股指收益率的影響，本文選取了三個被廣泛應用于金融時間序列預測的模型：RNN、LSTM和LSTM-Attention展開預測實驗。

RNN能夠將時間序列數據按照序列方向進行遞歸，通過為前面的信息賦予權重并應用于當前輸出的計算，使其擁有類似于人的認知能力，被廣泛應用于時間序列預測。本文使用RNN逐步遞歸獲取全局信息并捕捉數據中的依賴關系，以此預測股指收益率的未來走勢。每層RNN計算公式如下：

y_t=softmax（W_hyh_t+b_y）

其中， X_t 代表當前時刻輸入， y_t 代表當前時刻輸出， h_t 和 h_（t-1） 分別代表當前時刻和上一時刻的隱藏狀態， W_sinh，W_hh 和 W_hy 分別代表該層輸入、隱藏狀態和輸出的權重參數， b_h 和 b_y 代表偏置項，tanh和softmax為激活函數。

LSTM是一種特殊的RNN，引入了記憶細胞、輸入門、輸出門和遺忘門的概念，可以在一定程度上解決長序列訓練過程中的梯度消失和梯度爆炸問題。相比于RNN，LSTM在較長的時間序列中表現更優。本文使用LSTM學習并保存輸入特征，進而擬合股指收益率走勢并展開預測，LSTM的計算公式如下：

h_t=o_t×tanh（c_t）

其中， i_t，f_t 和 o_t 分別對應輸入門、遺忘門和輸出門的狀態， 和 c_t 分別為候選細胞狀態和當前時刻的細胞狀態， h_t 和 h_t-1 分別為當前時刻和前一時刻的隱藏狀態， W_i，W_f，W_o 和 W_c 為權重參數， b_i，b_f，b_o 和 b_c 為偏置項， σ_σσσ 和tanh為激活函數。

隨著Transformer架構的提出，其模型核心注意力機制已被廣泛應用于時間序列預測。注意力機制可以通過對重要的信息賦予較高的權重，從而提高信息的利用程度以解決特征識別能力較差的問題，進而提高模型的預測效果。本文將注意力機制融入LSTM構建LSTM-Attention模型，通過自動學習并關注最相關的信息，以此進行股指收益率預測。注意力機制的計算公式如下：

其中，查詢Q、鍵K和值V為將LSTM模型提取的特征矩陣初始化后獲得的三個向量， 為縮放因子，用于在高維空間中防止內積過大導致梯度消失。

同時，為了進一步提高上述三個模型的擬合能力，本文使用Adam優化器進行訓練。此外，由于無參數、計算成本低和具有明確物理意義等優點，本文選用MSE作為損失函數（如公式11所示），并采用tune框架對模型進行超參數調優①，以此更新模型參數來提高模型的魯棒性。

其中，y為預測值， y_t 為訓練集真實值， n 為訓練集樣本數量，t為數據標號。

（2）評價指標。

為了客觀且準確地評價模型的預測性能，本文采用在機器學習領域中針對回歸問題常用的平均絕對百分比誤差（Mean Absolute Percentage Error，MAPE）作為評價指標。同時，基于MAPE，計算了加人不同類型中美貿易事件新聞標簽的模型（Trade）相較于無標簽模型（None）的“相對改進程度”（Relative Improvement，RI），以直觀展示不同類型的中美貿易事件新聞影響股指收益率的顯著性。其中，加人不同中美貿易事件新聞標簽后的MAPE值若小于無標簽的MAPE值，則代表中美貿易事件新聞會顯著引起股指收益率波動，RI值越大，代表該類事件影響股指收益率顯著性的程度越高。

其中，y為預測值， y_t 為驗證集真實值， Π_n 為驗證集樣本數量，t為數據標號。

四、實證結果分析

（一）基于配對樣本t檢驗的中美貿易事件新聞顯著性分析

本文首先基于三個綜合指數，將代表全部新聞的“合并類\"事件發生前后各兩日的平均股指收益率進行配對樣本t檢驗，以驗證中美貿易事件新聞對中國股市的整體影響。隨后采用同樣的方法分別對十個二級行業指數進行配對樣本t檢驗，以此驗證中美貿易事件對不同行業板塊的影響。

