“反常”的消息更能预测市场？
原文：
Paul Glasserman and Harry Mamaysky. Does Unusual News Forecast Market Stress? [J]. Journal of Financial and Quantitative Analysis,2019,Vol.54:1937-1974.
1.摘要
An increase in “unusual” news with negative sentiment predicts an increase in stock market volatility. Unusual positive news forecasts lower volatility. Our analysis is based on over 360,000 articles on 50 large financial companies, published during the period of 1996– 2014. Unusualness interacted with sentiment forecasts company-specific and aggregate volatility several months ahead. Furthermore, unusual news is reflected more slowly in aggregate volatility than company-specific volatility. News measures from articles explicitly about the “market,” which are more easily accessible to investors, do not forecast volatility. The observed responses of volatility to news may be explained by attention constraints on investors.
市场中反常的消极情绪的增强可以有效预测到未来股票市场波动性的增大，而反常的积极情绪则会预测未来市场呈现更低的波动率。我们的分析主要是基于1996年到2014年与全球最大的50家金融公司相关的360000篇报道文章。反常性指标与情绪的交叉项可以提前数月预测到公司层面和市场整体层面的波动率。更进一步研究发现相较于公司层面来说，反常新闻在市场整体层面的反映更为缓慢。使用“市场”作为关键词统计的新闻报道，虽然对于投资者而言是更易获得的信息，但反而无法预测波动率。我们将波动率对于新闻报道的反应的原因归结为投资者的有限关注。
2.反常度指标设计
本文的创新之处在于计算了新闻反常度的指标，该指标的计算主要是基于自然语言处理的相关算法，通过计算不同短语出现的概率来衡量某一短语是否反常，从而得出不同新闻报道的反常程度。具体的计算过程中首先以t-27个月到t-4个月为训练集测算出不同短语的出现概率，然后再跟t月的这些短语的出现概率相比，最后确定t月的这些短语的反常程度。
3.研究方法与结果
本文采用的研究方法主要是主流研究中经常使用的面板固定效应回归，VAR模型和相关的脉冲函数分析。回归结果显示在加入了相关控制变量的情况下反常性指标与媒体情绪的交叉项仍然显著，并且消极情绪的显著性要高于积极情绪的显著性，同时在系数绝对值方面，消极情绪的绝对系数也要高于积极情绪的绝对系数。进一步通过VAR模型研究外生冲击对于波动率的影响，结果与面板回归的结果一致。之后将用于公司层面的研究方法扩展到市场整体层面，通过对比实证结果发现，市场整体层面同样存在媒体报道影响市场整体波动率的现象，但是研究发现市场波动率对于媒体报道情绪变化的反应速度要慢于公司层面波动率对于媒体情绪的反应速度。
4.结论与总结
本文通过构建全新的媒体报道反常程度指标，研究了反常报道对于股票波动率的影响，丰富了媒体经济学领域的研究，同时为研究媒体情绪对于股票市场的影响提供了新的思路，研究中发现无论是公司层面的波动率还是市场层面的整体波动率都会受到媒体报道情绪的影响，并且在考虑了反常性指标后可以更为优化预测的效果，同时研究还发现，市场波动率对于媒体报道情绪的反应速度要慢于公司波动率对于媒体报道情绪的反应速度，并且市场波动率受媒体报道情绪的影响程度也相对更低。文章中将这些现象解释为是投资者有限关注的外在表现。
*文章来源：行为金融学实验研究平台
*侵权必删
学术前沿速递
学说观点
AIGC交流社区
未央网
毕宣
王凯
- 1
- 2
- 3
