媒体信息对金融资产价格波动的影响

李正辉　粟亚亚　廖高可　刘果

摘 要：基于传统纸质媒体与新媒体获取全面的媒体信息数据，运用FamaFrench三因子模型计算沪深300指成份股的特质波动率，并将媒体信息的关注度、媒体情感、媒体关注度与媒体情感的交互作用纳入统一的计量分析模型中，综合探究媒体信息对金融资产价格波动的影响。结果发现：媒体关注度和媒体情感对金融资产价格波动都具有显著性的影响；媒体关注度和媒体情感相互作用对金融资产价格产生影响；媒体信息对金融资产价格的影响在不同趋势下，其作用方向和程度均具有显著差异。

关键词： 媒体信息；媒体关注度；媒体情感；特质性波动率

中图分类号：F832.5 文献标识码： A 文章编号：10037217（2018）03005606

一、引言

金融资产价格受基本面和技术面等许多复杂的因素影响，同时随着行为金融理论与实证研究的发展，越来越多的文献证明媒体信息沟通对金融资产价格产生影响。信息技术和互联网高度发达催生了新型的金融管理和运行模式，使得资金流通和资本融合、支付、信息交流等业务流程完全区别于传统的金融业务模式。这些新型管理和运行模式源于新兴技术，但其效应体现为金融信息的快速传播，进而形成集聚式的金融舆情。媒体信息已成为联系企业、市场和投资者的重要纽带，其对金融资产价格波动的影响越来越受到研究者的关注。

已有文献研究表明，金融市场信息环境对股价波动或者股价同步性的影响越来越为显著，公司层面信息在股价变动所起到的作用有所增加，而宏观市场层面信息相对作用减少，这导致了传统标准资本资产定价回归模型的失灵[1-3]。媒体信息对投资者情绪等具有影响，而投资者情绪与金融资产价格具有更为密切的相关性。网络用户情绪可用于股票市场预测，通过扫描金融信息板，提取个别作者所表达的观点信息，利用机器学习方法系统学习情绪和股票价值之间的相关性；通过学习模型对股票价值进行预测，发现该方法能够高精度地预测情绪，股票表现和最近的网络情绪具有显著相关性[4，5]。

从相关性角度分析，金融资产价格波动与收益率直接相关，故媒体信息对金融资产价格波动影响研究中，一些文献利用搜索引擎数据，分析搜索指数表现、股价、收益率之间的关联性。赵龙凯等利用百度公司提供的上市公司简称搜索量数据研究了关注度与股票收益率的关系，发现关注度与同时期股票收益有正相关关系[6]。张谊浩等利用沪深300 指数成分股作为研究样本，探讨网络搜索和证券市场的相互作用，发现网络搜索对股市交易行为均有影响[7]。

社交网络结构则是从媒体信息之间的相互传递角度研究，认为媒体信息特别是社交媒体之间的网络结构对金融资产价格也具有显著影响。刘善存等从行為金融角度出发，在理性预期均衡模型的假设下，考虑社交媒体传播关于股票基本面价值信息，通过分析信息质量对市场效率、市场流动性以及资本成本的影响过程，研究社交媒体对价格发现的促进效应。结果显示：相关信息传播能促进价格发现；无关信息传播则阻碍价格发现[8]。王丽佳和卢国祥基于资本市场的社会网络，通过建立股票价格的动态模型探究交易者的交流互动对股票价格的影响机制[9]。

已有研究中，对媒体关注度影响金融资产价格考虑较多，但媒体信息的情感没有得到足够的关注，对媒体关注度与媒体情感的相互影响更缺乏研究；全样本时期媒体信息对金融资产价格波动影响考虑较多，但不同趋势下媒体信息对金融资产价格波动影响差异性没有足够关注。基于此，本研究的特色与创新性工作包括：将媒体信息的关注度、媒体情感、媒体关注度与媒体情感纳入统一的计量分析模型中，研究媒体信息对金融资产价格波动的影响；将样本分阶段进行实证分析，研究不同趋势下媒体信息对金融资产价格波动的影响。

