網(wǎng)絡(luò)輿情對(duì)人民幣匯率的沖擊效應(yīng)
——基于中美貿(mào)易摩擦事件

任仙玲，鄧 磊

中國(guó)海洋大學(xué) 經(jīng)濟(jì)學(xué)院，山東 青島 266100

引言

近年來(lái)，“黑天鵝事件”頻出，如英國(guó)脫歐和特朗普當(dāng)選等事件，對(duì)全球經(jīng)濟(jì)造成劇烈沖擊，日益復(fù)雜的國(guó)際環(huán)境與國(guó)內(nèi)經(jīng)濟(jì)下行壓力[1]交織在一起，也給中國(guó)外匯市場(chǎng)帶來(lái)不可控的影響。在2018年中央經(jīng)濟(jì)工作會(huì)議上，政府強(qiáng)調(diào)要把穩(wěn)定外匯市場(chǎng)作為基本政策之一，因此進(jìn)一步深入研究匯率影響因素，對(duì)推動(dòng)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。

在大數(shù)據(jù)時(shí)代，如何深入有效挖掘網(wǎng)絡(luò)蘊(yùn)含的海量信息成為研究熱點(diǎn)。據(jù)《紐約時(shí)報(bào)》報(bào)道，2016年特朗普競(jìng)選團(tuán)隊(duì)利用5千萬(wàn)份來(lái)自美國(guó)選民的Facebook個(gè)人檔案，建立個(gè)人信息系統(tǒng)，以預(yù)測(cè)和影響民眾的選擇，這是成功運(yùn)用網(wǎng)絡(luò)大數(shù)據(jù)的一個(gè)案例。隨著互聯(lián)網(wǎng)的迅猛發(fā)展，通過(guò)網(wǎng)絡(luò)數(shù)據(jù)反映出來(lái)的輿情蘊(yùn)含的重要信息勢(shì)必影響金融市場(chǎng)，因此，需進(jìn)一步深入研究網(wǎng)絡(luò)輿情信息對(duì)外匯市場(chǎng)的影響。

考慮到全民炒股的網(wǎng)絡(luò)氛圍，若使用網(wǎng)絡(luò)整體輿情對(duì)外匯市場(chǎng)進(jìn)行研究可能出現(xiàn)較大偏差，而2018年發(fā)生的中美貿(mào)易摩擦事件已成為廣大網(wǎng)民的熱點(diǎn)話題，其網(wǎng)絡(luò)輿情具有一定代表性。因此，本研究選用中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情作為研究對(duì)象，考察其對(duì)外匯市場(chǎng)的影響。

已有研究多從均值角度探討網(wǎng)絡(luò)輿情與金融市場(chǎng)的關(guān)系，從分位數(shù)角度分析網(wǎng)絡(luò)輿情對(duì)匯率影響的研究較少?；诖耍狙芯拷柚W(wǎng)絡(luò)社交平臺(tái)，抓取關(guān)于中美貿(mào)易摩擦事件的文本，構(gòu)建網(wǎng)絡(luò)輿情信息指數(shù)，運(yùn)用分位數(shù)Granger因果檢驗(yàn)、分位數(shù)向量自回歸模型和脈沖響應(yīng)技術(shù)，分析網(wǎng)絡(luò)輿情對(duì)中國(guó)外匯市場(chǎng)的沖擊效應(yīng)。

1相關(guān)研究評(píng)述

1.1網(wǎng)絡(luò)輿情分析

關(guān)于網(wǎng)絡(luò)輿情的研究，多以文本分析為主，它是從語(yǔ)句中提取關(guān)鍵信息進(jìn)行量化，從而獲取文本數(shù)據(jù)中蘊(yùn)含的價(jià)值。當(dāng)今社會(huì)處于網(wǎng)絡(luò)大數(shù)據(jù)時(shí)代，由于網(wǎng)絡(luò)數(shù)據(jù)量以百萬(wàn)級(jí)計(jì)，因此無(wú)法以人工方式處理數(shù)據(jù)，需要借助計(jì)算機(jī)技術(shù)、使用特定分析方法來(lái)實(shí)現(xiàn)。

文本分析方法主要以情感詞典和機(jī)器學(xué)習(xí)為主，情感詞典分析法著重于情感詞典的選取，決定了文本分析的質(zhì)量，目前常用于微博數(shù)據(jù)分析的字典包括大連理工大學(xué)情感詞典[2]、漢語(yǔ)情感詞極值表、Boson NLP極值表等。基于機(jī)器學(xué)習(xí)的常見(jiàn)分類法包括最大熵模型[3]和神經(jīng)網(wǎng)絡(luò)方法[4]等，考慮到機(jī)器學(xué)習(xí)存在需要大量?jī)?yōu)質(zhì)樣本集、人工標(biāo)注具有主觀性、過(guò)度擬合結(jié)果等問(wèn)題，本研究選用情感詞典分析法進(jìn)行研究。