對比表3列示的十三組配對t檢驗結果，可以發現，中美貿易事件新聞對綜合指數中的中證1000指數的收益率，以及行業板塊指數中技術與硬件、耐用消費品與服裝、軟件與服務、醫療保健設備與服務、信息技術五個指數的收益率有顯著影響，其中對耐用消費品與服裝的影響最為顯著。結果表明不同綜合指數和不同行業板塊指數收益率受到中美貿易事件新聞影響的顯著性存在差異：對于三個綜合指數，上證綜合指數反映了上海證券交易所所有上市股票的價格變動情況，創業板指數反映了深圳證券交易所創業板中市值最大、流動性最好的上市公司的運行情況，而中證1000指數則綜合反映滬深證券市場內中小市值上市公司的整體狀況，尤其偏重代表技術創新和需求轉型升級的高新技術中小企業。結果表明，中證1000指數收益率受到中美貿易事件新聞的影響顯著，這說明中美貿易事件新聞對我國中小企業造成較大影響。對于行業板塊指數，十個行業板塊指數收益率中有五個受到中美貿易事件新聞的顯著影響，這表明中美貿易事件新聞對中國股票市場的影響存在異質性和非對稱性特征。由此，本文基于配對樣本t檢驗的結果，選用受到中美貿易事件新聞的影響顯著的六個指數，嘗試進一步驗證不同類型的中美貿易事件新聞對各個股指收益率的影響程度。

表3中美貿易事件新聞對中國各類股指收益率的影響

注：**、*分別表示在 5% 10% 的顯著性水平上顯著。

（二）基于機器學習模型的中美貿易事件新聞有效性檢驗

本文使用機器學習模型進一步驗證并分析不同類型的中美貿易事件新聞對各個股指收益率的影響程度，以此檢驗事件有效性。數據集 70% 的數據作為訓練集， 30% 的數據作為驗證集，以此平衡數據的使用和預測性能的評估，同時將時間步設置為1，以此預測一天后的股指收益率。首先，將“合并類\"標簽加入中證1000指數及5個行業板塊的股指收益率預測模型中，并將相應的預測結果與無標簽的預測結果進行對比，以驗證整體中美貿易事件新聞對中證1000指數及5個行業板塊的影響是否顯著。檢驗結果如表4所示，可以發現將“合并類\"標簽加入預測模型后，各個指數對應的MAPE值均優于未加入中美貿易事件新聞的MAPE值，且RI值至少為 4.2326% ，證明中美貿易事件新聞發生均會引起股指收益率波動。

表4中美貿易事件新聞對不同行業板塊的影響

注：AVG_MAPE （%） 為三個基準模型的MAPE均值，相對改進程度RI最優值加粗標注，次優值下劃線標注。

此外，本文通過比較加入其余類型事件新聞后RI值的大小，對比相關中美貿易事件新聞對相應行業板塊指數收益率的影響程度，檢驗結果見圖3。圖3中的小圖直觀地展示了單個行業板塊指數收益率受不同類型的中美貿易事件新聞的影響程度，其橫坐標為加人不同中美貿易事件新聞標簽后對應的RI值，縱坐標為按照RI值的大小從高到低進行排序的中美貿易事件新聞標簽。結果表明，對于中證1000指數、軟件與服務指數、技術與硬件指數、信息技術指數和醫療保健設備與服務指數而言，中美來源事件和會談類事件構成的影響最為顯著;而對于耐用消費品與服裝指數而言，美國來源事件與負面事件構成的影響最為顯著。

圖3不同類型的中美貿易事件新聞對各行業板塊的影響程度

上述檢驗結果進一步驗證，中美貿易事件新聞對各行業板塊股指收益率的影響存在異質性和非對稱性特征。首先，不同行業受到中美貿易事件的沖擊程度存在差異。其次，不同類型事件的影響效果也存在較大差異。其一，除耐用消費品與服裝指數外，其余指數的收益率受中美雙方和中方發起的事件影響較美方發起的事件更為顯著;其二，負面事件較正面事件的影響更為顯著;其三，中美雙方共同發起的事件影響較其他來源事件更為顯著，會談類事件較政策類事件的影響更為顯著。本文為此提供了解釋：（1）耐用消費品與服裝行業指數收益率受美方發起的事件新聞影響最為顯著。可能的原因是，耐用消費品作為長期以來中國對外出口結構的重要組成部分，對美出口依賴度較高，其股指更容易在美方事件實質性打擊和市場悲觀情緒的共振下引發大幅波動。（2）負面事件較正面事件的影響更為顯著。可能的原因是，在負面事件中利空中國企業的事件（美國對中國加征關稅、對中國企業進行限制）占全部負面事件數的 50% ，而正面事件中利好中國企業的事件（美國對中國放寬關稅政策、暫停對中國企業的限制）僅占全部正面事件的 23% ，且負面事件通常性質更為嚴重，因此行業板塊指數收益率對于負面事件的發生更加敏感。（3）中美雙方共同發起的事件影響較其他來源事件更為顯著，會談類事件較政策類事件的影響更為顯著。由于中美雙方共同發起的事件多為元首會晤或和談，與會談類事件重合度較高，因此這兩個結果可以合并解釋。自2017年中美陷人貿易戰以來，兩國經貿關系持續惡化，市場對于中美貿易摩擦這個外部沖擊的判斷總體上是負面的，因此每當出現中美雙方共同發起的會談類事件，尤其是簽署階段性協議或破冰會唔等重大事件，就會對股票市場產生逆轉式的影響。

