李正輝　粟亞亞　廖高可　劉果

摘 要：基于傳統(tǒng)紙質(zhì)媒體與新媒體獲取全面的媒體信息數(shù)據(jù)，運(yùn)用FamaFrench三因子模型計算滬深300指成份股的特質(zhì)波動率，并將媒體信息的關(guān)注度、媒體情感、媒體關(guān)注度與媒體情感的交互作用納入統(tǒng)一的計量分析模型中，綜合探究媒體信息對金融資產(chǎn)價格波動的影響。結(jié)果發(fā)現(xiàn)：媒體關(guān)注度和媒體情感對金融資產(chǎn)價格波動都具有顯著性的影響；媒體關(guān)注度和媒體情感相互作用對金融資產(chǎn)價格產(chǎn)生影響；媒體信息對金融資產(chǎn)價格的影響在不同趨勢下，其作用方向和程度均具有顯著差異。

關(guān)鍵詞： 媒體信息；媒體關(guān)注度；媒體情感；特質(zhì)性波動率

中圖分類號：F832.5 文獻(xiàn)標(biāo)識碼： A 文章編號：10037217（2018）03005606

一、引言

金融資產(chǎn)價格受基本面和技術(shù)面等許多復(fù)雜的因素影響，同時隨著行為金融理論與實證研究的發(fā)展，越來越多的文獻(xiàn)證明媒體信息溝通對金融資產(chǎn)價格產(chǎn)生影響。信息技術(shù)和互聯(lián)網(wǎng)高度發(fā)達(dá)催生了新型的金融管理和運(yùn)行模式，使得資金流通和資本融合、支付、信息交流等業(yè)務(wù)流程完全區(qū)別于傳統(tǒng)的金融業(yè)務(wù)模式。這些新型管理和運(yùn)行模式源于新興技術(shù)，但其效應(yīng)體現(xiàn)為金融信息的快速傳播，進(jìn)而形成集聚式的金融輿情。媒體信息已成為聯(lián)系企業(yè)、市場和投資者的重要紐帶，其對金融資產(chǎn)價格波動的影響越來越受到研究者的關(guān)注。

已有文獻(xiàn)研究表明，金融市場信息環(huán)境對股價波動或者股價同步性的影響越來越為顯著，公司層面信息在股價變動所起到的作用有所增加，而宏觀市場層面信息相對作用減少，這導(dǎo)致了傳統(tǒng)標(biāo)準(zhǔn)資本資產(chǎn)定價回歸模型的失靈[1-3]。媒體信息對投資者情緒等具有影響，而投資者情緒與金融資產(chǎn)價格具有更為密切的相關(guān)性。網(wǎng)絡(luò)用戶情緒可用于股票市場預(yù)測，通過掃描金融信息板，提取個別作者所表達(dá)的觀點信息，利用機(jī)器學(xué)習(xí)方法系統(tǒng)學(xué)習(xí)情緒和股票價值之間的相關(guān)性；通過學(xué)習(xí)模型對股票價值進(jìn)行預(yù)測，發(fā)現(xiàn)該方法能夠高精度地預(yù)測情緒，股票表現(xiàn)和最近的網(wǎng)絡(luò)情緒具有顯著相關(guān)性[4，5]。

從相關(guān)性角度分析，金融資產(chǎn)價格波動與收益率直接相關(guān)，故媒體信息對金融資產(chǎn)價格波動影響研究中，一些文獻(xiàn)利用搜索引擎數(shù)據(jù)，分析搜索指數(shù)表現(xiàn)、股價、收益率之間的關(guān)聯(lián)性。趙龍凱等利用百度公司提供的上市公司簡稱搜索量數(shù)據(jù)研究了關(guān)注度與股票收益率的關(guān)系，發(fā)現(xiàn)關(guān)注度與同時期股票收益有正相關(guān)關(guān)系[6]。張誼浩等利用滬深300 指數(shù)成分股作為研究樣本，探討網(wǎng)絡(luò)搜索和證券市場的相互作用，發(fā)現(xiàn)網(wǎng)絡(luò)搜索對股市交易行為均有影響[7]。