二、媒体信息对金融资产价格波动的基本假设

（一）媒体关注度、媒体情感与金融资产价格波动

媒体关注度体现了市场参与人对于金融资产波动相关的新闻和该关键词的关注程度。新闻媒体通过信息的搜集、整理、加工和传播，有助于提高利益相关者对相关信息的掌握程度，降低金融市场的信息不对称程度。媒体关注度越高，则说明有更大量的媒体信息在金融市场中进行传播，而媒体的信息传播，向市场参与者传递包括宏观经济、市场环境、金融市场和上市公司在内的更多信息。基于此，媒体关注度不仅提供了与金融市场和上市公司相关的信息，进而降低投资者获取信息的搜寻成本；同时由于媒体关注在新技术环境下，信息传播速度加快，投资者能够更加及时地获取相应的信息，便于及时决策。

媒体情感体现为金融市场参与者对资产价格趋势性的判断。由于市场参与者对金融资产价格判断具有多元性，随时间演化和新对象加入，媒体情感均会发生变化。在演化过程中，有新的市场参与人进入，当新进入的参与者是对媒体信息知情，则参与者会强化与其同质性情感类型，参与者类型情感趋势会强化；当新进入的参与者对媒体信息不知情，则新介入参与者对媒体信息的认知能力影响媒体情感趋势。

由此可知，媒体关注度对金融资产价格影响具有趋势性特征，但媒体情感对金融资产价格影响具有时变特征，基于此，提出如下假设：

假设1.媒体关注度和媒体情感对金融资产价格波动具有显著性影响。

（二）媒体关注度与媒体情感相互作用金融资产价格机制

媒体情感是媒体关注度对金融资产价格影响渠道之一。一方面，媒体关注度对金融资产价格的影响是基于投资者行为实现，而投资者行为受到“信息瀑布”的影响①。另一方面，在金融市场中，有来自财经、论坛、微博等许多公开信息和各种传言等媒体信息，尽管这些信息能够对投资者产生多样化选择的益处，但媒体信息量的增加，投资者决策难度和复杂程度均呈现增加，投资者会理性地忽略一些投资机会，进而有意识地控制媒体信息。在这些有意识地控制媒体信息获取过程中，媒体情感在信息流中进行传递，进而作为影响渠道影响金融资产价格。

媒体情感的异质性程度，对媒体关注度具有重要影响。在新闻等媒体报道中，不同的情感用词对舆情引导作用具有差异性。媒体情感异质性程度越高，说明媒体对金融资产价格趋势性预测分歧越大，包含的信息程度也越多，媒体关注度会持续。当媒体情感异质性程度比较低时，说明不同媒体对金融资产价格趋势性预测是一致的，媒体关注度也就相应减少。

由此可知，媒体关注度与媒体情感并不是独立地影响金融资产价格，两者会相互作用，进而影响金融资产价格，基于此，提出如下假设：

假设2.媒体关注度和媒体情感不仅会独立对金融资产价格波动产生影响，两者还会通过相互作用对金融资产价格产生影响。

（三）不同趋势下媒体信息与金融资产价格波动

金融资产价格一般可以分为三个趋势，即价格上升、下降和平稳波动。从媒体信息对金融资产价格波动影响来看，不同趋势下的影响存在非对称性。

1.媒体信息在不同趋势下的风险溢价存在差异。在金融资产价格上升趋势过程中，媒体信息的关注度和媒体情感均呈现正向趋势，这种正向趋势带来的金融资产价格上涨会被风险溢价需求抵消，所以金融资产价格波动相对不大。在金融资产价格下降趋势过程中，媒体信息的关注度和媒体情感均呈现负面趋势，负面信息导致金融资产价格下降与本身下跌趋势过程中投资者的风险溢价需求相叠加，金融资产价格产生较大波动。在金融资产价格处于平稳波动阶段，媒体信息一般处于中性，风险溢价需求几乎可以忽略，故媒体信息对金融资产价格驱动力不足。

2.投资者的异质性特征，造成媒体信息对金融资产价格波动影响具有非对称性。异质性特征与投资者过度自信具有密切关联，在不同趋势下，投资者过度自信程度具有差异性。投资过度自信的价格接受者会过度估计他们的个人信息，这会导致总的信号被过度估计，使得价格偏离其真实价格；同时这种高估的程度在金融资产价格上升趋势和下降趋势中又具有显著差异。