1.2網(wǎng)絡(luò)輿情對(duì)金融市場(chǎng)的影響

凱恩斯在著名的《通論》里斷言，多數(shù)決策不是基于冷靜的理性判斷，而是出于受一種“動(dòng)物精神”的驅(qū)使。這源于眾所周知的心理學(xué)事實(shí)，即易沖動(dòng)的人傾向于產(chǎn)生過(guò)于樂(lè)觀或悲觀的選擇和判斷，從而帶動(dòng)多數(shù)人改變自己的觀點(diǎn)。在這種“動(dòng)物精神”的推動(dòng)下，市場(chǎng)可能產(chǎn)生大幅的波動(dòng)[5]。之后部分學(xué)者正式研究輿情在金融市場(chǎng)中的作用，發(fā)現(xiàn)市場(chǎng)輿情是金融資產(chǎn)收益預(yù)測(cè)相關(guān)的重要非經(jīng)濟(jì)因素之一[6-7]，這表明輿情是均衡資產(chǎn)價(jià)格和收益的重要因素，將輿情融入資產(chǎn)定價(jià)模型有助于解釋投資者較為異常的行為表現(xiàn)。

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，諸多學(xué)者開始通過(guò)網(wǎng)絡(luò)輿情預(yù)測(cè)金融市場(chǎng)的相關(guān)信息，但在網(wǎng)絡(luò)輿情的獲取源頭上存在較為明顯的差異，英文文獻(xiàn)里常見(jiàn)的信息源頭有網(wǎng)絡(luò)新聞網(wǎng)站[8]和網(wǎng)絡(luò)專業(yè)媒體[9]等。CHEN et al.[10]將大數(shù)據(jù)和意見(jiàn)挖掘方法應(yīng)用于臺(tái)灣的網(wǎng)絡(luò)輿情分析，使用來(lái)自雅虎股市新聞和谷歌股市新聞的實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行驗(yàn)證，結(jié)果表明股票或財(cái)務(wù)問(wèn)題的評(píng)論內(nèi)容可以有效地預(yù)測(cè)股票價(jià)格變動(dòng)。中國(guó)的研究數(shù)據(jù)源多來(lái)自股吧和微博，部慧等[11]基于東方財(cái)富網(wǎng)股吧帖文，利用Granger因果檢驗(yàn)等方法探討網(wǎng)絡(luò)輿情對(duì)中國(guó)股市的影響，結(jié)果表明輿情在整體上對(duì)股市收益率和波動(dòng)率均無(wú)預(yù)測(cè)能力，但對(duì)當(dāng)期的股市收益率和交易量有較明顯影響；黃潤(rùn)鵬等[12]使用Granger因果檢驗(yàn)發(fā)現(xiàn)微博輿情可以有效預(yù)測(cè)上證指數(shù)。

目前，網(wǎng)絡(luò)輿情對(duì)金融市場(chǎng)影響的研究多集中于股票市場(chǎng)，較少有研究探討輿情對(duì)外匯市場(chǎng)的影響。

1.3網(wǎng)絡(luò)輿情對(duì)匯率的影響

實(shí)際匯率作為國(guó)際經(jīng)濟(jì)學(xué)的核心概念[13]，在進(jìn)出口貿(mào)易中具有重要影響[14-15]，而出口貿(mào)易是推動(dòng)中國(guó)經(jīng)濟(jì)高速發(fā)展的“三駕馬車”之一，對(duì)實(shí)體經(jīng)濟(jì)增長(zhǎng)具有重要意義。2018年中央經(jīng)濟(jì)工作會(huì)議報(bào)告中明確強(qiáng)調(diào)要“穩(wěn)金融、穩(wěn)外貿(mào)、穩(wěn)外資”，可見(jiàn)維持外匯市場(chǎng)的基本穩(wěn)定是中國(guó)貨幣當(dāng)局的重要政策目標(biāo)之一。伴隨著中國(guó)資本市場(chǎng)國(guó)際化程度的提高[16]，掀起了新一輪外匯市場(chǎng)變動(dòng)影響因素的研究熱潮。

經(jīng)典的匯率決定理論從最初的購(gòu)買力平價(jià)[17]和利率平價(jià)[18]，發(fā)展為基本要素匯率決定理論[19]和行為均衡匯率決定理論[20]，這些理論都是以市場(chǎng)基本面為基礎(chǔ)，在論證過(guò)程中難免有較多的假設(shè)條件，這限制了實(shí)際的應(yīng)用，也對(duì)短期匯率變動(dòng)的解釋不夠全面。實(shí)際上，影響匯率的諸多因素中除了基本面因素，輿情這類非基本面因素也不應(yīng)被忽視。在已有研究中，多數(shù)學(xué)者將網(wǎng)絡(luò)輿情等非基本面信息應(yīng)用于對(duì)股市的分析，忽略了其對(duì)外匯市場(chǎng)也造成沖擊[21]。已有研究中，尹力博等[22]基于谷歌搜索量構(gòu)建人民幣關(guān)注指數(shù)，利用GARCH-MIDAS模型分析對(duì)外匯市場(chǎng)的影響，結(jié)果表明，提高投資者關(guān)注能夠顯著增大匯率的價(jià)差波動(dòng)；司登奎等[23]從理論層面闡釋了投資者情緒與匯率變動(dòng)的影響機(jī)制，理論分析表明，投資者情緒在短期內(nèi)對(duì)外匯市場(chǎng)波動(dòng)有一定影響，但從長(zhǎng)期看，情緒對(duì)外匯市場(chǎng)影響不顯著。

