1 引 言

投资者情绪对股票市场的重要影响, 已在学术界和实践领域得到反复验证^[1,2,3,4]。而投资者情绪的度量问题已成为金融领域研究的热点^[1,5-6], 经典的度量方法分为直接指标和间接指标, 已在相关领域得到广泛应用。虽然传统投资者情绪指标数据易于获取, 但有学者指出, 它们并不是投资者情绪的直接反映, 而是由宏观经济、政策、新闻事件等与投资者情绪综合而成, 并且还存在统计的延迟和偏差, 直接应用于股票市场预测存在一定的局限^[3,7-8]。

随着互联网在金融领域的普及, 大量投资者通过网络平台发布股票评论, 表达其对股票市场的观点和情绪, 海量股票评论中蕴含的投资者情绪为相关领域的研究提供了更加丰富的素材。近年来, 投资者情绪的研究尝试对投资者网络行为进行刻画, 一些学者采用文本挖掘的方式, 构建股票评论的投资者情绪指标, 并通过网络情绪指标对股票市场走势进行预测^[9,10,11]。不过, 该领域的研究还处于起步阶段, 在情绪指标的构造、不同市场的有效性等方面尚未形成统一的观点。因此, 本文的研究围绕两个问题展开: 构造同时考虑评论“发布者”和“关注者”的投资者情绪指标; 检验“发布者-关注者”投资者情绪与股票大盘走势的关联性。

具体而言, 本文以“新浪财经”股评论坛中“上证指数”的大盘评论为研究对象, 应用情感词典匹配方法对股票评论进行情感分类, 构建“发布者-关注者”投资者情绪指标BSI(Bullish Sentiment Index), 进而建立线性回归模型和非线性模型, 对文本挖掘的BSI与上证指数收盘价格、收益率的关联性进行实证检验, 并围绕实证结果展开讨论。本文将丰富金融文本挖掘领域的研究内容, 构建的“发布者-关注者”BSI指标, 改进了现有文本挖掘的BSI指标, 使其显示出网络文本信息的独特性, 对投资者情绪的测量体系有一定的补充作用。

2 相关研究

2.1 投资者情绪与股票市场

投资者情绪与股票市场关联性的研究, 目前主要关注于不同情绪度量方法是否能对金融市场的股票价格、收益等进行有效预测。传统的投资者情绪度量指标分为直接指标和间接指标。直接度量指标多采取问卷调查方式, 询问投资者对股票市场未来走势所持有的态度(乐观或悲观), 进而使用乐观和悲观投资者的比例作为市场中投资者的情绪指标, 如美国个体投资者协会指数^[3]、投资者智能指数^[2]等; 间接度量指标则侧重于市场客观因素, 利用金融市场上的各种客观数据反映投资者情绪, 如股票市场的成交量、换手率、波动率等代理变量^[8,12-14]。

在这两类情绪指标的研究中, 学者们均发现投资者情绪与股票市场的关联性, 比如, Brown等^[2]和Fisher等^[3]检验美国个人投资者协会指数和投资者情报指数等直接度量指标与股票市场收益的相关性; Baker等^[1]和Chen等^[15]的研究发现股票市场IPO数量、首日平均收益率和发行股数, 以及股票交易的换手率和成交量、封闭式基金折价率等间接度量指标, 能够显著影响股票价格和收益; 陆静等^[12]和王春^[14]通过对开放式基金净流入、证券基金收益率、股票交易换手率和市盈率等投资者情绪代理变量的研究发现, 投资者情绪与股票价格呈现出正相关关系。

不过, 由于传统投资者情绪多以代理变量形式出现, 并不是投资者情绪的直接表达, 传统投资者情绪对市场的预测能力是有限的, 甚至一些研究显示其对股票市场的影响并不显著^[7], 传统度量指标对投资者情绪的刻画尚存在一定的不足。针对这一问题, 一些学者尝试从投资者的网络行为中获取更直接的情绪指标, 并检验其在股票市场中的有效性, 基于文本挖掘的投资者情绪成为主要的研究对象。