由此可知，不同趋势下媒体信息对金融资产价格影响具有差异性的，基于此，提出假设：

假设3. 媒体信息对金融资产价格影响在不同趋势下具有显著差异。

三、研究设计

（一）数据来源与变量定义

1.数据来源。

本文使用的数据包括媒体信息数据、上市公司股价数据和上市公司相关的财务数据等。对于媒体信息的度量，本文综合考虑了传统纸质媒体和新媒体类搜索引擎的作用。传统纸质媒体信息的数据主要来源于CSMAR数据库中的《报刊新闻量化舆情数据库》②，新媒体信息的数据来源于百度媒体指数。

2.变量定义。

（1）被解释变量。

本文基于FamaFrench三因子模型构造股票特质波动率，首先将每只股票日度超额收益率对市场因子、规模因子和价值因子进行回归，模型如下：

Ri，t=αi，m+βi，mMKTt+si，mSMBt+

hi，mHMLt+εi，t （1）

式（1）中，Ri，t为股票i在第t交易日（t属于第m月）的收益率減去无风险收益率，无风险收益率即为中国人民银行披露的一年期居民定期存款利率；MKTt为第t交易日的市场因子；SMBt为第t交易日的规模因子；HMLt为第t交易日的价值因子；系数βi.m、si，m、hi，m分别为与市场因子、规模因子和价值因子相对应的风险因子荷载，εi，t为股票i在第t交易日的扰动项。参考Ang et al.的做法[10]，本文以式（1）回归残差的月度标准差σi.m（εi，t）与第m月交易日数的平方根Ni，m的乘积作为股票i在第m月特质性波动率Voli，m：

Voli，m=σi.m（εi，t）×Ni，m （2）

由于FamaFrench三因子包括以流通值加权和总市值加权计算的两种，因此本文相应地包含由流通值加权因子计算的特质性波动率Vol1i，m和由总市值加权因子计算的特质性波动率Vol2i，m两类。

（2） 解释变量。

本文的解释变量包括媒体关注度（MediaAtten）和媒体情感（MediaSenti）这两类媒体信息变量。媒体关注度变量包括传统纸质媒体关注度和新媒体关注度，传统纸质媒体关注度为从《报刊新闻量化舆情数据库》获取的股票i在第m月累计的新闻数（news）、正文提及该上市公司的次数（mt）、标题提及该上市公司次数（imt），新媒体关注度为股票i在第m月累计的百度媒体指数（media）、百度搜索指数（ms）。媒体情感变量为从《报刊新闻量化舆情数据库》获取的第m月内有关股票i新闻报道的累计整体情感评分（os）、正文情感评分（cs）、标题情感评分（ts）。

（3） 控制变量。

参考杨洁等和罗进辉等文献，本文其他控制变量包括上市公司i在第m月的净资产收益率（roe）、资产负债率（debt）、机构投资者持股比例（inst）、平均总市值（mc）、累计换手率（tur） [11，12]。

（二）模型设定

为了检验假设1，首先构建回归模型：

Voli.m=α+β1MediaAtteni.m+

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

式（3）中，Controli，m为控制变量。本文首先根据式（3）对全样本时期（2011年1月-2016年12月）进行回归用以检验假设1，然后根据沪深300指整体走势将全样本时期分为平稳期（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）三个子样本时期，同样按照式（3）进行回归用以检验假设3。为了检验假设2，再构建包含媒体关注与媒体情感交互项的回归模型：

Voli.m=α+β1MediaAtteni.m+

β2MediaSentii，m+β3MediaAtteni.m×

MediaSentii，m+∑βjControli，m+εi，m （4）

由于篇幅限制，各变量的描述性统计分析予以省略。

四、实证结果分析

本文使用面板数据模型检验媒体信息对金融资产价格波动的影响。首先，需要对变量进行平稳性检验来避免伪回归问题，利用STATA12.0软件对数据进行平稳性检验，其结果说明数据均通过平稳性检验。然后，根据模型的设定分别使用固定效应模型和随机效应模型。最后，对模型进行Hausman检验[13]。检验结果拒绝了随机效应模型优于固定效应模型。因此，在后续分析中均使用固定效应模型进行分析。