綜上研究表明，利用網(wǎng)絡(luò)輿情等非基本面信息分析匯率的變動(dòng)具有廣闊的前景，但目前的研究方法多是在均值框架下展開，只能刻畫其對(duì)外匯市場(chǎng)的“平均”影響，忽略了其沖擊對(duì)外匯市場(chǎng)的影響可能在整個(gè)收益分配過(guò)程中發(fā)生變化。為了解決該問(wèn)題，本研究采用分位數(shù)回歸方法[24]，它允許兩變量之間存在非對(duì)稱性關(guān)系[25]，因而可以精確刻畫兩者的尾部關(guān)系。在與股票市場(chǎng)相關(guān)的類似研究中，董孝伍等[26]和劉晨等[27]采用分位數(shù)回歸方法研究網(wǎng)絡(luò)輿情對(duì)股市的影響，結(jié)果表明不同分位點(diǎn)存在異質(zhì)效應(yīng)，他們直接對(duì)回歸系數(shù)進(jìn)行顯著性檢驗(yàn)，進(jìn)而判別其影響是否具有異質(zhì)性。雖然比均值回歸有重大改進(jìn)，但該研究仍局限在靜態(tài)層面。許啟發(fā)等[28]通過(guò)采集微博數(shù)據(jù)，綜合運(yùn)用均值和分位數(shù)Granger因果檢驗(yàn)的方法，探討不同市態(tài)的股市與輿情的關(guān)系，結(jié)果發(fā)現(xiàn)基于均值角度兩者關(guān)系不明顯，而基于分位數(shù)視角卻存在廣泛的Granger因果關(guān)系，且各輿情對(duì)股市的影響具有異質(zhì)性。此研究成果較全面地揭示了輿情與股市的因果關(guān)系，為在特定條件下股市收益的可預(yù)測(cè)性提供了佐證，但依然缺乏對(duì)其沖擊效應(yīng)的分析。

綜上所述，學(xué)者們對(duì)外匯市場(chǎng)的決定因素等研究已有豐碩成果，但仍有不足之處。①多數(shù)關(guān)于匯率變動(dòng)的研究沒(méi)有將輿情信息作為人民幣匯率的影響因素，忽略了匯率受非基本面的影響，從而對(duì)短期匯率變動(dòng)解釋不夠全面。②已有研究多是在均值框架下展開，無(wú)法探討極端情況下網(wǎng)絡(luò)輿情與外匯市場(chǎng)的關(guān)系。③部分以分位數(shù)角度的研究，只是探討其相關(guān)關(guān)系是否存在，缺乏影響強(qiáng)度分析?；诖耍狙芯烤C合采用分位數(shù)Granger因果檢驗(yàn)和分位數(shù)向量自回歸模型，探討網(wǎng)絡(luò)輿情對(duì)不同外匯市場(chǎng)結(jié)構(gòu)的非對(duì)稱性沖擊效應(yīng)，揭示其對(duì)外匯市場(chǎng)的異質(zhì)影響，加深對(duì)匯率變動(dòng)的理解，從而在當(dāng)今中美貿(mào)易摩擦事件影響下，為外匯風(fēng)險(xiǎn)防范提供參考。

2網(wǎng)絡(luò)輿情分析和測(cè)量

2.1網(wǎng)絡(luò)輿情分析

隨著互聯(lián)網(wǎng)的大規(guī)模普及，網(wǎng)絡(luò)社交日益成為大眾的首選。微博是中國(guó)網(wǎng)民互動(dòng)的主要平臺(tái)，新浪微博2018年第4季度財(cái)報(bào)顯示，月活躍用戶已達(dá)4.62億，日均活躍用戶突破兩億關(guān)口，表明微博具有龐大的用戶群體，較能準(zhǔn)確代表網(wǎng)絡(luò)輿情，因此本研究選擇微博平臺(tái)進(jìn)行研究。在抓取中美貿(mào)易摩擦事件微博數(shù)據(jù)過(guò)程中，沒(méi)有選擇特定目標(biāo)用戶群作為抓取范圍，而是進(jìn)行隨機(jī)抓取，以保證數(shù)據(jù)的有效性。2018年3月23日，美國(guó)率先在中美貿(mào)易戰(zhàn)場(chǎng)上打響第一槍，以此作為該事件開始的標(biāo)志；在2019年10月12日，特朗普在白宮表示，美中經(jīng)貿(mào)磋商取得了實(shí)質(zhì)性的第一階段成果；同時(shí)考慮到中國(guó)國(guó)慶期間休市。因此，本研究選取2018年3月23日至2019年9月30日作為第一輪貿(mào)易摩擦期進(jìn)行研究，共得到15萬(wàn)余條原始文本，其中包含用戶對(duì)中美貿(mào)易摩擦事件的實(shí)時(shí)輿情信息。

2.2網(wǎng)絡(luò)輿情信息指數(shù)的構(gòu)建流程

本研究采用中文文本分析方法，將中美貿(mào)易摩擦文本進(jìn)行分詞處理，通過(guò)信息詞典對(duì)詞語(yǔ)進(jìn)行包括利好信息和利空信息的極性分類以及信息強(qiáng)度打分，具體流程見(jiàn)圖1。