社交網(wǎng)絡(luò)結(jié)構(gòu)則是從媒體信息之間的相互傳遞角度研究，認(rèn)為媒體信息特別是社交媒體之間的網(wǎng)絡(luò)結(jié)構(gòu)對金融資產(chǎn)價格也具有顯著影響。劉善存等從行為金融角度出發(fā)，在理性預(yù)期均衡模型的假設(shè)下，考慮社交媒體傳播關(guān)于股票基本面價值信息，通過分析信息質(zhì)量對市場效率、市場流動性以及資本成本的影響過程，研究社交媒體對價格發(fā)現(xiàn)的促進(jìn)效應(yīng)。結(jié)果顯示：相關(guān)信息傳播能促進(jìn)價格發(fā)現(xiàn)；無關(guān)信息傳播則阻礙價格發(fā)現(xiàn)[8]。王麗佳和盧國祥基于資本市場的社會網(wǎng)絡(luò)，通過建立股票價格的動態(tài)模型探究交易者的交流互動對股票價格的影響機(jī)制[9]。

已有研究中，對媒體關(guān)注度影響金融資產(chǎn)價格考慮較多，但媒體信息的情感沒有得到足夠的關(guān)注，對媒體關(guān)注度與媒體情感的相互影響更缺乏研究；全樣本時期媒體信息對金融資產(chǎn)價格波動影響考慮較多，但不同趨勢下媒體信息對金融資產(chǎn)價格波動影響差異性沒有足夠關(guān)注?；诖?，本研究的特色與創(chuàng)新性工作包括：將媒體信息的關(guān)注度、媒體情感、媒體關(guān)注度與媒體情感納入統(tǒng)一的計量分析模型中，研究媒體信息對金融資產(chǎn)價格波動的影響；將樣本分階段進(jìn)行實證分析，研究不同趨勢下媒體信息對金融資產(chǎn)價格波動的影響。

二、媒體信息對金融資產(chǎn)價格波動的基本假設(shè)

（一）媒體關(guān)注度、媒體情感與金融資產(chǎn)價格波動

媒體關(guān)注度體現(xiàn)了市場參與人對于金融資產(chǎn)波動相關(guān)的新聞和該關(guān)鍵詞的關(guān)注程度。新聞媒體通過信息的搜集、整理、加工和傳播，有助于提高利益相關(guān)者對相關(guān)信息的掌握程度，降低金融市場的信息不對稱程度。媒體關(guān)注度越高，則說明有更大量的媒體信息在金融市場中進(jìn)行傳播，而媒體的信息傳播，向市場參與者傳遞包括宏觀經(jīng)濟(jì)、市場環(huán)境、金融市場和上市公司在內(nèi)的更多信息?；诖?，媒體關(guān)注度不僅提供了與金融市場和上市公司相關(guān)的信息，進(jìn)而降低投資者獲取信息的搜尋成本；同時由于媒體關(guān)注在新技術(shù)環(huán)境下，信息傳播速度加快，投資者能夠更加及時地獲取相應(yīng)的信息，便于及時決策。

媒體情感體現(xiàn)為金融市場參與者對資產(chǎn)價格趨勢性的判斷。由于市場參與者對金融資產(chǎn)價格判斷具有多元性，隨時間演化和新對象加入，媒體情感均會發(fā)生變化。在演化過程中，有新的市場參與人進(jìn)入，當(dāng)新進(jìn)入的參與者是對媒體信息知情，則參與者會強(qiáng)化與其同質(zhì)性情感類型，參與者類型情感趨勢會強(qiáng)化；當(dāng)新進(jìn)入的參與者對媒體信息不知情，則新介入?yún)⑴c者對媒體信息的認(rèn)知能力影響媒體情感趨勢。

由此可知，媒體關(guān)注度對金融資產(chǎn)價格影響具有趨勢性特征，但媒體情感對金融資產(chǎn)價格影響具有時變特征，基于此，提出如下假設(shè)：

