下载掌阅APP，畅读海量书库
立即打开
随着信息技术的发展和广泛应用，媒体，特别是互联网媒体，成为投资者获取信息的重要渠道，同时也成为影响证券市场稳定的一个崭新“风险源”。本节先从传统金融学经典理论和行为金融学理论入手，阐明证券市场媒体效应存在性的理论基础，其次发掘财经新闻对证券市场的作用机理，从而为本书奠定坚实的理论基础。
传统金融学理论认为，一个“有效的”证券市场总是能够“充分且及时地反映”所有的“新信息”，资产的价格都是其均衡价值的真实反映。也就是说，证券市场的波动由“新信息”驱动，投资者依据“新信息”调整投资行为，从而推动证券市场波动，这就是有效市场假说（EMH），由诺贝尔经济学奖获得者尤金·法玛在 1965 年首次提出。有效市场假说指出，市场中存在大量追求自身利益最大化的完全理性投资者，他们能够获得决策所需的所有“新信息”，并且积极参与市场竞争，于是这种完全竞争的结果导致当前的证券市场价格完全反映了当前的所有信息，所以证券市场是完全有效的（ Fama et al．，1995；Ross，1976；Sharpe，1964）。但事实上，证券市场很难达到完全有效，因为这一假说的两个前提难以满足，即交易主体都是完全理性的经济人，且他们都拥有完全的信息。现实往往并非如此，交易主体是带有感情的人，无法做到完全理性，信息不完全且不对称现象也普遍存在。所以传统金融学理论难以解释各种“金融异象”，例如天气效应
、一月效应
、规模效应
等。
近代行为金融学者开始尝试从不同的角度寻找解释，他们从投资者“有限注意力”和“有限理性”两个角度出发，探索信息对证券市场的作用机制。“有限注意力”指出投资者的注意力是有限的，他们没有足够的时间和精力在一瞬间内获取并处理完所有“新信息”（Kahneman et al．，1973），仅能够在处理一部分信息的基础上便进行投资决策；“有限理性”指出投资者是“不完全理性”的，媒体对上市公司的描述信息会导致投资者产生非理性投资行为，从而推动证券市场波动（De Long et al．，1990；Shleifer et al．，1997）。总的来说，近代行为金融学认为投资者接收到信息后，由于其认知偏差（ cognitive bias）和不完全理性，投资情绪改变，进而改变投资决策，最终影响证券市场风险波动。
综上，不论传统金融学理论中基于市场对信息吸收能力的“有效市场假说”，还是近代行为金融学中的信息对投资者心理影响的“非理性投资者”学说，二者都认为“证券市场风险波动与媒体关于资本信息的发布、传播和吸收是紧密相关的”（De Long et al．，1990；Fama，1965；Rechenthin et al．，2013）。
事实上，证券市场媒体效应的存在性已经得到了金融学、管理学、计算机科学等多个领域学者的广泛验证（Li et al．，2017）。早期的研究可以追溯到对传统媒体信息的研究，学者利用报纸报道、公司公告、财务报表等信息，去探寻证券市场波动的原因（Andersen et al．，2007；Gray et al．，1995；Nartea et al．，2009；Schumaker et al．，2008，2009b）。随着互联网媒体的兴起，海量信息及其极速传播增强了媒体对证券市场的影响，证券市场媒体效应的研究逐渐从传统纸质媒体转移到了互联网媒体，学者们开始尝试利用推特、微博、股吧等新兴媒体信息，去探索互联网媒体对证券市场的影响（Bollen et al．，2011；Das et al．，2007；Huang et al．，2016；Li et al．，2014b；Xing et al．，2019）。不论是传统的纸质媒体信息，还是现在流行的互联网媒体信息，媒体信息作为影响证券市场正常运行的重要影响因素，已经成为金融学、管理学、计算机科学的热点内容之一。
新闻信息对证券市场的影响研究最初起源于金融学领域。学者们观察到重大新闻事件（breaking news）对证券市场的影响，开始应用事件法研究特定新闻报道对证券市场波动的影响。Niederhoffer （1971）通过分析《纽约时报》发布的重大新闻的标题，研究重大新闻事件对证券市场的影响，并发现重大新闻发布后的第一天，市场的反应最为强烈。Mitchell和Mulherin （1994）通过研究每天道琼斯重大新闻的数量，发现新闻的数量与证券市场交易量、收益率直接相关。陶萍和刘先伟（2015）以新华社评出的 2011 年国际十大新闻中的 3 条新闻为背景，以上海证券交易所主板上市公司为研究样本，发现国外突发新闻事件能够显著影响国内证券市场。上述早期研究由于缺乏量化非结构化的新闻文本信息的技术手段，只是简单地采用某些特定新闻、新闻数量或新闻标题来分析新闻如何影响证券市场，忽略了新闻文本中包含的大量有价值的内容信息。