五、結論與政策啟示

本文結合事件研究法、ChatGPT情感分析策略和機器學習預測模型研究中美貿易事件新聞對中國股指收益率的影響，研究發現：首先，中美貿易事件類型多維且復雜，為股票市場波動帶來了一系列不確定性，成為引起中國股指收益率短期波動的重要外部因素。中美貿易事件新聞通過投資者情緒傳導到股指收益率的波動中，其傳導機制可以分為直接和間接兩種，傳導效果與具體中美貿易事件新聞的類型、貿易事件新聞的發起國、貿易事件新聞的情感極性有著密切關聯。其次，中美貿易事件新聞對綜合指數及各行業板塊股指收益率的影響存在異質性特征。中美貿易事件新聞對中證1000指數以及技術與硬件、耐用消費品與服裝、軟件與服務、醫療保健設備與服務、信息技術五個行業板塊指數收益率存在顯著影響，其中對耐用消費品與服裝的影響最為顯著。此結果表明，新興行業的中小市值上市公司、耐用消費品和服裝行業受中美貿易事件新聞影響最大。最后，股指收益率波動對不同類型中美貿易事件新聞的敏感度也存在差異。從事件類型的角度，大部分股指板塊受到中美雙方共同發起的會談類事件新聞影響最為顯著，表明中國股票市場對中美貿易關系中的利好事件較為敏感，而耐用消費品與服裝板塊指數受來自美國的負面政策類事件新聞影響最大，是研究中唯一對利空事件更為敏感的板塊;從事件來源的角度，三種來源對股指收益率的影響由強到弱排序為：中美共同發起的事件、美國發起的事件、中國發起的事件。

本文研究帶來如下啟示：首先，對于市場投資者而言。上市公司的股價波動往往受到除了企業基本面因素之外的外部因素影響，投資者應理性和全面地看待中美貿易事件新聞對股票市場短期波動的沖擊，以及其對股指收益率的直接和間接傳導機制；同時，應關注中美共同發起的會談類事件新聞和部分負面新聞（例如貿易制裁、提升關稅等）對特定行業板塊股指收益率波動帶來的短期影響，及時調整投資策略，減少投資損失，在長期中，應更關注上市公司的基本面要素。

其次，對于上市公司而言。受到中美貿易事件新聞影響最為顯著的是技術與硬件、軟件與服務、醫療保健設備與服務、信息技術類高新技術上市公司，尤其是中小市值的高新技術上市公司，這些公司應更關注中美經貿關系中的正面新聞，例如兩國元首會晤、雙方簽訂協議等帶來的影響，此類利好新聞通常有助于強化市場信心，對上市公司的股價帶來正面效應。而傳統產業中的耐用消費品與服裝行業應更關注中美貿易摩擦中的負面新聞，例如關稅政策、企業制裁政策等，同時應加快通過調整市場定位和產品轉型來降低美國打壓帶來的沖擊，穩固市場信心，穩定股價。

最后，對政府而言。一方面需要引導受影響行業和上市公司積極應對中美貿易事件新聞帶來的沖擊，指導高新技術產業和一些傳統產業通過調整市場定位、產品轉型升級、深耕國內市場和開拓新的海外市場來弱化對美國的市場依賴和技術依賴程度;另一方面，應盡可能降低中美貿易關系對中國企業以及股票市場帶來的負面沖擊，及時穩定市場信心，減少恐慌情緒。