假設(shè)1.媒體關(guān)注度和媒體情感對金融資產(chǎn)價格波動具有顯著性影響。

（二）媒體關(guān)注度與媒體情感相互作用金融資產(chǎn)價格機(jī)制

媒體情感是媒體關(guān)注度對金融資產(chǎn)價格影響渠道之一。一方面，媒體關(guān)注度對金融資產(chǎn)價格的影響是基于投資者行為實現(xiàn)，而投資者行為受到“信息瀑布”的影響①。另一方面，在金融市場中，有來自財經(jīng)、論壇、微博等許多公開信息和各種傳言等媒體信息，盡管這些信息能夠?qū)ν顿Y者產(chǎn)生多樣化選擇的益處，但媒體信息量的增加，投資者決策難度和復(fù)雜程度均呈現(xiàn)增加，投資者會理性地忽略一些投資機(jī)會，進(jìn)而有意識地控制媒體信息。在這些有意識地控制媒體信息獲取過程中，媒體情感在信息流中進(jìn)行傳遞，進(jìn)而作為影響渠道影響金融資產(chǎn)價格。

媒體情感的異質(zhì)性程度，對媒體關(guān)注度具有重要影響。在新聞等媒體報道中，不同的情感用詞對輿情引導(dǎo)作用具有差異性。媒體情感異質(zhì)性程度越高，說明媒體對金融資產(chǎn)價格趨勢性預(yù)測分歧越大，包含的信息程度也越多，媒體關(guān)注度會持續(xù)。當(dāng)媒體情感異質(zhì)性程度比較低時，說明不同媒體對金融資產(chǎn)價格趨勢性預(yù)測是一致的，媒體關(guān)注度也就相應(yīng)減少。

由此可知，媒體關(guān)注度與媒體情感并不是獨(dú)立地影響金融資產(chǎn)價格，兩者會相互作用，進(jìn)而影響金融資產(chǎn)價格，基于此，提出如下假設(shè)：

假設(shè)2.媒體關(guān)注度和媒體情感不僅會獨(dú)立對金融資產(chǎn)價格波動產(chǎn)生影響，兩者還會通過相互作用對金融資產(chǎn)價格產(chǎn)生影響。

（三）不同趨勢下媒體信息與金融資產(chǎn)價格波動

金融資產(chǎn)價格一般可以分為三個趨勢，即價格上升、下降和平穩(wěn)波動。從媒體信息對金融資產(chǎn)價格波動影響來看，不同趨勢下的影響存在非對稱性。

1.媒體信息在不同趨勢下的風(fēng)險溢價存在差異。在金融資產(chǎn)價格上升趨勢過程中，媒體信息的關(guān)注度和媒體情感均呈現(xiàn)正向趨勢，這種正向趨勢帶來的金融資產(chǎn)價格上漲會被風(fēng)險溢價需求抵消，所以金融資產(chǎn)價格波動相對不大。在金融資產(chǎn)價格下降趨勢過程中，媒體信息的關(guān)注度和媒體情感均呈現(xiàn)負(fù)面趨勢，負(fù)面信息導(dǎo)致金融資產(chǎn)價格下降與本身下跌趨勢過程中投資者的風(fēng)險溢價需求相疊加，金融資產(chǎn)價格產(chǎn)生較大波動。在金融資產(chǎn)價格處于平穩(wěn)波動階段，媒體信息一般處于中性，風(fēng)險溢價需求幾乎可以忽略，故媒體信息對金融資產(chǎn)價格驅(qū)動力不足。

2.投資者的異質(zhì)性特征，造成媒體信息對金融資產(chǎn)價格波動影響具有非對稱性。異質(zhì)性特征與投資者過度自信具有密切關(guān)聯(lián)，在不同趨勢下，投資者過度自信程度具有差異性。投資過度自信的價格接受者會過度估計他們的個人信息，這會導(dǎo)致總的信號被過度估計，使得價格偏離其真實價格；同時這種高估的程度在金融資產(chǎn)價格上升趨勢和下降趨勢中又具有顯著差異。

