<code id="gkkii"><object id="gkkii"></object></code>
<bdo id="gkkii"><noscript id="gkkii"></noscript></bdo>
  • <menu id="gkkii"><center id="gkkii"></center></menu>
  • 優勝從選擇開始,我們是您省心的選擇!—— 文閱期刊網
    幫助中心
    期刊發表
    您的位置: 主頁 > 論文中心 > 經濟論文 > 證券投資論文 > 正文

    媒體情緒對股票市場收益率及波動率的影響研究

    作者:文閱期刊網 來源:文閱編輯中心 日期:2022-06-30 08:52人氣:
    摘    要:隨著金融市場信息化發展,媒體平臺成為投資者獲取投資信息的重要渠道;谛袨榻鹑诘囊暯,選取2020年3月24日至2021年3月24日的樣本數據,運用VECM模型、格蘭杰因果檢驗、脈沖響應分析及方差分解分析來探討媒體情緒對股市收益率及波動率的影響程度。實證結果表明:收益率是媒體情緒和波動率的格蘭杰原因,而媒體情緒與波動率互為格蘭杰原因。無論時間長短,媒體情緒對股票市場收益率都呈正影響,而波動率在短期內的增加會導致媒體情緒的快速低落,長期則會引起媒體情緒的緩慢上漲。
     
    關鍵詞:媒體情緒;股票市場;收益率;波動率;
     
     
    A Study of the Impact of Media Sentiment on Stock Market Yield and Volatility
    FAN Siyuan GUO Jianhua ZHANG Lei
    School of Economics and Management, Shaoyang University
     
     
    Abstract:
    With the development of information technology in financial markets, media platforms have become an important channel for investors to obtain investment information. Based on the perspective of behavioral finance, sample data from March 24, 2020 to March 24, 2021 are selected to explore the influence of media sentiment on stock market yield and volatility based on VECM model, Granger causality test, impulse response analysis and variance decomposition analysis. The empirical results show that stock yield is the Granger cause of media sentiment and volatility, while media sentiment and volatility are the Granger causes of each other. Media sentiment has a positive effect on stock market yield regardless of time duration, while an increase in volatility in the short run causes a rapid downturn in media sentiment and a slow rise in media sentiment in the long run.
     
    Keyword:
    media sentiment; stock market; yield; volatility;
     
    2021年8月27日,中國互聯網絡信息中心發布的第48次《中國互聯網絡發展狀況統計報告》(以下簡稱《報告》)顯示,截至2021年6月,我國的網民規模已經達到10.11億人,互聯網普及率達到71.6%,較2020年12月提升了1.2%。網民每周的平均上網時間為26.9小時,且在2020年3月達到峰值30.8小時。這說明我們已經處于互聯網大數據的時代,互聯網信息已經滲透到了生活的方方面面!秷蟾妗愤顯示,我國搜索引擎用戶的規模達到7.9億人,占我國網民總體規模的78.7%,較2020年12月增長了3.3%。這表明通過搜索引擎了解相關資訊已經成為我國網民的首要選擇,如今投資者更愿意在作出投資決策前通過各大互聯網搜索平臺(例如微信、微博、搜狗、百度、Google等)來獲取投資信息。
     
    在行為金融學理論中,投資者大部分處于非理性的狀態,而現在的大數據信息繁多又真假難辨,他們在作決策時難免會受到互聯網媒體的影響,對近期的信息產生過度的反應,從而出現行為偏差,媒體平臺無疑是引起這一偏差的重要因素。媒體情緒,無論是悲觀的還是樂觀的,都會傳遞給投資者,引起他們對信息的過度反應或反應不足,最終影響股票市場的收益率或波動率;诖,本文考慮媒體因素,從收益率與波動率兩個維度來探討媒體情緒對股票市場的影響,這不僅可以幫助投資者作出更加理性的決策,還有助于股票市場的健康發展。
     
    一、文獻綜述
    關于媒體情緒的度量方法,學者們對傳統媒體主要通過匯總統計分析的方法度量情緒指標。有研究者通過文本挖掘技術對新聞報道進行分析,從而構建媒體情緒指標[1];有研究者分析了媒體報道對上市公司并購重組后的收益率的影響[2]。而隨著大數據時代的到來,互聯網平臺的受眾日漸增多,學者們開始利用互聯網搜索代理變量來度量媒體情緒。有研究者認為百度指數是反映投資者關注度的有效指標,與股票市場具有顯著的正相關關系,可以提高現有股票價格預測模型的準確性[3];有研究者利用新浪微博微指數和百度指數構建情緒指標,探究它們與上證綜指收益率的關系[4]。
     