參考文獻

陳奉功、張誼浩，2021，“貿易摩擦、摩擦關注與股市短期溢出效應”，《國際經貿探索》，第4期，第64-80頁。方思然、郭明君、魏云捷，2023，“加人輿情信息是否可以有效提高匯率預測效果？”，《計量經濟學報》第2期，第464-486頁。方意、和文佳、荊中博，2019，“中美貿易摩擦對中國金融市場的溢出效應研究”，《財貿經濟》，第6期，第55-69頁。干越倩、王佳希，2023，“美國對華出口管制對中國企業創新的影響與應對——基于全球創新網絡的視角”，《南方經濟》，第9

140-160頁。

顧洪梅、張嫚玲，2022，“新聞情緒風險與股票收益”，《中央財經大學學報》，第7期，第37-47頁。

郭維、韓迪、汪勃澄，2023，“ChatGPT情感感知策略識別下的貿易新聞及其人民幣匯率短期波動效應研究”，《金融經濟學研究》，第5期，第160-174頁。

韓迪、郭維、廖凱、孫傳一、汪勃澄、林坤玲，2023，“基于TBA融合模型的股票指數預測”，《深圳大學學報（理工版）》，第6期，第665-

673頁。

黃旭、洪美玲，2024，“生成式人工智能助力數字經濟高質量發展的影響機制與提升路徑”，《南方經濟》，第8期，第23-44頁。

冀志斌、葉耐德、陳妍，2021，“貿易政策不確定性與中國制造業實體投資”，《國際金融研究》，第9期，第3-13頁。

李宏、吳東松、曹清峰，2020，“中美貿易摩擦對中國制造業全球價值鏈分工地位的影響”，《財貿研究》，第7期，第50-60頁。

李延雙、莊新田、王健、宮曉莉，2021，“中美貿易摩擦對中國滬深股市行業板塊的影響”，《管理科學學報》，第10期，第34-57頁。

林楓嬌，2022，“投資者情緒與股票收益關系研究——基于隔夜收益率”，《投資研究》，第11期，第137-159頁。

潘長春、王偉強，2022，“經濟政策不確定性與股票市場波動性之間的跨類及跨國關聯：來自中美兩國的經驗證據”，《世界經；

究》，第11期，第 89-105+136-137 頁。

石善沖、朱穎楠、趙志剛、康凱立、熊熊，2018，“基于微信文本挖掘的投資者情緒與股票市場表現”，《系統工程理論與實踐》，第6期，第1404-1412頁。

孫凌蕓、張金林，2017，“投資者情緒與股票市場收益的相關性研究——基于多重分形分析方法”，《金融評論》，第5期，第92-102+126頁。孫少龍、魏云捷、黎建強，2022，“基于在線外匯新聞情感挖掘的匯率預測研究”，《計量經濟學報》，第2期，第441-464頁。王霞，2019，“中美貿易摩擦對全球制造業格局的影響研究”，《數量經濟技術經濟研究》，第6期，第22-40頁。溫興春，2017，“投資者情緒變化、貨幣政策調整對股市漲跌周期的影響——基于異質性預期的股市DSGE模型”，《中央財經大學學報》，第8期，第 23-36+46 頁。

楊青、王晨蔚，2019，“基于深度學習LSTM神經網絡的全球股票指數預測研究”，《統計研究》，第3期，第65-77頁。

尹志超、路慧澤、潘北嘯，2020，“中美貿易戰對中國股市的影響——基于事件研究法的分析”，《管理學刊》，第1期，第18-28頁。

張飛鵬、徐一雄、陳曦、周勇，2024，“基于新聞文本情緒的區間值股票回報預測研究”，《計量經濟學報》，第1期，第204-230頁。

周玲玲、張恪渝、馮晟昊，2020，“中美貿易摩擦對我國汽車零部件產業的影響評估”，《國際經貿探索》，第5期，第4-15頁。

朱民，2019，“美國對貿易伙伴加征關稅，全球金融市場波動加劇”，《國際金融研究》，第1期，第5-6頁。

朱民、徐鐘祥，2021，“中美貿易摩擦對中國股票市場的影響”，《國際金融研究》，第4期，第3-12頁。

Carlomagno，G.andlbagli，E.，2O22，“TradeWarsandAssetPrices”，JournalofIternationalMoneyandFnance，24：102631.

Chengying，H.，Rui，C.andYing，L.2O22，“US-China TradeWarandChina'sStockMarket：AnEvent-DrivenAnalysis”，Economicresearch-Ekonomska Istrazivanja，35（1）： 3277-3290.

Du，H.Hao，Je，F.ni，W2“MedtdossaltocRusinseockket”ternational Business and Finance，6O：101590.