2.2 基于文本挖掘的投资者情绪相关研究

目前, 基于文本挖掘的投资者情绪的相关研究主要关注于网络情绪来源、情感分类方法、情绪指标构造和股票实证检验等关键环节。在网络情绪来源方面, 多数研究数据来自财经网站或社交媒体的股吧论坛板块, 包括新浪财经^[16,17]、东方财富网^[16]、新浪微博^[18]、Yahoo Finance^[19]、Twitter^[20]等。股吧的评论数据多选择个股评论, 仅有少数学者针对整体市场评论数据进行研究^[18]。

在情感分类方法方面, 研究者主要采用机器学习方法和语义分析方法对股票评论的情感倾向进行分类。Kearney等^[21]指出两种方法各有利弊, 机器学习方法一般分类准确率较高, 但依赖于熟悉金融股票市场的人员进行手工分类, 构造训练集; 而语义分析方法(特别是基于词典的方法), 在经济金融分析中更加简单易用, 但普通词典难以适用于金融语境^[21], 关键在于金融专用词集的构建^[22]。最新的文献中, Renault^[23]在对StockTwits评论的研究中对比两类方法, 发现基于词典的方法与机器学习方法的分类效果基本相同, 但前者比后者更加清晰明了。国内相关研究中, 两类方法均有应用, 都显示出较好的分类效果。如王洪伟等^[17]采用SVM的文本分类方法, 对新浪股吧评论数最多的30只个股进行情感分类, 整体准确率达到95.78%; 黄润鹏等^[18]采用情感词典匹配方法对新浪微博上证指数评论进行分类, 同样得到较好的分类效果。

在情绪指标的构造方面, 不少学者采用Antweiler等^[9]提出“看涨指数”(Bullisness Index)作为投资者情绪指标BSI变量, 即以日为单位, 对当日每篇股票评论的情感倾向进行整合, 形成每日投资者情绪值。如杨晓兰等^[24]参考Antweiler等^[9]的研究, 以东方财富网股吧的“积极”和“消极”帖子数量为基础, 构建每日的情绪指数变量。也有一些学者尝试其他形式的情绪变量, 如Bollen等^[25]的研究应用两类情绪追踪工具(Mood Tracking Tools), OpinionFinder (OF)和Google-Profile of Mood States (GPOMS), 构造情绪变量, 研究二维情绪(OF)和多维度情绪(GPOMS)指标对金融市场的预测效果。大多数研究仅测量网络评论“发布者”的情绪(帖子本身的情绪), 目前尚未发现考虑评论“关注者”(帖子浏览量)情绪作用的研究。网络评论相关领域的研究指出, 评论的受关注程度是影响信息接收者认知的重要因素之一^[26,27]。因此, 评论关注者的相关信息有待于纳入情绪指标进行检验。

在股票实证检验方面, 现有研究一般采用线性模型或非线性模型检验文本挖掘的情绪指标与市场表现的关联性。Oliveira等^[28]指出两类模型各有优劣, 多元线性回归得到的结果更容易解释金融现象, 但难以检验非线性关系; 非线性模型, 如支持向量机(SVM)、神经网络(NN)和随机森林(RF)等方法, 应用更加灵活并适用于处理非线性关系, 但一些方法(如SVM、NN等)容易出现过度拟合(Overfit)以及超参数(Hyperparameter)设置的问题。此外, 非线性模型的结论需要借助敏感性和可视化技术才能很好地被理 解^[29]。因此, 不少学者采用线性和非线性模型相结合地方法进行实证检验, 不论采用何种回归模型, 多数实证结果验证了从网络股评中提取投资者情绪预测股市走势的可行性^[16-20,28]。

综上所述, 互联网环境下的投资者情绪构建成为传统情绪指标的重要补充, 基于文本挖掘的投资者情绪的相关研究在网络情绪来源、情感分类方法、情绪指标构造、股票实证检验等方面都进行过探索, 取得一系列突出性的研究成果。不过, 该领域尚有不少问题值得进一步探索。首先, 多数文献通过个股的网络评论的文本挖掘, 构造微观层面的“个股”情绪指标, 未能反映更广泛的市场情绪状况, 宏观层面的“市场”情绪指标尚有待于进一步挖掘。其次, 投资者情绪指标的构造方面, 现有研究仅考虑股评发布者所表达的情绪倾向, 没有将评论关注者的相关信息纳入情绪指标, 而股票评论受关注程度蕴含着重要的情绪信息, 同时也是有别于传统情绪, 属于网络情绪特有的重要特征。如何综合考虑发布者和关注者的情绪倾向, 构造具有网络特征的投资者情绪指标, 值得进一步探索。