由此可知，不同趨勢下媒體信息對金融資產(chǎn)價格影響具有差異性的，基于此，提出假設(shè)：

假設(shè)3. 媒體信息對金融資產(chǎn)價格影響在不同趨勢下具有顯著差異。

三、研究設(shè)計

（一）數(shù)據(jù)來源與變量定義

1.數(shù)據(jù)來源。

本文使用的數(shù)據(jù)包括媒體信息數(shù)據(jù)、上市公司股價數(shù)據(jù)和上市公司相關(guān)的財務(wù)數(shù)據(jù)等。對于媒體信息的度量，本文綜合考慮了傳統(tǒng)紙質(zhì)媒體和新媒體類搜索引擎的作用。傳統(tǒng)紙質(zhì)媒體信息的數(shù)據(jù)主要來源于CSMAR數(shù)據(jù)庫中的《報刊新聞量化輿情數(shù)據(jù)庫》②，新媒體信息的數(shù)據(jù)來源于百度媒體指數(shù)。

2.變量定義。

（1）被解釋變量。

本文基于FamaFrench三因子模型構(gòu)造股票特質(zhì)波動率，首先將每只股票日度超額收益率對市場因子、規(guī)模因子和價值因子進(jìn)行回歸，模型如下：

Ri，t=αi，m+βi，mMKTt+si，mSMBt+

hi，mHMLt+εi，t （1）

式（1）中，Ri，t為股票i在第t交易日（t屬于第m月）的收益率減去無風(fēng)險收益率，無風(fēng)險收益率即為中國人民銀行披露的一年期居民定期存款利率；MKTt為第t交易日的市場因子；SMBt為第t交易日的規(guī)模因子；HMLt為第t交易日的價值因子；系數(shù)βi.m、si，m、hi，m分別為與市場因子、規(guī)模因子和價值因子相對應(yīng)的風(fēng)險因子荷載，εi，t為股票i在第t交易日的擾動項。參考Ang et al.的做法[10]，本文以式（1）回歸殘差的月度標(biāo)準(zhǔn)差σi.m（εi，t）與第m月交易日數(shù)的平方根Ni，m的乘積作為股票i在第m月特質(zhì)性波動率Voli，m：

Voli，m=σi.m（εi，t）×Ni，m （2）

由于FamaFrench三因子包括以流通值加權(quán)和總市值加權(quán)計算的兩種，因此本文相應(yīng)地包含由流通值加權(quán)因子計算的特質(zhì)性波動率Vol1i，m和由總市值加權(quán)因子計算的特質(zhì)性波動率Vol2i，m兩類。

（2） 解釋變量。

本文的解釋變量包括媒體關(guān)注度（MediaAtten）和媒體情感（MediaSenti）這兩類媒體信息變量。媒體關(guān)注度變量包括傳統(tǒng)紙質(zhì)媒體關(guān)注度和新媒體關(guān)注度，傳統(tǒng)紙質(zhì)媒體關(guān)注度為從《報刊新聞量化輿情數(shù)據(jù)庫》獲取的股票i在第m月累計的新聞數(shù)（news）、正文提及該上市公司的次數(shù)（mt）、標(biāo)題提及該上市公司次數(shù)（imt），新媒體關(guān)注度為股票i在第m月累計的百度媒體指數(shù)（media）、百度搜索指數(shù)（ms）。媒體情感變量為從《報刊新聞量化輿情數(shù)據(jù)庫》獲取的第m月內(nèi)有關(guān)股票i新聞報道的累計整體情感評分（os）、正文情感評分（cs）、標(biāo)題情感評分（ts）。

（3） 控制變量。

參考楊潔等和羅進(jìn)輝等文獻(xiàn)，本文其他控制變量包括上市公司i在第m月的凈資產(chǎn)收益率（roe）、資產(chǎn)負(fù)債率（debt）、機(jī)構(gòu)投資者持股比例（inst）、平均總市值（mc）、累計換手率（tur） [11，12]。

（二）模型設(shè)定

為了檢驗假設(shè)1，首先構(gòu)建回歸模型：

Voli.m=α+β1MediaAtteni.m+

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

式（3）中，Controli，m為控制變量。本文首先根據(jù)式（3）對全樣本時期（2011年1月-2016年12月）進(jìn)行回歸用以檢驗假設(shè)1，然后根據(jù)滬深300指整體走勢將全樣本時期分為平穩(wěn)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）三個子樣本時期，同樣按照式（3）進(jìn)行回歸用以檢驗假設(shè)3。為了檢驗假設(shè)2，再構(gòu)建包含媒體關(guān)注與媒體情感交互項的回歸模型：