(1)數(shù)據(jù)清洗。將抓取到的關(guān)于中美貿(mào)易摩擦事件文本進(jìn)行清洗，清洗后剩11萬(wàn)余條文本。清洗內(nèi)容包括：①分享的小視頻和文章；②微博話題內(nèi)容，#話題#里內(nèi)容剔除；③網(wǎng)頁(yè)鏈接。最終清洗后的數(shù)據(jù)只包括發(fā)布者的原創(chuàng)微博和主觀信息，將得到的微博文本通過(guò)玻森(Boson NLP)中文語(yǔ)義開放平臺(tái)(http:∥bosonnlp.com/)進(jìn)行分詞處理。

(2)停用詞典選取。中文語(yǔ)句含有大量的停用詞，若不進(jìn)行剔除，最終得到的信息分值將出現(xiàn)較大誤差。因此，根據(jù)現(xiàn)有網(wǎng)絡(luò)資源，對(duì)哈爾濱工業(yè)大學(xué)停用詞詞庫(kù)、四川大學(xué)機(jī)器學(xué)習(xí)智能實(shí)驗(yàn)室停用詞庫(kù)和百度停用詞表等各種停用詞表整理去重，共得到1 598個(gè)停用詞。將清洗后的文本進(jìn)行分詞處理，再與停用詞對(duì)比，刪除相應(yīng)的停用詞。為了更直觀展示去除停用詞之后的主要內(nèi)容，將其進(jìn)行詞云渲染，得到輿情詞云見(jiàn)圖2。

由圖2可知，市場(chǎng)、經(jīng)濟(jì)、關(guān)稅、影響、企業(yè)等詞是微博文本里出現(xiàn)最多的詞語(yǔ)，說(shuō)明網(wǎng)民對(duì)中美貿(mào)易摩擦事件的討論主要集中在市場(chǎng)經(jīng)濟(jì)和關(guān)稅等問(wèn)題上。

圖1 輿情信息指數(shù)構(gòu)建流程Figure 1 Process of Constructing Public Opinion Information Index

圖2 中美貿(mào)易摩擦事件的輿情詞云Figure 2 Word Cloud of Public Opinion on the Sino-US Trade Friction

(3)信息詞典擴(kuò)充。文本分析質(zhì)量關(guān)鍵在于信息字典的選取，在已有研究中大連理工大學(xué)本體庫(kù)得到較為廣泛的應(yīng)用，該詞典將詞語(yǔ)進(jìn)行不同極性劃分，并進(jìn)行強(qiáng)度打分?？紤]到微博中網(wǎng)絡(luò)詞匯具有濃厚的口語(yǔ)化特點(diǎn)，因此在大連理工大學(xué)本體庫(kù)的基礎(chǔ)上，加入漢語(yǔ)情感詞極值表和Boson NLP極值表作為補(bǔ)充。若某一詞語(yǔ)在多個(gè)詞典內(nèi)均有出現(xiàn)，則取其平均值作為該詞語(yǔ)信息強(qiáng)度，表1給出信息詞典示例。

表1 信息詞典示例Table 1 Examples of Information Dictionary

(4)單文本信息指數(shù)構(gòu)建。將去重后的情感詞語(yǔ)與信息詞典進(jìn)行匹配，賦予單個(gè)情感詞語(yǔ)的信息強(qiáng)度和極性，信息極性包括利好信息和利空信息。將同一文本的詞語(yǔ)按照信息極性分類匯總，取其平均值得到單個(gè)文本的信息指數(shù)。

2.3網(wǎng)絡(luò)輿情信息指數(shù)度量

通過(guò)以上流程得到單個(gè)文本的信息指數(shù)，將當(dāng)天微博文本的所有輿情信息指數(shù)進(jìn)行加總后取平均值，得到當(dāng)天不同極性的輿情信息指數(shù)序列，將其繪制為圖3。由圖3可知，在信息分值和信息占比的比較中，利好信息明顯高于利空信息，說(shuō)明對(duì)于中美貿(mào)易摩擦事件，網(wǎng)民總體上持樂(lè)觀態(tài)度。

(a)信息分值

(b)信息占比圖3 各輿情信息指數(shù)的信息分值和占比示意圖Figure 3 Schematic Diagram of Information Score and Proportion of Each Public Opinion Information Index

3理論和計(jì)量模型

3.1網(wǎng)絡(luò)輿情對(duì)匯率影響的理論分析

網(wǎng)絡(luò)輿情對(duì)匯率的影響主要是通過(guò)理性和非理性預(yù)期共同作用，但落腳點(diǎn)都放在投資者行為上，即最終都?xì)w結(jié)于改變投資者決策從而導(dǎo)致匯率變動(dòng)。

(1)預(yù)期效應(yīng)。行為金融學(xué)理論認(rèn)為，市場(chǎng)上不存在絕對(duì)理性的投資者，在市場(chǎng)參與者進(jìn)行外匯交易的過(guò)程中，心理因素往往影響機(jī)構(gòu)市場(chǎng)參與者的投資判斷，進(jìn)而產(chǎn)生一定的心理波動(dòng)。因此，匯率除受一些基本面因素的影響外，市場(chǎng)投資者的一致預(yù)期所發(fā)揮的潛在作用也不應(yīng)被忽視，而網(wǎng)絡(luò)輿情可以顯著影響其預(yù)期，進(jìn)而在很大程度上改變其投資決策行為。

