基于房地產(chǎn)企業(yè)的社交媒體對(duì)資本市場(chǎng)的影響——以微博為例

□代婧　王喆　鐘靜瑤　檀昕

（中國政法大學(xué)北京100088）

基于房地產(chǎn)企業(yè)的社交媒體對(duì)資本市場(chǎng)的影響——以微博為例

□代婧王喆鐘靜瑤檀昕

（中國政法大學(xué)北京100088）

以新浪微博為數(shù)據(jù)源，以我國2016年滬、深兩市A股房地產(chǎn)上市公司為研究對(duì)象，通過情緒分析工具構(gòu)建微博情緒綜合指數(shù)，并將微博情緒分為一般、中度、高度三個(gè)等級(jí)，通過多元回歸分析、Grange因果檢驗(yàn)研究微博情緒與股票市場(chǎng)之間的關(guān)系。研究結(jié)果表明，微博情緒能夠預(yù)測(cè)股票收益率與股票成交量的變化，但是對(duì)股票收益率的預(yù)測(cè)時(shí)間要短于股票成交量的預(yù)測(cè)時(shí)間，股票收益率和股票成交量能夠影響微博情緒。對(duì)于不同程度等級(jí)的微博情緒對(duì)股票市場(chǎng)的影響不同，無論是積極還是消極情緒，較高情緒等級(jí)對(duì)股票市場(chǎng)的影響要大于較低情緒等級(jí)的影響。

社交媒體；資本市場(chǎng)；微博

本文以房地產(chǎn)上市公司為研究對(duì)象，以微博為例，構(gòu)建微博情緒指數(shù)，研究對(duì)于房地產(chǎn)行業(yè)而言，微博情緒與股票市場(chǎng)的互動(dòng)影響、微博情緒對(duì)股票收益率及成交量的預(yù)測(cè)作用。一方面，能夠幫助投資者預(yù)測(cè)股票市場(chǎng)的變動(dòng)獲取投資收益，更主要的是幫助投資者理性投資、避免盲目跟風(fēng)，另一方面，有助于信息監(jiān)管者加強(qiáng)社交媒體信息監(jiān)管，使社交媒體真正成為促進(jìn)資本市場(chǎng)發(fā)展的助推器。

1　文獻(xiàn)綜述

學(xué)者們對(duì)于社交媒體已經(jīng)進(jìn)行了好多研究，但是大部分研究都集中在社交媒體與股市大盤之間的關(guān)系，很少有學(xué)者以以某一個(gè)行業(yè)的股票為研究對(duì)象。而且在社交媒體情緒的研究中，很少研究不同程度等級(jí)的情緒對(duì)股票市場(chǎng)的影響，實(shí)際上，股票市場(chǎng)對(duì)不同程度等級(jí)的投資者情緒的敏感程度會(huì)存在差異。所以本文以房地產(chǎn)上市公司為研究對(duì)象，研究微博情緒指數(shù)與股票收益率，股票成交量之間的互動(dòng)關(guān)系，并且分等級(jí)研究積極情緒（一般、中度、高度），消極情緒（一般、中度、高度）對(duì)股票市場(chǎng)的影響。

2　理論分析及假設(shè)的提出

非理性因素對(duì)股票市場(chǎng)的影響一直是行為金融領(lǐng)域的重要研究?jī)?nèi)容。由于環(huán)境的復(fù)雜性，信息的不完全以及個(gè)人能力的限制，在資本市場(chǎng)交易中投資者很難達(dá)到傳統(tǒng)金融學(xué)所假設(shè)的“完全理性”狀態(tài)，而只能做到“有限理性”。在非理性因素中，投資者情緒是主要因素之一。個(gè)體差異的存在使得投資者情緒有所不同，而由于情緒的傳染效應(yīng)，投資者對(duì)于市場(chǎng)預(yù)期的非理性情緒往往會(huì)在互動(dòng)交流中趨向一致。這種“羊群效應(yīng)”可能會(huì)對(duì)股票市場(chǎng)交易產(chǎn)生噪聲干擾，而使股票價(jià)格偏離真實(shí)價(jià)格出現(xiàn)異常波動(dòng)。學(xué)者們對(duì)于投資者情緒與股票市場(chǎng)的關(guān)系已經(jīng)做了大量的研究。Delong等（1990）認(rèn)為投資者情緒會(huì)增加資本市場(chǎng)定價(jià)的系統(tǒng)性風(fēng)險(xiǎn)，并建立了DSSW模型比較了理性投資者的噪聲交易者的投資行為，認(rèn)為噪聲交易者承受更大的風(fēng)險(xiǎn)的同時(shí)也會(huì)擁有更高的風(fēng)險(xiǎn)收益。Shiller（2000）以及Fisher，Statman（2000），以及國內(nèi)學(xué)者如張宗新、王海亮（2013），劉維奇（2014）以及胡昌生（2013）等也進(jìn)行了實(shí)證研究，認(rèn)為投資者情緒對(duì)股票市場(chǎng)的收益會(huì)有影響。當(dāng)然也有學(xué)者對(duì)此提出異議，認(rèn)為投資者情緒不能反映股票市場(chǎng)收益的波動(dòng)，如Chen（1993），張俊生（2001）等。