    關于媒體情緒對股票收益及波動影響方面,有人認為Twitter情緒、發帖量與標準普爾500指數的回報率有關,Twitter數據可以預測股票市場的行為[5];有人基于微信文本挖掘,分析積極、中立以及消極的投資者情緒對上證指數收盤價、成交量、收益率的影響,發現消極情緒會影響收益率,而積極和中立情緒則會對成交量產生影響[6];有人探討媒體信息與股市之間的相互作用,發現投資者的恐懼情緒對股市回報和條件波動產生持久的影響[7];有人認為媒體情緒會讓投資者產生樂觀或消極的情緒,直接影響其投資決策,進而導致股票價格的波動[8]。
     
    綜上所述,國內外學者關于媒體情緒度量的方法大多采用間接指標,對傳統媒體如報紙、新聞報道等主要通過數據匯總統計構建媒體情緒指標,對于新型媒體如Google、百度、微博、微信等,則采用互聯網搜索平臺的歷史搜索量來構建媒體情緒指標。而隨著互聯網時代的發展,互聯網媒體不斷發展擴大,傳統媒體逐漸失去其主導地位,且由于研究方法不同,很多問題仍存在一定的分歧。因此,本文通過搜狗指數的歷史搜索數據來構建媒體情緒指標,并從收益率和波動率這兩個維度來進行實證研究,綜合考慮媒體情緒對股市的影響程度。
     
    二、相關理論基礎
    (一)有限理性理論
    有限理性認為人類的行為趨向于盡可能的理性,但理性的程度是有限度的。環境是復雜多變的,人們接收的信息越多,要作的決策就越多,因此不確定性也越大,對信息進行適當、準確處理的能力就越差。同時,由于生理上的限制,人的大腦和神經系統不能合理地處理所有信息,這也導致人們對環境的認知能力有限。因此,注意力的局限性決定了決策的局限理性。有研究者表示由于認知有限,其沒有足夠的能力去處理信息,從而導致股市的波動[9]。如今是信息充斥的時代,獲取信息需要投資者的關注,而信息的價值取決于投資者在決策中如何處理和交換信息。由于注意力有限,投資者可能無法充分利用他們所獲得的信息,故投資者收到的信息存在高度的隨機性,這種高度隨機性不可避免地會導致個人的認知偏差。因此,有限注意力在其決策過程中起關鍵作用,投資者會對一些信息產生過度反應,而對一些信息則反應不夠,從而影響投資者情緒及投資行為,最終對證券市場波動產生一定的影響。
     
    (二)信息不對稱理論
    信息不對稱理論最早由Baron(1982)提出,在有限理性人的假設下,人們獲取信息的渠道有限,對信息的理解也不一樣,從而導致信息不對稱[10]。當信息不對稱理論首次應用于經濟學領域時,人們認為買賣雙方獲得的信息量和內容不同,會使市場上信息多的一方處于相對優勢,而市場上信息少的一方處于相對劣勢。根據這一理論,賣方比買方在市場上擁有更可靠、更可信的信息。這種不對稱問題在股市中普遍存在,由于賣方相對買方而言更具有優勢,賣方可以有選擇地披露信息,而投資者只能被動地獲取信息。信息不對稱會導致資本市場低效率,而且信息不對稱的問題越大,其導致價格和實際市場價值之間的差異也越顯著。
     
    (三)認知偏差理論
    認知偏差理論認為在決策過程中投資者的認知差異,會導致判斷錯誤。面對各種市場信息,投資者的判斷往往不遵循利潤最大化原則,表現為投資偏差。這種認知偏差主要有三種形式:第一,代表性直覺判斷偏差。代表性直覺判斷是指個體在面臨不確定選擇時,傾向于根據過去類似的經驗來判斷當前的情況和決策。然而,只有當前的事件與過去的經歷非常接近時,這種判斷才有可信度。因此,基于過去經驗的判斷幾乎都是偏頗的,這種偏差體現在投資者預測未來股票走勢時,總是依賴過去的市場信息和自己的投資經驗,這很可能導致投資者作出錯誤的評估,進而造成股票價格偏差。第二,可得性偏差?傻眯云钍侵竿顿Y者傾向于依賴有權獲得的信息,而不是收集更可靠的信息。在主觀意識中,投資者把注意力集中在這些現成的信息上,這就會降低客觀決策的能力。投資者在股市交易時,面對媒體的夸張報道和小道消息,很難辨別必要的信息,所以他們往往更易于相信主流信息,因此投資者容易出現偏差,從而導致股市的混亂。第三,自我歸因偏差。自我歸因偏差是對過度自信的一種心理解釋,這不僅影響自我認知,也影響人們在群體中對自己的評價。在這種情況下,投資者會過于依賴自己的判斷,不管是負面消息還是正面消息,他們總是反應過度,最終導致股市出現異常變化。
     