3 投资者情绪指标构建

本文通过对互联网中的股票评论进行文本情感分类, 构造投资者情绪指标(BSI), 主要分为三个步骤, 如图1所示。

显示原图| 下载原图ZIP| 生成PPT

图1   投资者情绪指标构建过程

   

(1) 数据获取与预处理: 利用爬虫程序对“新浪财经”的相关股票数据进行抓取, 通过数据清洗, 清除与股票无关的评论数据和重复的股票评论数据;

(2) 情感分类: 应用基于词典匹配的语义分析方法进行情感分类;

(3) 投资者情绪指标构建: 应用情感分类结果, 并综合考虑股评发布者与关注者因素, 构造“发布者-关注者”综合BSI指标。

3.1 数据获取与预处理

选择国内财经金融领域影响较大的“新浪财经”中“新浪股吧”投资者网络社区为数据来源平台, 编写程序对“上证指数”股评专栏2016年全年的评论信息进行抓取, 包括评论的标题、内容、关注度(帖子点击量)、发布时间等数据。

获取的评论中包含大量重复评论、非股票相关评论, 首先对原始评论数据进行清洗, 以保证文本分类的有效性。通过对爬取的大盘评论进行数据清洗, 去除重复评论和非股票相关的评论, 最终得到64 154条有效评论, 股票评论数据的描述性统计如表1所示。

3.2 情感分类

采用基于词典的语义分析方法对股票评论进行情感分类, 该方法在文本挖掘领域有着广泛的应用, 其核心技术之一是情感词典匹配, 关键在于情感词典构建和匹配算法设计。情感词典的构建可分为三种: 基于手工的方法、基于主流词典的方法和基于语料的方法^[30]。由于金融领域存在独有的积极和消极词, 仅将主流情感词典(如HowNet词典)作为情感分类的词典, 会降低分类准确率。因此本文采用人工标注和主流词典相结合的方法构造专用情感词典。情感词典具体构造步骤如下:

(1) 对64 154条股票评论进行分词和筛选, 得到金融情感词集。邀请三名有股票经验的硕士研究生独立对词集进行情感极性判定, 如果三人判定不一致, 则由三人共同对该词的情感极性进行重新判定。最后, 统计积极和消极的词集组成人工标注的金融情感词典。共得到积极情感词194个, 消极情感词296个。

(2) 将人工标注的情感词典与HowNet词典合并, 作为本文股票评论情感分类的金融情感词典。

本文采用的匹配方法为: 统计每条股评中积极词和消极词的个数, 如果一条股评中积极词个数大于消极词个数, 则此条评论为积极评论, 否则为消极评论。为了检验词典匹配方法的准确性, 从64 154条股票评论中随机抽取500条股票评论进行人工情感标注, 并将人工标注的股票评论与金融情感词典进行匹配测试。最终得到情感词典匹配方法的“看涨情绪倾向”和“看跌情绪倾向”的召回率、准确率和F值, 如表2所示。应用情感词典匹配方法, 对64 154条股票评论进行“看涨”与“看跌”的情感分类, 得到2016年全年内每个交易日的“看涨”和“看跌”的股评数量, 总的情感分类数据描述性统计如表3所示。

3.3 投资者情绪指标构建

根据股票评论情感分类得到的情绪倾向, 并结合每条评论的关注度构造BSI情绪指标。笔者认为投资者情绪是股评发布者与关注者情绪的合成, 因此在考虑股评发布者情绪倾向的同时, 引入股评关注者的情感倾向权重, 尝试构造一类“发布者-关注者”BSI情绪指标。