(2)中介效應(yīng)。貨幣當(dāng)局為穩(wěn)定匯率而在外匯市場(chǎng)進(jìn)行干預(yù)時(shí)，市場(chǎng)往往對(duì)這一行為過(guò)度解讀，其產(chǎn)生的網(wǎng)絡(luò)輿情反而可能造成意外的干預(yù)效果。因此，從這一角度看，網(wǎng)絡(luò)輿情是連接外匯干預(yù)與匯率變動(dòng)的一個(gè)重要媒介。

(3)信息效應(yīng)。在中美貿(mào)易摩擦事件中，美國(guó)總統(tǒng)特朗普在推特發(fā)布“重磅”信息，勢(shì)必在網(wǎng)絡(luò)上醞釀出輿論導(dǎo)向，而通過(guò)網(wǎng)絡(luò)數(shù)據(jù)反映出來(lái)的輿情必然蘊(yùn)含著有價(jià)值的信息，因此網(wǎng)絡(luò)輿情又具有理性的一面。

3.2分位數(shù)Granger因果檢驗(yàn)

雖然均值回歸在滿足古典假定的條件下其最小二乘估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)，但現(xiàn)實(shí)中很難滿足古典假定條件，且均值作為數(shù)字特征只能刻畫條件分布的局部信息，無(wú)法刻畫尾部特征。因此，本研究使用分位數(shù)回歸模型，應(yīng)用該模型，無(wú)需要求在各個(gè)分位點(diǎn)具有相同的分布，且與均值回歸相比，可以更全面刻畫中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情對(duì)匯率的沖擊效應(yīng)。

考慮分位數(shù)的回歸模型為

(1)

其中，t為期，t=1,…,T，T為樣本容量；j為匯率收益率的滯后期數(shù)，p為匯率收益率的最大滯后期數(shù)，j=1,2,…,p；i為網(wǎng)絡(luò)輿情的滯后期數(shù)，q為網(wǎng)絡(luò)輿情的最大滯后期數(shù)，i=1,2,…,q；QIndt(τ|Ω)為匯率收益率在τ分位點(diǎn)的值；τ為分位點(diǎn)，τ∈(0,1)；Ω為(t-1)期的信息集；Indt-j為相對(duì)于t期滯后j期的在岸人民幣即期收益率；Inft-i為相對(duì)于t期滯后i期的網(wǎng)絡(luò)輿情；α0(τ)為截距項(xiàng)，αj(τ)和βi(τ)為對(duì)應(yīng)的回歸系數(shù)，它們的估計(jì)量由加權(quán)絕對(duì)殘差最小和得出，其原理可以參考KOENKER et al.[29-31]的研究。將Indt和Inft定義為

Indt=100·(lnCNYt-lnCNYt-1)

(2)

Inft=10·(Mt-Mt-1)

(3)

其中，CNYt為t期在岸人民幣匯率，Mt為t期不同極性的輿情信息指數(shù)。

為了檢驗(yàn)網(wǎng)絡(luò)輿情是否為匯率的分位數(shù)Granger原因，基于(1)式的回歸系數(shù)，在τ分位點(diǎn)定義兩者的Wald檢驗(yàn)統(tǒng)計(jì)量，即

(4)

3.3分位數(shù)向量自回歸模型和分位數(shù)脈沖響應(yīng)函數(shù)

分位數(shù)向量自回歸(quantile vector autoregression,QVAR)模型的提出經(jīng)歷了不同的階段[35-37]，WHITE et al.[38]將其發(fā)展成熟，該模型拓展了均值意義的脈沖響應(yīng)分析，可以從不同分位點(diǎn)分析網(wǎng)絡(luò)輿情對(duì)匯率的脈沖響應(yīng)。本研究為了減少來(lái)自其他國(guó)家的輿情對(duì)實(shí)證結(jié)果的干擾，引入全球恐慌指數(shù)和中美利差作為控制變量，全球恐慌指數(shù)作為外國(guó)輿情代理變量，中美利差作為基本面信息的代理變量。中美利差變量定義為

(5)

構(gòu)建包含網(wǎng)絡(luò)輿情、在岸人民幣即期收益率、中美利差和全球恐慌指數(shù)的QVAR模型，即

t=2,…,T

(6)

(7)

4實(shí)證分析

4.1數(shù)據(jù)選取和描述性統(tǒng)計(jì)

為了研究中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情信息對(duì)匯率的沖擊效應(yīng)，除網(wǎng)絡(luò)輿情指數(shù)日度數(shù)據(jù)外，還需要外匯市場(chǎng)日度數(shù)據(jù)。本研究選取的研究對(duì)象為在岸人民幣兌美元即期匯率(間接標(biāo)價(jià)法)，選擇的樣本區(qū)間與網(wǎng)絡(luò)輿情數(shù)據(jù)保持一致，為2018年3月23日至2019年9月30日，剔除日期不匹配的數(shù)據(jù)，共得到373個(gè)數(shù)據(jù)。除網(wǎng)絡(luò)輿情指數(shù)外，文中其他數(shù)據(jù)皆來(lái)源于Wind數(shù)據(jù)庫(kù)。