    三、媒體情緒對股票收益率及波動率的實證研究
    (一)數據來源
    本文通過東方財富網(http: //www.eastmoney.com/)收集滬深300指數的每日收盤價數據,通過搜狗指數平臺(http: //zhishu.sogou.com/)收集“牛市”和“熊市”兩個關鍵詞的搜索次數來度量媒體情緒,選取的樣本區間為2020年3月24日到2021年3月24日,剔除非交易時間及節假日后,共有244個交易日數據。
     
    (二)變量說明
    1.媒體情緒
    有研究者發現在牛市中投資者對媒體的樂觀情緒更加敏感,而在熊市中對媒體的悲觀情緒更為敏感[11]。當關鍵詞為“牛市”的搜索次數較高時,意味著投資者的樂觀情緒高漲,認為股票將會上漲;而當關鍵詞為“熊市”的搜索次數較高時,投資者則會表達出消極情緒,認為股票會下跌。由于互聯網媒體的情緒不能夠直接量化,本文參考相關研究[12,13],以關鍵詞為“牛市”和“熊市”的搜狗搜索次數來構建搜狗看漲指數SgI,計算出媒體樂觀情緒與消極情緒的變動程度,從而達到度量媒體情緒的目的,如公式(1)所示。
     
    SgIt=Log(1+Nt)-Log(1+Xt), (1)
     
    其中:SgIt表示搜狗看漲指數;Nt表示搜狗指數中關鍵詞為“牛市”的搜索次數;Xt表示搜狗指數中關鍵詞為“熊市”的搜索次數;t表示時間。
     
    2.滬深300指數日對數收益率
    本文將滬深300指數每日收盤價數據,記為Pt,則滬深300指數日對數收益率Rt可以用公式(2)表示。
     
    Rt=LnPt-LnPt-1, (2)
     
    其中:Rt表示滬深300指數日對數收益率;Pt表示滬深300指數當日收盤價;Pt-1表示滬深300指數上一交易日收盤價。
     
    3.滬深300指數日波動率
    本文對滬深300指數日對數收益率進行平穩性檢驗、自相關檢驗后,構建GARCH(1,1)模型,并對模型的合理性及顯著性進行檢驗;贕ARCH(1,1)模型可以計算出滬深300指數的波動率序列,用VoLt表示。
     
    (三)平穩性檢驗
    本文運用EViews8.0軟件對Rt、SgIt、VoLt以及它們的一階差分序列進行ADF檢驗,檢驗這三個時間序列的平穩性。結果表明,Rt、SgIt和VoLt的一階差分序列D(Rt)、D(SgIt)和D(VoLt),其P值均小于顯著性水平5%,因此,在5%的顯著性水平下D(Rt)、D(SgIt)和D(VoLt)均是平穩的時間序列。
     
    (四)向量誤差修正模型(VECM)
    因為向量誤差修正模型(VECM)的最優滯后階數為1,并利用Eviews8.0軟件進行估計,經Johansen協整檢驗Rt、SgIt和VoLt之間存在2個協整關系,所以,得到Johansen協整方程如公式(3)和公式(4)所示。
     
    ECM1,t-1=-0.002 334+Rt-1+6.150 510VoLt-1, (3)
     
     
    同時,得到向量誤差修正模型如公式(5)所示,根據模型的穩定性檢驗發現所有根的倒數均在單位圓內,表明VECM模型是穩定的。
     
    ⎡⎣⎢ΔRtΔSgItΔVoLt⎤⎦⎥=⎡⎣⎢−0.8829100.299794−0.000460⎤⎦⎥ECM1,t−1+⎡⎣⎢0.002795−0.1549731.64×10−5⎤⎦⎥ECM2,t−1+⎡⎣⎢−0.0864253.686728−2.85×10−5⎤⎦⎥ΔRt−1+      ⎡⎣⎢−0.003528−0.347996−2.82×10−6⎤⎦⎥ΔSgIt−1+⎡⎣⎢31.78010−3085.609−0.190906⎤⎦⎥ΔVoLt−1+⎡⎣⎢−5.55×10−50.001677−1.20×10−7⎤⎦⎥+⎡⎣⎢eˆ1teˆ2teˆ3t⎤⎦⎥,         (5)
     