(1) “发布者-关注者”综合情感倾向SV

在设计每条评论的“发布者-关注者”综合情感倾向时, 重点考虑两方面问题: 发布者和关注者的情感倾向权重问题; 如何将发布者和关注者的情感倾向综合在一起。

①情感倾向权重设计。设定每条评论(发布者)的情感倾向权重为1, 评论关注者的情感倾向通过两种方式进行调整: 对数调整(Logarithm Adjustment), 关注者情感权重为ln(1+n)(n代表该条评论受到多少其他投资者关注, 即该条评论的关注度, 1+n的设置确保当关注度为0时, 对数值为0); 比值调整(Ratio Adjustment), 关注者情感权重为$\frac{n}{\mathop{\sum }^{}n}$ ($\mathop{\sum }^{}n$代表每日评论的关注度总和)。

②情感倾向合成方法。采用加法合成与乘法合成两种方式: 加法合成(Additive Combination)将发布者与关注者的权重相加得到; 乘法合成(Multiplicative Combination)则通过两者权重相乘得到。

通过以上操作, 得到每条评论的4种“发布者-关注者”综合情感倾向值SV(Sentiment Value), 结果如表4所示。

分别计算每条看涨和看跌评论的4种综合情感倾向值SV, 进而计算每日的评论中看涨情绪倾向值累计之和$\mathop{\sum }^{}S{{V}_{涨}}$, 以及看跌情绪倾向值累计之和$\mathop{\sum }^{}S{{V}_{跌}}$, 用于下一步构造BSI指标。

(2) “发布者-关注者”BSI指标

常用的投资者情绪指标是由Antweiler等^[9]提出的一系列“看涨指数”组成。根据“看涨指数”, 构造三类“发布者-关注者”BSI指标。

$BS{{I}_{1}}=\frac{\mathop{\sum }^{}S{{V}_{涨}}}{\mathop{\sum }^{}S{{V}_{涨}}+\mathop{\sum }^{}S{{V}_{跌}}}$

$BS{{I}_{2}}=\ln (\frac{1+\mathop{\sum }^{}S{{V}_{涨}}}{1+\mathop{\sum }^{}S{{V}_{跌}}})$

$BS{{I}_{3}}=\frac{\mathop{\sum }^{}S{{V}_{涨}}-\mathop{\sum }^{}S{{V}_{跌}}}{\mathop{\sum }^{}S{{V}_{涨}}+\mathop{\sum }^{}S{{V}_{跌}}}$

其中, BSI₁反映看涨情绪在总体评论中的比例; BSI₂反映看涨与看跌情绪的比例; BSI₃反映涨跌情绪差异在总体评论中的比例。$S{{V}_{涨}}$和$S{{V}_{跌}}$分别代表每条看涨或看跌评论所表达的投资者情感倾向值。$\mathop{\sum }^{}S{{V}_{涨}}$和$\mathop{\sum }^{}S{{V}_{跌}}$分别表示每日看涨和看跌综合情感倾向累积值。分别通过4种情绪倾向值SV, 构造三类投资者情绪指标, 共得到12个BSI指标, 分别记为: “BSI_la1、BSI_la2、BSI_la3”, “BSI_lm1、BSI_lm2、BSI_lm3”, “BSI_ra1、BSI_ra2、BSI_ra3”, “BSI_rm1、BSI_rm2、BSI_rm3”。

4 线性回归模型与变量设置

为了更好地解释文本挖掘的“发布者-关注者”投资者情绪与股票市场的关联性, 本文首先采用多元线性回归模型展开进一步的分析。建立以下多元回归模型, 并利用层级回归方法进行检验。模型一用于检验投资者情绪与上证综合指数的关联性, 如公式(1)所示; 模型二用于检验投资者情绪与上证指数收益率的关联性, 各自的子模型分别讨论三类BSI指标变量的作用, 如公式(2)所示。