Voli.m=α+β1MediaAtteni.m+

β2MediaSentii，m+β3MediaAtteni.m×

MediaSentii，m+∑βjControli，m+εi，m （4）

由于篇幅限制，各變量的描述性統(tǒng)計分析予以省略。

四、實證結(jié)果分析

本文使用面板數(shù)據(jù)模型檢驗媒體信息對金融資產(chǎn)價格波動的影響。首先，需要對變量進(jìn)行平穩(wěn)性檢驗來避免偽回歸問題，利用STATA12.0軟件對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗，其結(jié)果說明數(shù)據(jù)均通過平穩(wěn)性檢驗。然后，根據(jù)模型的設(shè)定分別使用固定效應(yīng)模型和隨機(jī)效應(yīng)模型。最后，對模型進(jìn)行Hausman檢驗[13]。檢驗結(jié)果拒絕了隨機(jī)效應(yīng)模型優(yōu)于固定效應(yīng)模型。因此，在后續(xù)分析中均使用固定效應(yīng)模型進(jìn)行分析。

（一）媒體信息對金融資產(chǎn)價格波動影響

表1分別給出了媒體關(guān)注度、媒體情感以及它們相互作用對金融資產(chǎn)價格波動影響的結(jié)果?？梢园l(fā)現(xiàn)，在模型（1）中媒體關(guān)注度的系數(shù)在1%水平顯著為正，表明媒體關(guān)注度越高，金融資產(chǎn)價格波動性越強(qiáng)。媒體對特定企業(yè)的關(guān)注度程度越高往往代表在這段時間該企業(yè)在市場上的影響越大，也越容易得到投資者的關(guān)注，股票價格波動是由于投資者的買賣行為來決定，因此吸引的投資者越多，該股票的交易過程就越復(fù)雜，導(dǎo)致價格波動也越劇烈。在模型（2）中媒體情感的系數(shù)在1%水平顯著為正，表明在新聞報道中，媒體表達(dá)的情感傾向越強(qiáng)，金融資產(chǎn)價格波動越大。媒體報道中含有豐富的信息，媒體發(fā)布的信息是大部分投資者判斷股票價格的標(biāo)準(zhǔn)之一，因此投資者在進(jìn)行投資決策時經(jīng)常會受到媒體報道的影響。媒體表達(dá)的情感越強(qiáng)烈對投資者的沖擊越大，導(dǎo)致股票價格波動越劇烈。在模型（3）中，媒體關(guān)注度的系數(shù)在1%水平顯著為正，媒體情感的系數(shù)在5%水平顯著為正，媒體關(guān)注度與媒體情感交互項的系數(shù)在1%水平顯著為正，表明媒體關(guān)注度和媒體情感不僅會獨(dú)立對金融資產(chǎn)價格波動產(chǎn)生影響，兩者還會通過相互作用對金融資產(chǎn)價格產(chǎn)生影響。由于媒體關(guān)注度越高越能對媒體情感產(chǎn)生趨勢性的作用，媒體情感差異化越大越能引起媒體關(guān)注，因此媒體關(guān)注度與媒體情感能夠相互影響加劇金融資產(chǎn)價格波動。從系數(shù)大小來看，媒體關(guān)注度對金融資產(chǎn)價格波動的影響更大。假設(shè)1和假設(shè)2得到驗證。

（二）不同趨勢下媒體信息對金融資產(chǎn)價格波動影響

表2分別給出了媒體關(guān)注度、媒體情感以及它們相互作用在股市平穩(wěn)期、上升期和下降期對金融資產(chǎn)價格波動影響的結(jié)果。在市場處于平穩(wěn)期時，媒體關(guān)注度的系數(shù)在1%水平顯著為正，媒體情感的系數(shù)在5%水平顯著為正，媒體關(guān)注度與媒體情感交互項的系數(shù)在1%水平顯著為正，結(jié)果與全樣本時期的結(jié)果基本具有一致性，因此，以下分析市場處于上升期和下降期媒體信息對金融資產(chǎn)價格波動的影響。