    其中:ΔRt=Rt-Rt-1;ΔSgIt=SgIt-SgIt-1;ΔVoLt=VoLt-VoLt-1。
     
    (五)格蘭杰因果檢驗
    為了更好地探究Rt、SgIt和VoLt這三者之間的因果關系,本文運用格蘭杰因果檢驗。結果顯示:在10%的顯著性水平,滯后階數為2時,均拒絕了“Rt不是SgIt的Granger原因”“Rt不是VoLt的Granger原因”“VoLt不是SgIt的Granger原因”以及“SgIt不是VoLt的Granger原因”的原假設。這說明收益率是搜狗看漲指數和波動率的Granger原因,收益率的上升(下降)會引起搜狗看漲指數上升(下降),同時也會引起波動率發生變化。而波動率和搜狗看漲指數互為Granger原因,當波動率出現變化時,會引起搜狗看漲指數變化,并且搜狗看漲指數也會影響波動率的變化。
     
    (六)脈沖響應分析
    脈沖響應函數是用來衡量隨機擾動項的影響軌跡對當前和未來其他變量的影響值,它能直接反應變量間的動態相互作用和影響;赩ECM模型,可以計算出系統中變量之間的脈沖響應函數,從而可以對不同時滯的脈沖響應進行比較,確定變量之間的作用時滯。本文選取的響應期數為10期,得到的脈沖響應如圖1~3所示。
     
    圖1表明,Rt對來自自身沖擊的總效應逐漸減小,到第7期后幾乎為零,說明Rt的長期總效應接近于零,不存在自我促進的“累積效應”。Rt對SgIt沖擊的總反應在1至2期呈現下降的趨勢,為負值;2期后呈先上升變為正值后再緩慢下降直至接近零的態勢,說明SgIt對Rt剛開始起短暫抑制作用,然后起短暫促進作用;但從長期來看,這種促進作用逐漸減弱,長期總效應接近于零。Rt對VoLt沖擊的總反應在1至2.5期從零先上升至較低位后再下降至零,2.5期后則呈先下降后再緩慢上升的態勢,且長期都是負值,所以VoLt長期不利于Rt,隨著時間不斷推移才會逐步接近零,長期總效應也是接近于零。
     
    圖2顯示,SgIt對來自自身沖擊的總效應緩慢下降,并且到第10期并沒有趨于零,說明SgIt存在自我促進的“累積效應”。SgIt對來自Rt沖擊的總反應逐漸減小直至第10期后才接近零,說明Rt對SgIt在10期內發揮正向促進作用,存在一定的“溢出效應”,且長期總效應接近零。SgIt對VoLt沖擊的總反應在1至5期從零下降后上升至零,5期后一直呈上升的態勢,說明VoLt對SgIt在短期存在短暫的抑制作用,長期起緩慢促進作用。
     
    圖3顯示,VoLt對自身沖擊的總反應呈緩慢下降的趨勢,且一直為正值,說明了VoLt在長期存在自我促進的作用。Rt對VoLt沖擊的總反應先下降為負值然后再逐漸上升,在7.5期上升為正值,但長期的總效應趨于零。這說明SgIt對VoLt沖擊的總反應一直呈上升趨勢,即存在長期的促進作用。
     
    (七)方差分解分析
    方差分解是描述系統動態變化,從而定量地把握變量之間的影響關系。它的基本思想是將系統中每一個內生變量進行分類,按其原因分解成系統中每個變量沖擊的貢獻水平,即變量貢獻的比例。本文基于VECM模型來研究其對應的方差分解,選擇的滯后期數為10,方差分解的時間路徑如圖4~6所示。
     
    圖4顯示,Rt對自身的方差分解一開始呈下降的趨勢,后期逐漸穩定在98%的水平,因此收益率當期對后面幾期的貢獻作用會不斷地減弱,最后將對自身變動的貢獻保持在98%左右的水平;而SgIt和VoLt對Rt的方差分解則幾乎保持一致,都一直為正且在0~1%內表現出略微上升的趨勢,最后達到1%左右,說明搜狗看漲指數和波動率對收益率的貢獻作用呈現出非常微弱地增強的態勢。
     
    圖5表明,SgIt對自身的方差分解不斷下降,1至2期下降幅度最大,但第3期后對自身的變動貢獻保持在86%左右,說明搜狗看漲指數當期對后一期的影響最大,但對以后各期的貢獻都在下降;Rt對SgIt的方差分解呈現出先上升后下降的趨勢,表明收益率對搜狗看漲指數的貢獻作用在短期內會迅速增強,且后期會穩定在8%左右的水平;VoLt對SgIt的方差分解的時間路徑1至2期從0迅速上升到8%,然后逐漸下降,最終維持在5%左右的水平,表明了波動率對搜狗看漲指數的貢獻作用在當期會極快增強,然后逐漸下降至穩定。
     