圖4給出2015年“811匯改”后的匯率走勢(shì)圖，藍(lán)線和紅線分別表示中美貿(mào)易摩擦事件爆發(fā)前、后的匯率值，自2017年5月26日人民幣中間價(jià)引入逆周期因子后，人民幣出現(xiàn)升值趨勢(shì)，并一直持續(xù)到發(fā)生中美貿(mào)易摩擦，隨后人民幣出現(xiàn)較為明顯的貶值趨勢(shì)，說(shuō)明中美貿(mào)易摩擦對(duì)外匯市場(chǎng)有較為明顯的負(fù)向沖擊。

此外，為探討網(wǎng)絡(luò)輿情信息對(duì)不同階段的外匯市場(chǎng)的沖擊效應(yīng)是否具有顯著差異，本研究將樣本期間的外匯市場(chǎng)劃分為3個(gè)階段，見(jiàn)表2，每個(gè)階段外匯的走勢(shì)見(jiàn)圖5，藍(lán)線、紅線和綠線分別表示人民幣貶值階段、平穩(wěn)階段和升值階段的中間價(jià)。

圖4 “811匯改”后在岸人民幣兌美元即期匯率走勢(shì)Figure 4 Trend of Spot Exchange Rate of Onshore RMB Against USD after “811 Exchange Reform”

匯市階段特點(diǎn)時(shí)間區(qū)間人民幣貶值階段匯率呈現(xiàn)下降趨勢(shì)2018年3月23日至2018年10月8日2019年4月8日至2019年5月23日2019年8月1日至2019年9月3日人民幣平穩(wěn)階段匯率整體上無(wú)較大變化2018年10月9日至2018年12月24日2019年5月24日至2019年7月31日2019年9月4日至2019年9月30日人民幣升值階段匯率呈現(xiàn)上升趨勢(shì)2018年12月25日至2019年4月4日

圖5 樣本期間在岸人民幣兌美元即期匯率走勢(shì)Figure 5 Trend of Spot Exchange Rate of Onshore RMB Against USD in the Sample Range

變量符號(hào)均值標(biāo)準(zhǔn)差最大值最小值偏度峰度J-B檢驗(yàn)量匯率收益率Ind-0.0290.2260.711-0.8980.1961.92958.274???利好信息good0.0010.5072.541-2.282-0.2293.326170.429???利空信息bad-0.0020.5781.982-1.5610.1540.4294.090

注：***為在1%顯著性水平上拒絕原假設(shè)，下同。

表3給出樣本期間匯率收益率和網(wǎng)絡(luò)輿情信息的統(tǒng)計(jì)特征。表3統(tǒng)計(jì)結(jié)果表明，匯率收益率呈現(xiàn)尖峰厚尾特性，J-B檢驗(yàn)量也表明匯率收益率不服從正態(tài)分布，適合采用分位數(shù)回歸加以分析。各極性信息均值皆接近于0，J-B檢驗(yàn)量表明利好信息不服從正態(tài)分布。

為避免出現(xiàn)偽回歸現(xiàn)象，本研究采用ADF檢驗(yàn)和PP檢驗(yàn)對(duì)各序列進(jìn)行分析，表4給出檢驗(yàn)結(jié)果。各時(shí)間序列在1%顯著性水平上都拒絕原假設(shè)，認(rèn)為不存在單位根，意味著所有時(shí)間序列都平穩(wěn)，可以進(jìn)行分位數(shù)Granger因果檢驗(yàn)。

表4 平穩(wěn)性檢驗(yàn)結(jié)果Table 4 Results for Stationarity Test

4.2網(wǎng)絡(luò)輿情對(duì)匯率影響的分位數(shù)因果檢驗(yàn)分析

傳統(tǒng)的均值回歸只能描述匯率受不同極性信息時(shí)間序列波動(dòng)的平均影響，而分位數(shù)回歸可以全面分析中美貿(mào)易摩擦事件對(duì)外匯市場(chǎng)的影響。本研究基于BIC信息準(zhǔn)則[40-41]確定分位數(shù)Granger因果檢驗(yàn)的滯后階數(shù)，將[0.100,0.900]分位區(qū)間以0.050為間距分成16個(gè)子區(qū)間，根據(jù)Sup-Wald值判斷各區(qū)間是否存在Granger因果關(guān)系，其檢驗(yàn)結(jié)果見(jiàn)表5。由表5可知，不同極性信息多是各階段匯市變動(dòng)的Granger原因，且滯后階數(shù)主要集中在1階和2階，由于在平穩(wěn)階段利好信息不是匯市變動(dòng)的Granger原因，后續(xù)將不再進(jìn)一步探討利好信息對(duì)平穩(wěn)階段匯市的影響。