$\begin{align} & C{{I}_{1t}}={{\alpha }_{1}}+{{\beta }_{11}}C{{I}_{t-1}}+{{\beta }_{12}}FR+{{\beta }_{13}}TR+{{\beta }_{14}}BS{{I}_{1t}}+{{\beta }_{15}}BS{{I}_{1(t-1)}} \\ & C{{I}_{2t}}={{\alpha }_{2}}+{{\beta }_{21}}C{{I}_{t-1}}+{{\beta }_{22}}FR+{{\beta }_{23}}TR+{{\beta }_{24}}BS{{I}_{2t}}+{{\beta }_{25}}BS{{I}_{2(t-1)}} \\ & C{{I}_{3t}}={{\alpha }_{3}}+{{\beta }_{31}}C{{I}_{t-1}}+{{\beta }_{32}}FR+{{\beta }_{33}}TR+{{\beta }_{34}}BS{{I}_{3t}}+{{\beta }_{35}}BS{{I}_{3(t-1)}} \\ \end{align}$ (1)

$\begin{align} & {{R}_{1t}}={{\delta }_{1}}+{{\gamma }_{11}}FR+{{\gamma }_{12}}TR+{{\gamma }_{13}}BS{{I}_{1t}}+{{\gamma }_{14}}BS{{I}_{1(t-1)}} \\ & {{R}_{2t}}={{\delta }_{2}}+{{\gamma }_{21}}FR+{{\gamma }_{22}}TR+{{\gamma }_{23}}BS{{I}_{2t}}+{{\gamma }_{24}}BS{{I}_{2(t-1)}} \\ & {{R}_{3t}}={{\delta }_{3}}+{{\gamma }_{31}}FR+{{\gamma }_{32}}TR+{{\gamma }_{33}}BS{{I}_{3t}}+{{\gamma }_{34}}BS{{I}_{3(t-1)}} \\ \end{align}$ (2)

(1) 被解释变量(CI、R)

选取每个交易日的上证综合指数(SSE Composite Index, CI_t)和上证指数收益率(Returns, R_t)衡量股票 市场整体表现, 分别作为模型一和模型二的被解释 变量。

(2) 解释变量(BSI₁、BSI₂、BSI₃)

采用本文构造的三类“发布者-关注者”BSI指标作为模型的解释变量。由于实际股票市场中, 投资者情绪可能具有持续性的影响, 将考虑投资者情绪的滞后效应, 分别计算三类情绪指标当日的BSI_t和前一日的BSI_t-1。

(3) 控制变量(FR、TR、CI_t-1)

除了文本挖掘的BSI变量外, 考虑采用传统的投资者情绪指标作为控制变量。在现有的文献中, 不少学者使用股票市场的波动率、换手率等作为投资者情绪指标。波动率衡量一定时间内股票价格或投资收益的变化程度, 反映投资者对股票交易的风险变化倾向; 换手率即在一段时间股票市场中投资者进行股票转手买卖的频率, 反映股票市场交易的活跃程度。选用波动率(Fluctuation Rate, FR)和换手率(Turnover Rate, TR)作为模型的控制变量, 从而检验文本挖掘的BSI变量能否在传统情绪指标的基础上提高模型的解释能力。考虑到股票市场价格的惯性, 在模型一中加入前一日的上证综合指数(CI_t-1)作为控制变量。

多元回归模型的变量设置如表5所示。

(4) 股票市场数据收集

通过Wind金融数据库收集股票市场的相关变量数据。与文本挖掘方法得到的每日“发布者-关注者” BSI指标相对应, 股票市场数据包括2016年全年的每日上证综指、收益率、波动率、换手率等数据。

5 实证结果分析

5.1 投资者情绪与上证综合指数的关联性

利用层级回归对4种SV构造的“发布者-关注者” BSI指标(BSI_la、BSI_lm、BSI_ra、BSI_rm)与上证综合指数的关联性进行研究, 实证结果如表6所示。M1中加入控制变量, 模型对因变量CI的解释率为93.1%, 并且三个控制变量均对上证指数产生显著影响, 其中前一日上证综指CI_t-1变量产生正向影响, 印证了股票市场价格的惯性规律; 换手率TR变量产生正向影响, 表明市场交投活跃程度越高, 股票价格越高; 波动率FR变量产生负向影响, 表明投资者的价格预期分歧越大, 股票价格越低。M2、M3和M4中分别加入文本挖掘的三类BSI情绪指标, 包括当日情绪指标BSI_t和前一日情绪指标BSI_t-1。从表6可以看到, 相对于M1模型, M2、M3和M4在加入新构造的投资者情绪变量后, 解释能力得到显著提高, 并且解释变量的系数都非常显著, 说明三类BSI情绪指标均会对上证指数产生有效影响。从三个模型中BSI系数的符号可以看出, 当日情绪指标BSI_t的系数均显著为正, 表明投资者情绪与上证指数正相关, 当日情绪越高涨, 股票市场价格越高; 前一日情绪指标BSI_t-1的系数均显著为负(除BSI_rm不显著外), 显示出投资者情绪的滞后效应: 前期的投资者情绪会对后期股票市场价格产生一定的修正作用。