（一）媒体信息对金融资产价格波动影响

表1分别给出了媒体关注度、媒体情感以及它们相互作用对金融资产价格波动影响的结果。可以发现，在模型（1）中媒体关注度的系数在1%水平显著为正，表明媒体关注度越高，金融资产价格波动性越强。媒体对特定企业的关注度程度越高往往代表在这段时间该企业在市场上的影响越大，也越容易得到投资者的关注，股票价格波动是由于投资者的买卖行为来决定，因此吸引的投资者越多，该股票的交易过程就越复杂，导致价格波动也越剧烈。在模型（2）中媒体情感的系数在1%水平显著为正，表明在新闻报道中，媒体表达的情感倾向越强，金融资产价格波动越大。媒体报道中含有丰富的信息，媒体发布的信息是大部分投资者判断股票价格的标准之一，因此投资者在进行投资决策时经常会受到媒体报道的影响。媒体表达的情感越强烈对投资者的冲击越大，导致股票价格波动越剧烈。在模型（3）中，媒体关注度的系数在1%水平显著为正，媒体情感的系数在5%水平显著为正，媒体关注度与媒体情感交互项的系数在1%水平显著为正，表明媒体关注度和媒体情感不仅会独立对金融资产价格波动产生影响，两者还会通过相互作用对金融资产价格产生影响。由于媒体关注度越高越能对媒体情感产生趋势性的作用，媒体情感差异化越大越能引起媒体关注，因此媒体关注度与媒体情感能够相互影响加剧金融资产价格波动。从系数大小来看，媒体关注度对金融资产价格波动的影响更大。假设1和假设2得到验证。

（二）不同趋势下媒体信息对金融资产价格波动影响

表2分别给出了媒体关注度、媒体情感以及它们相互作用在股市平稳期、上升期和下降期对金融资产价格波动影响的结果。在市场处于平稳期时，媒体关注度的系数在1%水平显著为正，媒体情感的系数在5%水平显著为正，媒体关注度与媒体情感交互项的系数在1%水平显著为正，结果与全样本时期的结果基本具有一致性，因此，以下分析市场处于上升期和下降期媒体信息对金融资产价格波动的影响。

市场处于上升期时，媒体关注度、媒体情感以及它们相互作用对金融资产价格波动的影响具有差异性，且媒体关注度具有主要影响。媒体关注度的系数在1%水平显著为正，这说明市场处于上升期时，媒体关注度越高股价波动越强烈，这与全样本时期的结果一致。媒体情感的系数在5%水平显著为负，这说明市场处于上升期时，媒体情感越强烈越能降低股价波动。媒体情感的正向趋势带来的金融资产价格上涨会被风险溢价需求抵消，所以会抑制金融资产价格波动。媒体关注度与媒体情感交互项的系数在5%水平显著为负，表明市場处于上升期时，媒体情感能够抑制媒体关注度对金融资产价格波动的影响。从系数大小来看，媒体关注度对金融资产价格波动的影响明显大于媒体情感，这说明投资者在市场上升阶段更容易受媒体关注度的影响。市场处于上升期时，投资者往往会对股票价格有更好的预期，而忽略媒体情感，因此，更容易受媒体关注度的影响。

市场处于下降期时，媒体关注度和媒体情感对金融资产价格波动的影响具有一致性，且媒体情感具有主要影响。媒体关注度的系数在1%水平显著为正，这说明市场处于下降期时，媒体关注度越高股价波动越强烈。媒体情感的系数在5%水平显著为正，说明在市场下降阶段，媒体情感越强烈金融资产价格波动性越强。这主要是由于媒体情感的负面信息导致金融资产价格下降与本身下跌趋势过程中投资者的风险溢价需求相叠加，进而加剧金融资产价格波动。而媒体关注度与媒体情感的交互项并没有通过显著性检验，可能的解释是，媒体关注度和媒体情感在市场下降阶段对金融资产价格波动的影响更为直接，因而吸收了它们相互作用的影响。从系数大小来看，媒体情感对金融资产价格波动的影响明显大于媒体关注度，这说明投资者在市场下降阶段更容易受媒体内容的影响。市场处于下降期时，投资者往往会更多关注媒体信息的内容作为其投资行为的参考依据，因此更容易受媒体情感的影响。