4.3網(wǎng)絡(luò)輿情對(duì)匯率影響的分位數(shù)脈沖響應(yīng)分析

根據(jù)表5分位數(shù)Granger因果檢驗(yàn)結(jié)果可以發(fā)現(xiàn)，網(wǎng)絡(luò)輿情對(duì)匯率的Granger因果關(guān)系多存在于尾部區(qū)間，所以構(gòu)建QVAR模型和脈沖響應(yīng)函數(shù)研究沖擊效應(yīng)。

為了便于比較極端與正常情況的沖擊效應(yīng)，本研究采用τ=(0.100,0.200,0.500,0.800,0.900)分位數(shù)進(jìn)行QVAR建模和脈沖響應(yīng)分析。圖6為在一個(gè)單位標(biāo)準(zhǔn)差沖擊下的響應(yīng)圖，橫軸表示脈沖期，單位為天數(shù)，縱軸表示不同分位區(qū)間的響應(yīng)值。該圖直觀顯示出在不同階段的匯市下網(wǎng)絡(luò)輿情對(duì)匯率沖擊效應(yīng)的演變特征，分析響應(yīng)圖得出以下結(jié)論。

表5 分位數(shù)Granger因果檢驗(yàn)結(jié)果Table 5 Results for Quantile Granger Causality Test

注：Sup-Wald為分位數(shù)Granger因果檢驗(yàn)中的Sup-Wald檢驗(yàn)統(tǒng)計(jì)值；分位區(qū)間為分位數(shù)Granger因果關(guān)系顯著成立的分位點(diǎn)所在區(qū)間，沒(méi)有數(shù)據(jù)表示不存在分位區(qū)間使分位數(shù)Granger因果關(guān)系成立；**為在5%顯著性水平上拒絕原假設(shè)，*為在10%顯著性水平上拒絕原假設(shè)。

(1)多數(shù)輿情信息對(duì)外匯市場(chǎng)具有短暫的反向影響且尾部沖擊強(qiáng)于中位點(diǎn)沖擊

多數(shù)輿情信息對(duì)匯率的首期沖擊為負(fù)，隨后呈現(xiàn)正負(fù)交替特點(diǎn)，且響應(yīng)迅速衰減，大約到第4期至第6期基本接近收斂，這一結(jié)果表明多數(shù)輿情信息對(duì)外匯市場(chǎng)具有短暫的反向影響。同時(shí)可以發(fā)現(xiàn)，較大的響應(yīng)值往往來(lái)自于極端分位點(diǎn)，多數(shù)中位點(diǎn)的響應(yīng)值在首期即已接近0，表明輿情信息更易與極端分位水平的匯率建立聯(lián)系，從而產(chǎn)生較明顯的沖擊，而在中心位置該沖擊卻并不明顯。原因在于，當(dāng)匯率處于正常水平時(shí)，投資者行為更趨理性，不易受網(wǎng)絡(luò)輿情的影響；而當(dāng)匯率處在極端分位水平時(shí)，投資者更易滋生對(duì)中美貿(mào)易摩擦事件的看衰或看漲預(yù)期，從而易受網(wǎng)絡(luò)輿情影響，做出非理性行為，加劇外匯市場(chǎng)的變動(dòng)。

(2)輿情信息對(duì)貶值階段的外匯市場(chǎng)的沖擊較小且尾部沖擊異于其他分位點(diǎn)

當(dāng)匯市處于貶值階段時(shí)，多數(shù)輿情信息對(duì)匯率的沖擊小于0.100，明顯小于其對(duì)升值階段匯市的沖擊。值得注意的是，利好信息對(duì)0.900分位水平匯率的沖擊強(qiáng)度顯著高于其他分位點(diǎn)，且利好信息對(duì)極端分位水平匯率的沖擊效應(yīng)為負(fù)，中位點(diǎn)沖擊效應(yīng)為正，說(shuō)明匯市處在極端情況時(shí)對(duì)輿情信息的反應(yīng)與正常時(shí)期存在明顯差異。

(3)利空信息對(duì)平穩(wěn)階段外匯市場(chǎng)的沖擊存在非對(duì)稱性特點(diǎn)

當(dāng)匯市處于平穩(wěn)階段時(shí)，利空信息對(duì)各分位水平匯率的影響具有明顯的非對(duì)稱性特點(diǎn)，表現(xiàn)為0.900分位水平匯率的響應(yīng)值明顯小于0.100分位點(diǎn)，且在第2期后具有持續(xù)的正向沖擊特點(diǎn)，并在中位點(diǎn)其沖擊強(qiáng)度降到最低。說(shuō)明當(dāng)匯率處于0.100分位點(diǎn)時(shí)，投資者易被利空信息影響，形成看衰人民幣預(yù)期。而當(dāng)匯率處于0.900分位點(diǎn)時(shí)，其第2期以后的響應(yīng)值變?yōu)檎担@一特點(diǎn)不僅與低分位點(diǎn)的沖擊效應(yīng)形成鮮明對(duì)比，而且與大多數(shù)網(wǎng)絡(luò)輿情對(duì)外匯市場(chǎng)的影響也不盡相同，說(shuō)明不同市場(chǎng)階段和不同分位點(diǎn)都會(huì)影響其沖擊效應(yīng)。因此，輿情信息對(duì)外匯市場(chǎng)的沖擊表現(xiàn)出時(shí)變性和非對(duì)稱性。