市場處于上升期時，媒體關(guān)注度、媒體情感以及它們相互作用對金融資產(chǎn)價格波動的影響具有差異性，且媒體關(guān)注度具有主要影響。媒體關(guān)注度的系數(shù)在1%水平顯著為正，這說明市場處于上升期時，媒體關(guān)注度越高股價波動越強(qiáng)烈，這與全樣本時期的結(jié)果一致。媒體情感的系數(shù)在5%水平顯著為負(fù)，這說明市場處于上升期時，媒體情感越強(qiáng)烈越能降低股價波動。媒體情感的正向趨勢帶來的金融資產(chǎn)價格上漲會被風(fēng)險溢價需求抵消，所以會抑制金融資產(chǎn)價格波動。媒體關(guān)注度與媒體情感交互項的系數(shù)在5%水平顯著為負(fù)，表明市場處于上升期時，媒體情感能夠抑制媒體關(guān)注度對金融資產(chǎn)價格波動的影響。從系數(shù)大小來看，媒體關(guān)注度對金融資產(chǎn)價格波動的影響明顯大于媒體情感，這說明投資者在市場上升階段更容易受媒體關(guān)注度的影響。市場處于上升期時，投資者往往會對股票價格有更好的預(yù)期，而忽略媒體情感，因此，更容易受媒體關(guān)注度的影響。

市場處于下降期時，媒體關(guān)注度和媒體情感對金融資產(chǎn)價格波動的影響具有一致性，且媒體情感具有主要影響。媒體關(guān)注度的系數(shù)在1%水平顯著為正，這說明市場處于下降期時，媒體關(guān)注度越高股價波動越強(qiáng)烈。媒體情感的系數(shù)在5%水平顯著為正，說明在市場下降階段，媒體情感越強(qiáng)烈金融資產(chǎn)價格波動性越強(qiáng)。這主要是由于媒體情感的負(fù)面信息導(dǎo)致金融資產(chǎn)價格下降與本身下跌趨勢過程中投資者的風(fēng)險溢價需求相疊加，進(jìn)而加劇金融資產(chǎn)價格波動。而媒體關(guān)注度與媒體情感的交互項并沒有通過顯著性檢驗，可能的解釋是，媒體關(guān)注度和媒體情感在市場下降階段對金融資產(chǎn)價格波動的影響更為直接，因而吸收了它們相互作用的影響。從系數(shù)大小來看，媒體情感對金融資產(chǎn)價格波動的影響明顯大于媒體關(guān)注度，這說明投資者在市場下降階段更容易受媒體內(nèi)容的影響。市場處于下降期時，投資者往往會更多關(guān)注媒體信息的內(nèi)容作為其投資行為的參考依據(jù)，因此更容易受媒體情感的影響。

為了使結(jié)果具有穩(wěn)健性，分別使用ms、media、news、mt和imt來代表媒體關(guān)注度（MediaAtten），使用ts、cs和os來代表媒體情感（MediaSenti），分析媒體信息對金融資產(chǎn)價格波動的影響，檢驗結(jié)果與前文一致。由于篇幅限制，在上述分析中僅以media和os為例進(jìn)行結(jié)果展示。

五、結(jié)論與啟示

本文基于行為金融學(xué)理論，在對媒體關(guān)注度分析的基礎(chǔ)上進(jìn)一步考慮媒體情感以及媒體關(guān)注度與媒體情感之間的相互作用對金融資產(chǎn)價格波動的影響。通過使用FamaFrench三因子模型計算滬深300的193家上市公司股票特質(zhì)波動率作為研究對象，分階段研究了2011年1月至2016年12月期間媒體關(guān)注度與媒體情感影響上市公司股票特質(zhì)波動率的特征和差異性。得出以下結(jié)論：

1.媒體關(guān)注度和媒體情感均對金融資產(chǎn)價格波動具有顯著性、差異性的影響?？傮w而言，媒體關(guān)注度對金融資產(chǎn)價格波動的影響更大。