随着互联网媒体的兴起和信息技术的发展，越来越多的学者尝试利用计算机技术打破传统案例研究与实验研究方法陷入的以偏概全的局面，来探析互联网新闻与证券市场波动的关联。相关研究可以追溯到 1998 年，Wuthrich等（1998）运用K最近邻（K－Nearest Neighbor，KNN）机器学习技术，来分析《华尔街日报》、《金融时报》、路透社等 5 家新闻媒体上的实时新闻对亚洲五大证券市场指数的影响。遗憾的是，由于技术的不成熟性，该项研究并未引起足够的重视。直到 2007 年，Tetlock在顶级金融学期刊 Journal of Finance 上连续发表的两篇研究报告被公认为该领域的开创性成果（Tetlock，2007；Tetlock et al．，2008），该项研究以 16 年的《华尔街日报》新闻数据为样本，利用情感词分析技术，首次量化分析得出新闻负面情感对证券市场的显著影响力。2019 年，Calomiris和Mamaysky在顶级金融学期刊 Journal of Financial Economics 上发文，通过对 51 个国家证券市场的检验，发现通过对财经新闻的分析，可以预判一个国家证券市场的未来发展趋势（Calomiris et al．，2019）。这 3 篇文章基本确立了新闻信息对证券市场风险波动影响的金融学理论基础。
此外，在计算机科学和管理学领域，相关研究同样取得了显著的成果，例如Schumaker和Chen （2009b）在顶级计算机期刊 ACM Transactions on Information Systems 上发文，通过专有名词来量化新闻的基本面信息，并运用支持向量回归模型（support vector regression，SVR），成功地捕捉到新闻对证券市场波动影响的 20 分钟效应。Li等（2020a）在顶级计算机期刊 IEEE TKDE 上发文，提出了一个基于事件驱动的时序神经网络模型，能有效地处理新闻信息的变时长离散特性，成功平衡了多种不同时序间隔的市场因子对证券波动的综合影响。Xu和Zhang （2013）在管理学顶级期刊 MIS Quarterly 发表文章，发现维基百科上的汇总信息可以有效为投资者改善证券市场的信息环境，减轻了投资者对坏消息的负面反应。Bali等（2018）在管理学顶级期刊 Management Science 上发表文章，发现公司的突发新闻增加了投资者对公司价值的认知分歧程度，从而引起证券市场的波动。
聚焦于不同内容的新闻对证券市场的影响研究，由于缺乏新闻主题分类的相关技术手段，相关文献在学术界少之又少。但是，为了保证本书的严谨性和完整性，这里依然对现有的文献进行梳理和总结。具体而言，本书只检索到一篇国内文献将五种不同类型的互联网新闻对上市公司证券表现的影响进行了比较性研究（刘海飞等，2017），发现政策扶持类、兼收并购类、再融资类、盈利能力类和违规处罚类 5 类新闻对证券市场的影响在影响方向、影响力度、影响持续时间等方面均存在差异。其他文献多是探索某一类新闻事件对证券市场的影响，例如，Jain和Sunderman （2014）通过研究并购新闻对证券市场的影响，发现在此类消息公布之前市场便已经存在内幕交易。Lorraine等（2004）探索了公司保护环境方面的新闻与其证券市场表现的关系，发现污染环境和罚款新闻对公司股价有显著的负向冲击。Carretta等（2011）发现公司治理类新闻发布之前，投资者只能简单地评估公司治理事件的类型，新闻发布之后投资者会受到新闻内容（正面或负面）和新闻语调（强或弱）的影响。Capelle －Blancard和Petit（2019）研究了环境、社会责任和公司治理（ environment、 social responsibility、 corporate governance，ESG）相关新闻与证券市场的关系，发现负面ESG新闻的公司市值会下降 0. 1％，而正面ESG新闻的公司也不会从中获得任何收益。
综上所述，本书通过对现有文献的梳理，发现已有的研究多是从传统媒体上获取新闻信息来研究证券市场的媒体效应，但是随着互联网媒体和大数据的发展，这些研究往往受限于样本量少的原因陷入以偏概全的局面，无法全面捕捉媒体新闻对证券市场的影响。另外，不同内容的新闻报道通过对投资者注意力的不同分配，能够诱导投资者产生不同的投资行为，从而引起证券的差异化波动（张雅慧等，2012）。但是现有研究由于手工分类的局限性，无法系统性地覆盖互联网财经新闻的各个方面，通常只关注某一类特定新闻或者少数几类新闻的有效性（ Calomiris et al．，2019；Keown et al．，1981；Niederhoffer，1971；Tetlock，2007），极少涉及基于大数据样本的异质性新闻对证券市场影响差异化的深度挖掘。
因此，本书将研究视角从传统媒体转移到互联网媒体大数据中，以异质性新闻的影响力作为切入点，结合互联网新闻的情感因素和文本内容，利用大数据分析手段，探究互联网媒体中差异化新闻内容对证券市场风险波动更深层次、更细致、更具体的影响。笔者希望通过研究指导上市公司更好地利用互联网媒体进行信息披露，帮助投资者更好地利用互联网媒体新闻信息制定投资决策，协助市场监管者加强信息披露机制的优化和管理，促进证券市场健康与稳定。