(4)輿情信息對(duì)升值階段的外匯市場(chǎng)的沖擊具有強(qiáng)度大且衰減慢的特點(diǎn)

當(dāng)匯市處于升值階段時(shí)，利好信息與利空信息對(duì)匯率的沖擊表現(xiàn)趨同，具有強(qiáng)度較大且持久的特點(diǎn)，而且尾部沖擊明顯大于平均水平，說(shuō)明匯率上揚(yáng)時(shí)，投資者對(duì)網(wǎng)絡(luò)輿情敏感度較高，稍有“風(fēng)吹草動(dòng)”就會(huì)采取行動(dòng)，因此網(wǎng)絡(luò)輿情更易對(duì)外匯市場(chǎng)帶來(lái)較大沖擊。

(a)貶值階段利好信息 (b)貶值階段利空信息 (c)升值階段利好信息 (d)升值階段利空信息(e)平穩(wěn)階段利空信息

圖6各階段外匯市場(chǎng)脈沖響應(yīng)

Figure 6Pulse Response of Foreign Exchange Market in Each Stage

5結(jié)論

本研究以中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情與匯率的關(guān)系作為研究對(duì)象，使用分位數(shù)Granger因果檢驗(yàn)、QVAR模型和脈沖響應(yīng)方法，研究該網(wǎng)絡(luò)輿情對(duì)不同階段外匯市場(chǎng)的沖擊效應(yīng)及其差異性。通過(guò)理論和實(shí)證分析發(fā)現(xiàn)，該網(wǎng)絡(luò)輿情對(duì)匯率的影響具有顯著異質(zhì)性和非對(duì)稱性特點(diǎn)，即網(wǎng)絡(luò)輿情對(duì)不同階段的匯市影響存在差異，同時(shí)對(duì)不同分位水平匯率的影響也不盡相同。網(wǎng)絡(luò)輿情對(duì)尾部匯率的沖擊效應(yīng)顯著強(qiáng)于中位點(diǎn)，表明人民幣匯率處在高位或低位時(shí)更易受到網(wǎng)絡(luò)輿情影響。具體結(jié)論如下：

(1)多數(shù)輿情信息對(duì)外匯市場(chǎng)的影響呈現(xiàn)正負(fù)交替現(xiàn)象，收斂速度較快，說(shuō)明網(wǎng)絡(luò)輿情只在短期影響匯率，且往往是負(fù)向沖擊。當(dāng)匯市處在平穩(wěn)階段時(shí)，利空信息對(duì)高分位水平的匯率帶來(lái)持久的負(fù)向沖擊。

(2)從均值看，難以發(fā)現(xiàn)網(wǎng)絡(luò)輿情對(duì)匯率的變動(dòng)影響，而在極端分位點(diǎn)，網(wǎng)絡(luò)輿情對(duì)匯率的影響更顯著，且具有非對(duì)稱性特點(diǎn)。

(3)輿情信息對(duì)外匯市場(chǎng)的沖擊效應(yīng)具有異質(zhì)性特點(diǎn)，利空信息對(duì)匯率的影響范圍更廣泛且差異明顯，利好信息對(duì)升值階段的匯市影響更大。

本研究的意義體現(xiàn)在，①本研究關(guān)注匯率變動(dòng)的影響因素。已有研究多從基本面信息解釋匯率變動(dòng)，而本研究將外匯市場(chǎng)進(jìn)一步細(xì)分，探究不同極性輿情信息對(duì)不同分位點(diǎn)匯率的沖擊效應(yīng)，拓展了關(guān)于匯率變動(dòng)的研究，具有一定的理論意義。②本研究利用微博數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)輿情指數(shù)，是基于中國(guó)龐大網(wǎng)民的有效數(shù)據(jù)集，有效地挖掘網(wǎng)絡(luò)大數(shù)據(jù)所蘊(yùn)含的價(jià)值。與已有使用代理情緒指標(biāo)的研究相比，其結(jié)果更具說(shuō)服力，同時(shí)為金融風(fēng)險(xiǎn)管控提供新的佐證。③本研究分析極端情況下匯率的影響因素，能夠?yàn)榻鹑陲L(fēng)險(xiǎn)管控部門提供網(wǎng)民對(duì)某重大事件的關(guān)注焦點(diǎn)和情感態(tài)度，有助于其及時(shí)掌握網(wǎng)絡(luò)輿情，為后續(xù)的應(yīng)對(duì)管理提供理論和方法支持，對(duì)維持中國(guó)匯市穩(wěn)定具有一定的現(xiàn)實(shí)意義。

本研究通過(guò)中美貿(mào)易摩擦事件的網(wǎng)絡(luò)輿情分析對(duì)匯率的沖擊效應(yīng)，具有一定的啟發(fā)意義，但也存在不足之處。首先，本研究選取的研究對(duì)象為中國(guó)外匯市場(chǎng)，其結(jié)論是否可以推廣到發(fā)達(dá)國(guó)家或其他發(fā)展中國(guó)家，還有待進(jìn)一步考證。其次，網(wǎng)絡(luò)輿情影響外匯市場(chǎng)的作用機(jī)理需要進(jìn)一步深入研究。