2.媒體關(guān)注度與媒體情感會通過相互作用對金融資產(chǎn)價格產(chǎn)生影響?？傮w上媒體關(guān)注度與媒體情感能夠相互影響加劇金融資產(chǎn)價格波動，但是在市場處于上升期時媒體情感能夠抑制媒體關(guān)注度對金融資產(chǎn)價格波動的影響，在市場處于下降期時媒體關(guān)注度與媒體情感的交互作用不明顯。

3.不同趨勢下媒體關(guān)注度和媒體情感對金融資產(chǎn)價格波動的影響具有非對稱性。媒體關(guān)注度無論在總體上還是不同趨勢下均對金融資產(chǎn)價格波動有顯著的正向影響，其影響在市場處于上升期時最強(qiáng)而在市場處于下降期時最弱。媒體情感會在市場處于上升期時對金融資產(chǎn)價格波動有顯著的抑制作用，其影響在市場處于上升期時最弱而在市場處于下降期時最強(qiáng)。

通過上述結(jié)論可以得出，股票市場面臨的媒體信息環(huán)境對其波動產(chǎn)生重要影響。因此，需要完善相關(guān)制度和法規(guī)，充分發(fā)揮媒體監(jiān)督和凈化市場的作用，同時需要警惕媒體報道對于股市震蕩期的推波助瀾作用，建立媒體輿情監(jiān)督分析反饋機(jī)制，正確引導(dǎo)媒體輿論。

注釋：

① 信息瀑布是人們觀測到他人的行為，進(jìn)而做出同樣的選擇的一種現(xiàn)象。Bikhchaniet等在1992年將該概念引入到金融市場中，并指出信息瀑布的發(fā)生需要兩個關(guān)鍵條件：一是后來者在作出決策前已經(jīng)觀察到先行者的行為，二是存在有限的決策空間。

② 《報刊新聞量化輿情數(shù)據(jù)庫》借鑒RavenPack和ThomsonReuters等數(shù)據(jù)平臺，基于機(jī)器學(xué)習(xí)和自然語言處理技術(shù)設(shè)計開發(fā)，囊括了從1998年到目前為止由報紙媒體發(fā)布的與我國A股（及B股）全部上市公司相關(guān)的新聞的文本分析結(jié)果，包含約300家報紙媒體，700多萬篇中文財經(jīng)新聞的情感傾向性，涉及新聞來源、新聞的情感傾向性、相關(guān)上市公司以及與其它歷史新聞的內(nèi)容相似性等多類指標(biāo)。

參考文獻(xiàn)：

[1] 凌愛凡， 楊曉光. 基于Google Trends 注意力配置的金融傳染渠道[J]. 管理科學(xué)學(xué)報， 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] 趙龍凱， 陸子昱， 王致遠(yuǎn). 眾里尋“股”千百度——股票收益率與百度搜索量關(guān)系的實證探究[J]. 金融研究， 2013， （14）： 183-195.

[7] 張誼浩， 李元， 蘇中鋒，等. 網(wǎng)絡(luò)搜索能預(yù)測股票市場嗎？[J]. 金融研究， 2014（2）： 193-206.

[8] 劉善存， 曾慶鐸， 陳彬彬，等. 社交媒體能促進(jìn)價格發(fā)現(xiàn)嗎？[J]. 北京航空航天大學(xué)學(xué)報（社會科學(xué)版）， 2017， 30（6）： 40-45.

[9] 王麗佳， 盧國祥. 基于社會網(wǎng)絡(luò)的股票動態(tài)價格研究[J]. 投資研究， 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]楊潔，詹文杰，劉睿智.媒體報道、機(jī)構(gòu)持股與股價波動非同步性[J].管理評論，2016，28（12）：30-40.

[12]羅進(jìn)輝，蔡地.媒體報道能夠提高股價的信息含量嗎？[J].投資研究，2013，32（5）：38-53.

[13]李正輝，彭浬，謝夢園.區(qū)域性系統(tǒng)性金融風(fēng)險影響因素研究——基于空間面板數(shù)據(jù)的實證分析[J].財經(jīng)理論與實踐，2017，38（1）：36-41.

（責(zé)任編輯：鐘 瑤）