为了使结果具有稳健性，分别使用ms、media、news、mt和imt来代表媒体关注度（MediaAtten），使用ts、cs和os来代表媒体情感（MediaSenti），分析媒体信息对金融资产价格波动的影响，检验结果与前文一致。由于篇幅限制，在上述分析中仅以media和os为例进行结果展示。

五、结论与启示

本文基于行为金融学理论，在对媒体关注度分析的基础上进一步考虑媒体情感以及媒体关注度与媒体情感之间的相互作用对金融资产价格波动的影响。通过使用FamaFrench三因子模型计算沪深300的193家上市公司股票特质波动率作为研究对象，分阶段研究了2011年1月至2016年12月期间媒体关注度与媒体情感影响上市公司股票特质波动率的特征和差异性。得出以下结论：

1.媒体关注度和媒体情感均对金融资产价格波动具有显著性、差异性的影响。总体而言，媒体关注度对金融资产价格波动的影响更大。

2.媒体关注度与媒体情感会通过相互作用对金融资产价格产生影响。总体上媒体关注度与媒体情感能够相互影响加剧金融资产价格波动，但是在市场处于上升期时媒体情感能够抑制媒体关注度对金融资产价格波动的影响，在市场处于下降期时媒体关注度与媒体情感的交互作用不明显。

3.不同趋势下媒体关注度和媒体情感对金融资产价格波动的影响具有非对称性。媒体关注度无论在总体上还是不同趋势下均对金融资产价格波动有显著的正向影响，其影响在市场处于上升期时最强而在市场处于下降期时最弱。媒体情感会在市场处于上升期时对金融资产价格波动有显著的抑制作用，其影响在市场处于上升期时最弱而在市场处于下降期时最强。

通过上述结论可以得出，股票市场面临的媒体信息环境对其波动产生重要影响。因此，需要完善相关制度和法规，充分发挥媒体监督和净化市场的作用，同时需要警惕媒体报道对于股市震荡期的推波助澜作用，建立媒体舆情监督分析反馈机制，正确引导媒体舆论。

注释：

① 信息瀑布是人们观测到他人的行为，进而做出同样的选择的一种现象。Bikhchaniet等在1992年将该概念引入到金融市场中，并指出信息瀑布的发生需要两个关键条件：一是后来者在作出决策前已经观察到先行者的行为，二是存在有限的决策空间。

② 《报刊新闻量化舆情数据库》借鉴RavenPack和ThomsonReuters等数据平台，基于机器学习和自然语言处理技术设计开发，囊括了从1998年到目前为止由报纸媒体发布的与我国A股（及B股）全部上市公司相关的新闻的文本分析结果，包含约300家报纸媒体，700多万篇中文财经新闻的情感倾向性，涉及新闻来源、新闻的情感倾向性、相关上市公司以及与其它历史新闻的内容相似性等多类指标。

参考文献：

[1] 凌爱凡， 杨晓光. 基于Google Trends 注意力配置的金融传染渠道[J]. 管理科学学报， 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] 赵龙凯， 陆子昱， 王致远. 众里寻“股”千百度——股票收益率与百度搜索量关系的实证探究[J]. 金融研究， 2013， （14）： 183-195.

[7] 张谊浩， 李元， 苏中锋，等. 网络搜索能预测股票市场吗？[J]. 金融研究， 2014（2）： 193-206.

[8] 刘善存， 曾庆铎， 陈彬彬，等. 社交媒体能促进价格发现吗？[J]. 北京航空航天大学学报（社会科学版）， 2017， 30（6）： 40-45.

[9] 王丽佳， 卢国祥. 基于社会网络的股票动态价格研究[J]. 投资研究， 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]楊洁，詹文杰，刘睿智.媒体报道、机构持股与股价波动非同步性[J].管理评论，2016，28（12）：30-40.

[12]罗进辉，蔡地.媒体报道能够提高股价的信息含量吗？[J].投资研究，2013，32（5）：38-53.

[13]李正辉，彭浬，谢梦园.区域性系统性金融风险影响因素研究——基于空间面板数据的实证分析[J].财经理论与实践，2017，38（1）：36-41.

（责任编辑：钟 瑶）