上证综合指数的回归分析表明, 4种SV构造的“发布者-关注者”BSI指标与上证综合指数存在较强的关联性, 能够有效预测股票市场的价格走势。

5.2 投资者情绪与上证指数收益率的关联性

利用层级回归对4种SV构造的“发布者-关注者”BSI指标(BSI_la、BSI_lm、BSI_ra、BSI_rm)与上证指数收益率的关联性进行研究, 实证结果如表7所示。M1中加入控制变量, 模型解释传统投资者情绪指标对因变量R的影响, 即两个传统投资者情绪指标均对股市收益率产生显著影响, 其中换手率TR变量产生正向影响, 表明市场交投活跃程度越高, 股票市场收益率越高; 波动率FR变量产生负向影响, 表明投资者的价格预期分歧越大, 股票市场收益率越低。M2、M3和M4中分别加入文本挖掘的当日情绪指标BSI_t和前一日情绪指标BSI_t-1。从表7可以看到, 在加入新构造的投资者情绪变量后, M2、M3和M4的解释能力相对于M1的解释能力(9.3%)明显得到提升, 其中BSI_ra模型的解释能力尤为突出, 最大提高了35.8%(ΔR²)。说明基于文本挖掘的BSI情绪指标对市场收益率的作用, 远大于传统投资者情绪指标(换手率和波动率)。M2、M3和M4模型的当日情绪指标BSI_t的系数均显著为正, 表明投资者情绪与市场收益率正相关, 当日情绪越高涨, 股票市场收益率越高; 前一日情绪指标BSI_t-1的系数均显著为负(除BSI_rm不显著外), 显示出投资者情绪的滞后效应: 前期的投资者情绪会对后期股票市场收益率产生一定的修正作用。

上证指数收益率的回归分析表明, 文本挖掘方法得到的“发布者-关注者”BSI指标与市场收益率存在较强的关联性, 能够有效预测股票市场的收益率。

以上两组线性回归模型对投资者情绪与上证综合指数和市场收益率关联性的分析得到了一致的结论: “发布者-关注者”BSI情绪指标会对股票市场的价格和收益率产生重要影响, 文本挖掘方法构造的投资者情绪可以为传统情绪指标提供有益补充, 能够更有效地对股票市场走势进行预测。对比模型一和模型二, 还发现, 4种SV构造的BSI指标对市场收益率的预测贡献最大超过35%, 而对市场价格的预测贡献仅有2%左右, 说明BSI指标对收益率的作用相对更大。

5.3 实证结果鲁棒性检验

本文在构造BSI情绪指标时, 同时考虑股评“发布者”和“关注者”的情绪倾向, 并在多元回归模型中得到实证验证。为了检验该结论的稳定性, 分别构造“发布者”BSI指标(Poster BSI, PBSI)和关注度指标(Attention, ATT), 将两类变量纳入多元回归模型, 并讨论存在投资者情绪与关注度交互作用(PBSI×ATT)的情况下, 投资者情绪对股票市场的影响。建立如下模型进行鲁棒性分析, 如公式(3)和公式(4)所示。

