淺析股市新聞中的金融事件對上市公司的影響

王劍波 熊麗媛

摘要：在金融市場中，每天都有數(shù)以萬計的新聞文本產生。本文針對股市類新聞，使用了數(shù)據(jù)挖掘的方法，采集了大量的新聞文本數(shù)據(jù)，使用計算機自然語言處理技術對新聞文本進行事件抽取和事件分類，最后使用事件研究法量化不同類別的新聞事件對上市公司的影響。

關鍵詞：股市新聞;事件抽取;事件研究法

對于上市公司的盈利能力的衡量，股票收益率往往是最直接的財務指標。因此，對于上市公司股票收益率的研究與預測，對投資者來說是十分重要的?；ヂ?lián)網(wǎng)時代的到來，信息的傳播與獲取變得更加地迅速與便捷，在金融市場中，投資者會通過瀏覽股市新聞來獲取與股票相關的新聞并對股票做出看漲或者看跌的判斷。傳統(tǒng)的股市預測研究大多根據(jù)結構化的表格數(shù)據(jù)，從股票市場自身角度出發(fā)，根據(jù)股票市場的歷史價格數(shù)據(jù)、交易量等進行統(tǒng)計分析，尋找規(guī)律，進行預測研究，很少從新聞文本的角度來探討新聞與股票市場間的聯(lián)系。

一、新聞文本預處理

（一）樣本選取

筆者選取了新浪新聞中心的每日股市滾動新聞作為數(shù)據(jù)來源，選取了2019年9月25日至2019年10月1日的新聞頁面共5009條。

（二）數(shù)據(jù)清洗

因為每個新聞基本都會包含很多無用的信息，比如類似新聞推薦、廣告推薦、導航信息以及其他無用信息。因此需要進行大量的預處理工作，筆者使用python語言的正確表達式對原頁面進行內容選擇，保存了新聞發(fā)布時間、新聞標題、新聞內容三項內容。

（三）獲取主要事件。

新聞報道具備時效性的特點，一篇新聞按事實發(fā)生狀態(tài)分為：突發(fā)性新聞、持續(xù)性新聞、周期性新聞。根據(jù)以上特點，筆者提出以時間提示詞為關鍵詞來提取新聞主要事件。通過對原文本進行統(tǒng)計分析選出“近日”“本周”“今年”等時間提示詞，然后使用哈工大信息檢索研究中心同義詞詞林對時間提示詞進行擴充，最終得到了“近日”“今日”“今天”“此時”“此刻”“本周”“這周”“近期”“最近”等四十個時間提示詞。

然后使用python語言對原文本進行中文分句，并使用時間提示詞進行篩選，得到了17322條主要事件，如“近日，舞邦獲得普思投資數(shù)千萬融資，這次融資是舞邦繼今年4月銳盛Ares投資后的B+輪融資，由娛樂資本論擔任獨家財務顧問”等。

二、金融事件抽取

（一）基于模式匹配的事件抽取

事件抽?。?Event）是信息抽?。↖nformation Extraction）的一個子問題。目前主流的方法主要分為兩大類：一種是基于統(tǒng)計學習的機器學習法;另一種是基于模式匹配法。

機器學習法首先識別事件觸發(fā)詞以及事件類別、然后識別事件元素。在機器學習的事件抽取中，特征的選取十分重要，要求訓練語料規(guī)模大以避免數(shù)據(jù)不均勻、數(shù)據(jù)稀疏等問題。適合于大規(guī)模多特征的語料。

模式匹配法通過人工構造或程序自動生成的一些模式和約束來對事件進行識別。首先在單個文檔內尋找發(fā)生的事件，然后在所有文檔中將這些發(fā)現(xiàn)的事件合并為一個更大的事件?；谀Ｊ狡ヅ涞氖录槿》椒ǖ木容^高，但可移植性較差，往往只適用于某一個領域，如教育、金融、政治、生物等領域。如果更換了領域或事件主體發(fā)生改變，就會是模式匹配的精度大幅度降低?？紤]到本文研究的事件為特定領域，因此采用模式匹配的方法進行事件抽取。

（二）金融事件分類

本文所關注的金融事件值的是會對企業(yè)盈利，即上市公司股價造成重大影響的事件。

事件：“體品股今日逆市向上，當中徐滿光最為看好龍頭安踏體育（ 02020），由于該股兩個月以來一直受到基金大行追捧，而且受惠于上半年內地消費政策，令股價升幅一直擴大?！薄靶乱惠?+7采購擴面機構看好醫(yī)藥板塊這幾大領域?！贝祟愂录磉_了分析師對某只股票或某個領域看好。