    圖6發現,VoLt對自身的方差分解一直在不斷下降,最終穩定在90%左右的水平;Rt對VoLt的方差分解先微弱上升然后下降并維持在0左右;SgIt對VoLt方差的分解呈現出持續上升的態勢,這說明搜狗看漲指數對波動率的貢獻作用在長期逐漸增大。
     
    四、結論與建議
    基于2020年3月24日到2021年3月24日的樣本數據,本文運用VECM模型、格蘭杰因果檢驗、脈沖響應分析及方差分解分析探討媒體情緒對股票市場收益率及波動率的影響程度,實證結果表明,收益率是搜狗看漲指數和波動率的Granger原因,波動率和搜狗看漲指數互為Granger原因。無論時間長短,媒體情緒對股票市場收益率都呈正影響,而波動率在短期內的增加會導致媒體情緒的快速低落,長期來看則會引起媒體情緒的緩慢上漲。
     
    有鑒于此,對于投資者來說,在投資過程中,應當提升自身對風險的識別能力,在考慮自身資本和收益情況的同時,還應正確認識媒體情緒,避免非理性投資,降低投資的風險;對于監管者來說,搜狗作為當下用戶量較大的搜索引擎,可以讓其成為媒體情緒的引導平臺之一,監管者應通過對其發布的有關金融輿論進行管理和預警,加大監管和處罰的力度,防止夸大事實、惡意造謠等情況發生;對于立法部門來說,應制定相應的法律法規,健全互聯網信息的管理,以加強網絡信息內容的規范和傳播,讓投資者處在更健康的網絡環境中,進而促進相對穩定的媒體情緒形成,推進證券市場的健康有序發展。
     
    參考文獻
     
    [1] 劉天宇.媒體報道、機構投資者羊群行為對股票價格的影響研究——基于LSV模型的實證分析[J].中國物價,2018(10):48-51.
    [2] 龍文,郭瑩,王振,等.媒體報道會影響上市公司并購重組后的收益率嗎?[J].投資研究,2019,38(11):65-80.
    [3] 陳植元,米雁翔,厲洋軍,等.基于百度指數的投資者關注度與股票市場表現的實證分析[J].統計與決策,2016(23):155-157.
    [4] 陸慧玲,魏宇,王考考.微指數、百度指數與上證綜指收益率預測[J].信息系統學報,2018(1):87-98.
    [5] OLIVEIRA N,CORTEZ P,AREA N.The Impact of Microblogging Data for Stock Market Prediction:Using Twitter to Predict Returns,Volatility,Trading Volume and Survey Sentiment Indices[J].Expert Systems with Applications,2017,73(5):125-144.
    [6] 石善沖,朱穎楠,趙志剛,等.基于微信文本挖掘的投資者情緒與股票市場表現[J].系統工程理論與實踐,2018,38(6):1404-1412.
    [7] GRIFFITH J,NAJAND M,SHEN J C.Emotions in the Stock Market[J].Journal of Behavioral Finance,2020,21(1):42-56.
    [8] 陸沁曄,陳昊.媒體報道、投資者情緒與股價波動[J].財經問題研究,2021(3):60-67.
    [9] KAHNEMAN D,TVERSKY A.On the Psychology of Prediction [J].Psychological Review,1973,80(4):237-251.
    [10] BARON D P.A Model of the Demand for Investment Banking Advising and Distribution Services for New Issues[J].The Journal of Finance,1982,37(4):955-976.
    [11] 尹海員,王盼盼.媒體報道、市場收益與投資者情緒——基于新聞分析視角[J].軟科學,2015,29(7):136-139,44.
    [12] CHONG O,SHENG O.Investigating Predictive Power of Stock Microblog Sentiment in Forecasting Future Stock Price Directional Movement[R].Shanghai:Proceedings of the International Conference on Information Systems,ICIS 2011,2011.
    [13] MAO H,COUNTES S,BOLLEN J.Quantifying the Effects of Online Bullishness on International Financial Markets[R]. Frankfurt:ECB Statistics Paper,2015.
     
    上一篇:永煤控股債券違約的過程和原因探究
    下一篇:沒有了
    熱門排行

    在線客服:

    文閱期刊網 版權所有   

    【免責聲明】:所提供的信息資源如有侵權、違規,請及時告知。

    專業發表機構
    辽宁熟妇高潮45分钟,午夜乱码在线观看不卡,欧美成人午夜福利小视频
    <code id="gkkii"><object id="gkkii"></object></code>
    <bdo id="gkkii"><noscript id="gkkii"></noscript></bdo>
  • <menu id="gkkii"><center id="gkkii"></center></menu>