本文采用情感分析工具挖掘微博中包含的投資者情緒，構(gòu)建微博情緒指數(shù)。提出如下假設(shè)：

H1：微博情緒對(duì)股票收益率會(huì)產(chǎn)生影響，不同程度的情緒對(duì)股票收益率的影響也是不同的；

H2：微博情緒對(duì)股票成交量產(chǎn)生影響，不同程度的情緒對(duì)股票收益率的影響也是不同的。

3　研究設(shè)計(jì)

3.1樣本選擇及數(shù)據(jù)來源

分析微博對(duì)某只股票的影響，首先應(yīng)該保證某上市公司在微博中被提到的次數(shù)較多，所以該公司應(yīng)該具有規(guī)模大、知名度高、被關(guān)注程度高的的特點(diǎn)。在我國134家房地產(chǎn)上市公司中，隨機(jī)抽取2天，測(cè)試了每只股票每天被提到的微博量，選取出每天微博量最多的前50只股票作為研究樣本，微博搜索的時(shí)間區(qū)間是2016年1月3日-2016年6月31日，其中剔除掉周六日和法定節(jié)假日。

3.2變量定義及數(shù)據(jù)來源

3.2.1微博情緒指數(shù)構(gòu)建。使用八爪魚數(shù)據(jù)采集系統(tǒng)抓取微博數(shù)據(jù)，50只股票2016年前半年共抓取了564 639條微博，去掉空白微博之后，得到431 724條有效微博，從該平臺(tái)能夠獲取到微博的發(fā)布時(shí)間、轉(zhuǎn)發(fā)數(shù)量、評(píng)論數(shù)量以及微博的內(nèi)容。

在微博抓取成功之后，使用ROST ContentMining內(nèi)容挖掘系統(tǒng)中的情感分析模塊對(duì)每一條微博進(jìn)行情感分析，情感分析結(jié)果如下：其一是是情感分析的詳細(xì)結(jié)果，對(duì)每一條微博進(jìn)行打分得到的情緒值。其二是是對(duì)情緒進(jìn)行分類，每一類情緒所占的比例，積極情緒與消極情緒共分為三段，分別包括一般、中度與高度。

根據(jù)情感分析結(jié)果，每一只股票在第t天的微博情緒值等于該只股票在第t天所有微博的微博情緒的平均值，用SENT表示。

（SENTi，t表示第i只股票在第t天的微博情緒值，SENTi，j表示i只股票在第t天的第j條微博的情緒值）

3.2.2股票收益率。關(guān)于股票收益率的計(jì)算，一種方法是采用股票指數(shù)變化率來計(jì)算，即，如張書煜和王瑤（2015）和程琬蕓和林杰（2013）；另一種方法是采用對(duì)數(shù)收益率的計(jì)算方法，如余志紅（2013）、郭小文（2015）。本文采用第二種方法衡量股票的收益率，用RET表示，其中收盤價(jià)的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

（Pt為個(gè)股的第t日的日收盤價(jià)，Pt-1為個(gè)股的第t-1的日收盤價(jià)）

3.2.3股票交易量。股票的日交易量的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，對(duì)其交易股數(shù)也進(jìn)行取對(duì)數(shù)處理，記為L(zhǎng)nVOL。