Egger，P.H.andZhu，J2020，“TheUS-Chinese TradeWar：AnEventStudyofStock-MarketResponses”，EconomicPolicy5（103）：519-559.

Guo，W.andChen，Z.，2023，“China-USEconomicandTradeRelations，TradeNews，andShort-termFuctuationoftheRMBExchangeRate\".Review of International Economics，31（1）： 180-203.

Liu，K.，2020，“TeEetsfeCinaUdeWaruring-9onteCeseEooy：AnIiialsessent\"，EocdPolitical Studies， 8（4）： 462-481.

Liu，S.andHan，J.，“MediaoneandExpectedStockReturs”，teratinalReviewofFinancialAnalyis，70：2.

Lopez-Lira，A.andTang，Y.，2O23，“CanChatGPTForecast Stock Price Movements？ReturnPredictabilityandLarge Language Models\"，arXiv preprint，arXiv： 2304.07619.

Moreno-Perez，Cndoo2“Naturalangagerocingndnacialarkets：upseddellngofiand Economic News\"，Banco de Espana WorkingPaper，No.2228.

Park，D.J.andL，S“ASudothcooicEfesofUExportCotrosoSemicoductorstoina\"，JoualfaialTradeamp; Commerce，19（1）：129-142.

Pirani，M.，Thakar，P.，Jivrani，.Bohara，M.H.andGarg，D.，022，“AComparativeAnalysisofARIMA，GRU，LSTandBioF-nancialTimeeriesForecasting\"，O2IEEEInternationalConferenceonDistributedComputingandElectricalCreuitsadElectroics， IEEE，1-6.

Shi，Y.，Wang，L.andKe，J.，2021，“DoestheUS-ChinaTadeWarAfectComovementsBetweeUSandChineseStockMarkets？，Research in International Business and Finance，58：101477.

Siami-Namini，S.，vakoli，.ndamin，.S.19，“omparativeAalysisofFreastingFnacialTeeriesUsing，，and BiLSTM\"，arXiv preprint，arXiv： 1911.09512.

Wu，C.H.andLinCJ7“ThpactofediaCoveragostorradingBehvirStocReus，acifcsinJounal， 43： 151-172.

Ye，M.Shen，JGsonE.e，C..ndLi2“TIpacofSiUTradeFctioeefoanefina'ileApparel Industry\"，International Finance，25（2）：151-166.

TheImpact ofChina-U.S.Trade Event News on China's Stock Index Returns： Based on ChatGPT Sentiment Analysis Strategy

Guo Wei Wang Bocheng Han Di

Abstract：China-U.S.tradeeventnewsconstitutesacriticalexternalfactorinfluencingthevolatilityofChina'sstockmarket. IttransmitsdirectlyorindirectlytotheChinesemarketthroughinvestorsentiment.Accurateasessmentoftheimpactofvar ous typesofU.S.-ChinatradenewsonChina'sstockindexvolatilityisofpracticalsignificanceforunderstandingthemicro level internal mechanismsof priceadjustmentandtheefectsofexternalshocksinChina'scapitalmarket.Thisstudyintegrates a ChatGPT-basedsentimentanalysis strategy with machinelearning models to investigate howalarge numberofrepresentativeandheterogeneous U.S.-Chinatradeeventnewsafect China'sstock indexreturnrate.Empiricalresultsshowthat U.S.-China tradeevent news ismultidimensionalandcomplex，anditsimpactonstock indexreturns iscloselyassociated withthetypeofevent，its initiator，andsentimentpolarity.Thereexistssubstantial heterogeneityacrosssectorsintheirresponse to such news： smalland medium-sized listed companies，along with sectors such as durable consumer goods and apparel，aremoresensitivetotrade-relatednews.Furthermore，indexreturnsensitivityvarieswitheventcharacteristics：in terms ofeventtype，mostsectorindicesrespondmorestronglytojointmeetingsinitiatedbybothcountries;intermsof event source，teimpactstrengthfolowstheorderofjointlyinitiatedevents，U.S.initiatedevents，andChina-initiatedevent.Tis researchreveals a micro-level mechanism through which U.S.-China tradenews drives market expectations andaet price adjustmentsviainvestorsentiment.Itcontributestotheempiricalidentificationoftheimpactpathoftradenewsonfinancial markets，andofferspolicyimplicationsforconstructingsentiment-based financialearlywarning systemsandenhancing the capital market'sresilience to external shocks.

Keywords： China-U.S.Trade Event News;Stock Index Return Rate; ChatGPT; Machine Learning Models

（責任編輯：童玉芬）