$\begin{align} & C{{I}_{1t}}={{\alpha }_{1}}+{{\beta }_{11}}C{{I}_{t-1}}+{{\beta }_{12}}FR+{{\beta }_{13}}TR+{{\beta }_{14}}AT{{T}_{t}}+{{\beta }_{15}}AT{{T}_{t-1}}+{{\beta }_{16}}PBS{{I}_{1t}}+ \\ & {{\beta }_{17}}PBS{{I}_{1(t-1)}}+{{\beta }_{18}}PBS{{I}_{1t}}\times AT{{T}_{t}}+{{\beta }_{19}}PBS{{I}_{1(t-1)}}\times AT{{T}_{t-1}} \\ & C{{I}_{2t}}={{\alpha }_{2}}+{{\beta }_{21}}C{{I}_{t-1}}+{{\beta }_{22}}FR+{{\beta }_{23}}TR+{{\beta }_{24}}AT{{T}_{t}}+{{\beta }_{25}}AT{{T}_{t-1}}+{{\beta }_{26}}PBS{{I}_{2t}}+ \\ & {{\beta }_{27}}PBS{{I}_{2(t-1)}}+{{\beta }_{28}}PBS{{I}_{2t}}\times AT{{T}_{t}}+{{\beta }_{29}}PBS{{I}_{2(t-1)}}\times AT{{T}_{t-1}} \\ & C{{I}_{3t}}={{\alpha }_{3}}+{{\beta }_{31}}C{{I}_{t-1}}+{{\beta }_{32}}FR+{{\beta }_{33}}TR+{{\beta }_{34}}AT{{T}_{t}}+{{\beta }_{35}}AT{{T}_{t-1}}+{{\beta }_{36}}PBS{{I}_{3t}}+ \\ & {{\beta }_{37}}PBS{{I}_{3(t-1)}}+{{\beta }_{38}}PBS{{I}_{3t}}\times AT{{T}_{t}}+{{\beta }_{39}}PBS{{I}_{3(t-1)}}\times AT{{T}_{t-1}} \\ \end{align}$ (3)

$\begin{align} & {{R}_{1t}}={{\delta }_{1}}+{{\gamma }_{11}}FR+{{\gamma }_{12}}TR+{{\gamma }_{13}}AT{{T}_{t}}+{{\gamma }_{14}}AT{{T}_{t-1}}+{{\gamma }_{15}}PBS{{I}_{1t}}+ \\ & {{\gamma }_{16}}PBS{{I}_{1(t-1)}}+{{\gamma }_{17}}PBS{{I}_{1t}}\times AT{{T}_{t}}+{{\gamma }_{18}}PBS{{I}_{1(t-1)}}\times AT{{T}_{t-1}} \\ & {{R}_{2t}}={{\delta }_{2}}+{{\gamma }_{21}}FR+{{\gamma }_{22}}TR+{{\gamma }_{23}}AT{{T}_{t}}+{{\gamma }_{24}}AT{{T}_{t-1}}+{{\gamma }_{25}}PBS{{I}_{2t}}+ \\ & {{\gamma }_{26}}PBS{{I}_{2(t-1)}}+{{\gamma }_{27}}PBS{{I}_{2t}}\times AT{{T}_{t}}+{{\gamma }_{28}}PBS{{I}_{2(t-1)}}\times AT{{T}_{t-1}} \\ & {{R}_{3t}}={{\delta }_{3}}+{{\gamma }_{31}}FR+{{\gamma }_{32}}TR+{{\gamma }_{33}}AT{{T}_{t}}+{{\gamma }_{34}}AT{{T}_{t-1}}+{{\gamma }_{35}}PBS{{I}_{3t}}+ \\ & {{\gamma }_{36}}PBS{{I}_{3(t-1)}}+{{\gamma }_{37}}PBS{{I}_{3t}}\times AT{{T}_{t}}+{{\gamma }_{38}}PBS{{I}_{3(t-1)}}\times AT{{T}_{t-1}} \\ \end{align}$ (4)

表8是投资者情绪与关注度交互作用的分析结果, 可以看出, 模型三和模型四中, 投资者情绪PBSI对股票市场的作用与模型一和模型二中的结论基本一致, 并且, 当日的PBSI与关注度ATT存在显著的交互作用, 意味着在不同的关注度情况下, 股票评论所构造的投资者情绪对市场的作用程度是有差异的。鲁棒性检验结果表明, 本文构造的“发布者-关注者”BSI情绪指标对股票市场的影响具有稳定性。