事件：“近日，有媒體報道，‘互聯(lián)網(wǎng)母嬰第一股’寶寶樹開始大規(guī)模裁員，裁員人數(shù)接近總人數(shù)的30%，其中技術團隊最高裁員50%，內容運營團隊最高裁員30%?！贝祟愂录硎竟具M行了裁員，雖然并購和局部業(yè)務調整也是造成公司裁員的因素，但是大部分公司裁員的主要原因是業(yè)績衰敗，此類事件的發(fā)生大概率會導致個股股價的下跌。

根據(jù)以上分析，本文將金融事件分為四個類別：外界看好事件、外界看衰事件、收購兼并類事件、企業(yè)人員調整事件。并根據(jù)事件類型設定匹配模式，如外界看好事件，采用主謂賓結構加謂語觸發(fā)詞“看好”，主謂結構加謂語觸發(fā)詞“吃香”“走俏”等。通過模式匹配得到四種類型金融事件結果。

三、金融事件對企業(yè)的影響

（一）事件研究法

事件研究法（ Event Study）是一種基于統(tǒng)計學習的分析方法，研究當金融市場上發(fā)生重大事件時，對股價造成的影響，以及股票產生的異常報酬率。 其原理是根據(jù)研究的某一特定的事件，研究選定公司的股票收益率是否會隨著事件的發(fā)生而產生變化，然后進一步解釋此類事件對股票收益率的具體影響。主要用于檢驗事件發(fā)生前后價格變化或價格對披露信息的反應程度。該方法包含如下幾個步驟。

（1）確定合適的估計窗和事件窗

T表示事件發(fā)生日.T-37到T-7為估計窗，即用事件發(fā)生的前37天到前7天的30天數(shù)據(jù)作為參考數(shù)據(jù)。T-7到T+7為事件窗。估計窗利用過去30天的股票歷史數(shù)據(jù)來對事件發(fā)生前后的股票預期的正常收益率進行估算，事件窗則對應的利用股票正常收益率來估計股票的異常收益率。

如圖所示，外界看好類與外界看衰類事件的累計異常收益率的波動較小，兼并收購類與人事變動類的累計異常收益率較大，由此可見上市公司的收益率受自身公司內部原因的影響要更大一些。外界對公司的評價與看法能夠對收益率造成影響，但一般走勢穩(wěn)定，事件發(fā)生前三天內的累計異常收益率往往符合外界對個股的看法，事件發(fā)生之后，個股的累計異常收益率仍然會保持一個穩(wěn)定的走勢，如外界看好類事件，在t-4、t-3、t-2、t-l時間點上呈現(xiàn)正值的累計異常收益率，在事件發(fā)生后仍然保持了4天的正值，在第五天開始呈現(xiàn)負值;類似地，外界看衰類事件在事件發(fā)生前與發(fā)生后累計異常收益率較為穩(wěn)定，事件發(fā)生前呈現(xiàn)負值，發(fā)生后雖有小幅度升高到正值，總體仍保持在負值的水平。兼并收購類與人事變動類的累計異常收益率波動則較大。兼并收購類大多呈現(xiàn)正值，可以發(fā)現(xiàn)，此類金融事件對上市公司的影響較大，投資者往往會相信公司通過此類事件得到了更強的盈利能力，而會加大對此類公司的投資。而人事變動類事件存在大幅度的負值波動，從數(shù)據(jù)集上看，裁員占據(jù)了此類事件的大部分基礎事件、新聞報道也樂于報道此類事件。事實上，公司的人員結構調整并不是業(yè)績不佳的單方面原因，并購和局部業(yè)務調整也是造成公司裁員的因素。即便企業(yè)因為業(yè)績不好裁員，也并非像多數(shù)人想象的那樣，企業(yè)快要完蛋了，多半是企業(yè)為挽救下滑而采取的節(jié)省成本的正常措施，由此可見，輿論加劇了裁員公司的盈利能力下滑。

四、結語

本文以互聯(lián)網(wǎng)中的與上市公司有關的股市新聞為研究對象，利用文本挖掘技術抽取出不同類型的金融事件、綜合股市里的結構化數(shù)據(jù)，分析事件對公司的影響，進而研究股市新聞與股市之間的聯(lián)系。研究過程中存在一定的缺陷，只是考慮了事件與股票指數(shù)的關系，未能研究其背后的影響機制，可以在之后的研究中繼續(xù)探討。

參考文獻：

[1]陳海文，蔡志平，方峰，等.應用財經新聞挖掘的金融品種價格走勢預測[J].計算機工程與科學，2016，38（9）：1909-1916.

[2]吉久明，王鑫，李楠，等.基于觸發(fā)詞優(yōu)先級的事件抽取研究[J].現(xiàn)代情報，2016（12）.

[3]汪奕丁.結合文本與時序數(shù)據(jù)的金融事件發(fā)現(xiàn)研究[D].哈爾濱：哈爾濱工業(yè)大學.2015.

作者簡介：

王劍波，熊麗媛，江西財經大學，江西南昌。