3.2.4流通市值。田利輝和王冠英（2014）認(rèn)為我國A股市場(chǎng)存在規(guī)模效應(yīng)，股票市值與股票收益率呈負(fù)相關(guān)關(guān)系。余志紅（2013）在運(yùn)用多元回歸研究微博情緒與股票收率的關(guān)系時(shí)，引入了流通市值和成交量作為控制變量，蔣玉梅和王明照（2010）研究投資者情緒對(duì)零成本套利組合收益的影響時(shí)，引入了市場(chǎng)溢價(jià)因子、市值因子、賬面市場(chǎng)比因子作為控制變量。所以本文也選取流通市值作為控制變量，對(duì)其取對(duì)數(shù)，用LnLIMV表示，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

3.3研究模型的建立

本文采用多元回歸分析、基于VAR模型的Grange因果檢驗(yàn)研究微博情緒與股票市場(chǎng)之間互動(dòng)關(guān)系，所以建立了如下模型：

3.3.1多元回歸模型。采用逐步回歸的方法，將LnVOL、LnLIMV、SENT逐漸引入到模型中，LnVOL、LnLIMV、SENT分別采用滯后1期、滯后3期、滯后5期的數(shù)據(jù)。

3.3.2向量自回歸模型（VAR）。用向量自回歸模型檢驗(yàn)微博情緒與成交量、股票收益之間的關(guān)系，VAR模型的一般形式為：

其中，Yt為內(nèi)生變量向量，Yt原p為滯后p期內(nèi)生變量向量，At是滯后內(nèi)生變量的系數(shù)，Xt原r為滯后r期外生變量向量，Bt為滯后外生變量的系數(shù)。

4　實(shí)證分析

描述性統(tǒng)計(jì)與單位根檢驗(yàn)

表1　描述性統(tǒng)計(jì)與單位根檢驗(yàn)結(jié)果

微博日情緒得分均值（SENT）的極小值是-25分，極大值是53，標(biāo)準(zhǔn)差較大，說明微博情緒得分均值波動(dòng)較大，平均值是10.032，是屬于積極情緒。股票收益率（RETA）、對(duì)數(shù)成交量（LnVOL）、對(duì)數(shù)流通市值（LnLIMV）的均值分別是0.028、19.399、19.270，波動(dòng)程度也都比較小。

面板數(shù)據(jù)的回歸分析以及Grange檢驗(yàn)都要進(jìn)行單位根檢驗(yàn)，否則會(huì)出現(xiàn)偽回歸。表1最后一欄是運(yùn)用增廣的迪基—福勒檢驗(yàn)(ADF檢驗(yàn))得到的單位根檢驗(yàn)結(jié)果。各時(shí)間序列一階差分的ADF檢驗(yàn)的t統(tǒng)計(jì)量都通過了1%的顯著性水平，因此可以拒絕單位根假設(shè)，各個(gè)時(shí)間序列是平穩(wěn)的，能夠進(jìn)行回歸分析。

結(jié)束語

本文以房地產(chǎn)上市公司為研究樣本，運(yùn)用八爪魚技術(shù)抓取海量微博數(shù)據(jù)，通過情感分析工具得到的結(jié)果建立了微博情感指數(shù)，運(yùn)用多元回歸分析、Grange因果檢驗(yàn)來研究微博情緒指數(shù)與股票收益率、股票成交量的動(dòng)態(tài)關(guān)系。

通過多元回歸分析得到微博情緒會(huì)顯著的影響股票收益率，滯后1期和滯后3期微博情緒值都通過了顯著性檢驗(yàn)，而滯后5期微博情緒未通過檢驗(yàn)，所以微博情緒對(duì)股票收益率影響的持續(xù)時(shí)間較短。當(dāng)微博情緒表現(xiàn)消極時(shí)，會(huì)使股票收益率在短期內(nèi)下降，當(dāng)微博情緒表現(xiàn)積極時(shí)，就會(huì)使股票收益率在短期內(nèi)上升。

[1]朱南麗,鄒平,張永平.基于博客/微博信息量的投資者關(guān)注度測(cè)量研究——來自中國股票市場(chǎng)的經(jīng)驗(yàn)數(shù)據(jù)[J].經(jīng)濟(jì)問題探索,2015(2):159-166.

[2]施榮盛.投資者關(guān)注與分析師評(píng)級(jí)漂移——來自中國股票市場(chǎng)的證據(jù)[J].投資研究,2012(6).

1004-7026（2016）11-0117-02中國圖書分類號(hào)：G219;F27

A

本文10.16675/j.cnki.cn14-1065/f.2016.11.081

中國政法大學(xué)2015年碩士創(chuàng)新實(shí)踐項(xiàng)目（2015SSCX183）。