6 非线性模型检验

除了应用线性回归模型对BSI进行分析和解释, 采用非线性模型进行检验外, 不少学者也建议采用两类方法相互验证^[28]。本文应用支持向量机模型(SVM)和随机森林模型(RF)两种方法, 对上证指数收盘价和收益率进行预测。两种方法构建的非线性模型的输出变量为收盘价CI或收益率R, 输入变量为控制变量(基础模型)和本文构建的BSI指标(以BSI_la1、BSI_la2、BSI_la3为例)。具体模型设计如表9所示。

在构建SVM模型和RF模型时, 为提高预测准确率, 首先进行超参数的设定。SVM的超参数主要包括核函数、惩罚参数C和核参数; RF模型的超参数主要包括基分类器个数和树的深度。本文采用交叉验证和网格搜索的方法进行超参数设定。超参数设定后, 选择2016年1月1日至2016 年10月31日的上证综指和收益率数据作为训练样本训练模型, 并对2016 年11月1日到2016年12月31日的上证综指和收益率进行预测, 得到预测结果。采用均方误差指标(Mean Squared Error, MSE)对预测结果进行评价, 均方误差越小, 代表预测效果越好, 预测结果如表9所示。可以看出, 应用SVM模型和RF模型, 无论上证综指CI还是收益率R, 加入BSI指标后模型的MSE均小于仅加入控制变量的基础模型(Base Model), 表明本文构建的投资者情绪指标BSI能够提高市场走势的预测能力。非线性模型的检验结果印证了线性回归的结论。

7 结 语

本文以“新浪财经”股吧中的“上证指数”网络评论为研究对象, 应用情感词典匹配的语义分析方法进行情感分类, 构造了4种“发布者-关注者”综合情感倾向SV, 依此构建三类“发布者-关注者”BSI指标, 并实证检验文本挖掘的投资者情绪指标对上证综指的股价和收益率的影响。研究发现: 本文构造的“发布者-关注者”BSI指标与上证综指的价格和收益率显著相关, 并且BSI对收益率的预测能力大于对股价的预测能力, 其最大解释度超过35%。还发现, 市场表现与当日的BSI_t正相关、与前一日的BSI_t-1负相关, 表明投资者情绪存在滞后效应(也对更早期的情绪BSI_t-2、BSI_t-3等进行检验, 发现与市场表现并不相关): 在两日投资者情绪的共同驱动下, 当期情绪对当期市场表现产生同方向作用, 而前期情绪对当期市场表现产生修正作用。

本文的研究具有一定的理论意义, 检验了互联网中整体市场的投资者情绪的有效性, 是对前人在个股和局域市场投资者情绪研究的有益补充; 同时考虑网络评论“发布者”和“关注者”的情绪, 将评论的关注度纳入情感倾向值SV的计算, 构造并检验了“发布者-关注者”综合BSI指标。该BSI指标能够更加准确地反映网络评论的特征, 提高了网络文本BSI测量的精确性, 丰富了投资者情绪的测量体系。

未来可以在以下方面进行改进: 本文仅考虑涨跌两种情绪极性, 可以考虑对情感强度进行深入分析, 使投资者情绪的刻画更加细致; 将发布者和关注者的情绪统一纳入评论情感倾向中, 可以考虑将更多的网络特征纳入情感分析, 使BSI指标能够更全面地表达网络环境中的投资者情绪。

作者贡献声明

张宁: 提出研究思路, 设计研究方案;

尹乐民: 完善分析思路和论文中所需数据集合, 模型实现和检验, 论文起草及修订;

何立峰: 处理数据, 修改论文。

利益冲突声明

所有作者声明不存在利益冲突关系。

支撑数据

支撑数据由作者自存储, E-mail: yinlemin@126.com。

[1] 张宁, 尹乐民, 何立峰. Pinglun.csv. 原始股票评论文本数据集.

[2] 张宁, 尹乐民, 何立峰. Qinggan.csv. 股评情感倾向分类数据.

[3] 张宁, 尹乐民, 何立峰. Cidian.txt. 词典数据.

[4] 张宁, 尹乐民, 何立峰. Shizheng.csv. 实证检验数据.

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子