新冠疫情新聞的情感傾向?qū)鹑谑袌?chǎng)的影響研究＊

■ 龍文 田嘉祺 李汭芹＊＊

1.中國(guó)科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院 北京 100190

2.中國(guó)科學(xué)院虛擬經(jīng)濟(jì)與數(shù)據(jù)科學(xué)研究中心 北京 100190

3.中國(guó)科學(xué)院大數(shù)據(jù)挖掘與知識(shí)管理重點(diǎn)實(shí)驗(yàn)室 北京 100190

0 引言

金融市場(chǎng)是一個(gè)信息驅(qū)動(dòng)的市場(chǎng)。在有效市場(chǎng)中，資產(chǎn)價(jià)格充分反映了所有相關(guān)且可用的信息，其中媒體報(bào)道是重要的信息來(lái)源，互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和智能手機(jī)的廣泛應(yīng)用使得投資者能夠及時(shí)獲取信息，加快了信息傳遞，促進(jìn)了信息發(fā)揮作用。金融市場(chǎng)參與者密切關(guān)注各方信息，如財(cái)經(jīng)新聞、自然災(zāi)害事件、社會(huì)熱點(diǎn)事件、公共衛(wèi)生事件等，其中，互聯(lián)網(wǎng)財(cái)經(jīng)新聞對(duì)金融市場(chǎng)的影響早已被多項(xiàng)研究證實(shí)。2019年底新冠肺炎疫情開始爆發(fā)，疫情相關(guān)信息通過(guò)大量新聞報(bào)道向大眾傳播。與財(cái)經(jīng)新聞?lì)愃?，新冠疫情新聞可能?huì)通過(guò)影響金融市場(chǎng)參與者的行為間接影響金融市場(chǎng)。

國(guó)內(nèi)外多位學(xué)者都針對(duì)媒體報(bào)道對(duì)金融市場(chǎng)的影響進(jìn)行研究，其中新聞情感是一個(gè)重要的分析視角。在已有的研究中，計(jì)算文本情感傾向主要有兩種方法：機(jī)器學(xué)習(xí)方法[1][2][3]和情感詞典方法[4][5][6]。前者通過(guò)大量文本及對(duì)應(yīng)情感標(biāo)簽訓(xùn)練出的情感分類器來(lái)預(yù)測(cè)新文本的情感傾向；而后者基于情感詞典計(jì)算文本中情感詞語(yǔ)的情感傾向及程度。在金融市場(chǎng)的研究中，后者使用更為普遍，但多是基于通用的情感詞典，國(guó)內(nèi)廣泛使用的中文情感詞典包括我國(guó)臺(tái)灣大學(xué)簡(jiǎn)體中文情感極性詞典（NTSUSD）、大連理工大學(xué)情感詞匯本體庫(kù)（DUTIR）、知網(wǎng)情感詞典（HowNet）等。新冠疫情作為全球范圍內(nèi)的突發(fā)衛(wèi)生事件，并無(wú)先例，故其報(bào)道具有一定的獨(dú)特性（如加入新的專屬詞匯），然而針對(duì)此事件的報(bào)道并沒有對(duì)應(yīng)的情感詞典，若使用通用情感詞典來(lái)進(jìn)行新冠疫情新聞的情感分析，準(zhǔn)確率很可能不佳。基于此，本研究構(gòu)建了一個(gè)新冠疫情新聞情感詞典，用其進(jìn)行文本情感測(cè)算，以進(jìn)一步考察新冠肺炎疫情新聞情感傾向?qū)鹑谑袌?chǎng)的影響。

本研究首先對(duì)新冠肺炎疫情新聞特有新詞進(jìn)行了收集和整理，然后用SO-PMI 算法構(gòu)建新冠疫情新聞情感詞典，用情感詞典量化官方平臺(tái)發(fā)布的疫情新聞的情感指標(biāo)，最后建立每日疫情新聞情感指標(biāo)與指數(shù)收益率間的自回歸模型，研究?jī)烧叩膭?dòng)態(tài)關(guān)系，同時(shí)，將同平臺(tái)疫情前后的新聞情感傾向?qū)鹑谑袌?chǎng)的影響進(jìn)行對(duì)照研究，以驗(yàn)證新冠疫情新聞?dòng)绊懙莫?dú)特性。本研究的創(chuàng)新點(diǎn)主要體現(xiàn)在兩個(gè)方面，一是從技術(shù)上構(gòu)建了新冠疫情情感詞典，相較于通用詞典，新構(gòu)建的情感詞典包含了疫情特定詞的情感強(qiáng)度，提升了領(lǐng)域文本情感判斷的準(zhǔn)確率，利于有針對(duì)性地進(jìn)行疫情新聞情感傾向的影響研究；二是從研究對(duì)象上考察了疫情新聞的情感傾向?qū)鹑谑袌?chǎng)的影響，此前雖已有很多文獻(xiàn)涉及新聞文本的情感與金融市場(chǎng)的關(guān)系，但大多是從財(cái)經(jīng)新聞視角展開，鮮少涉及突發(fā)性事件特別是公共衛(wèi)生事件，而本研究則關(guān)注疫情新聞情感傾向?qū)鹑谑袌?chǎng)的影響且新聞來(lái)源為互聯(lián)網(wǎng)官方平臺(tái)——人民網(wǎng)，豐富了研究視角與信息來(lái)源。

1 文獻(xiàn)綜述

1.1 新聞對(duì)金融市場(chǎng)的影響

已有大量文獻(xiàn)研究了新聞對(duì)金融市場(chǎng)的影響。該領(lǐng)域最早的關(guān)注對(duì)象為新聞內(nèi)容，Niederhoffer[7]于1971年根據(jù)新聞標(biāo)題對(duì)《紐約時(shí)報(bào)》發(fā)布的新聞進(jìn)行人工分類，發(fā)現(xiàn)滯后一天的股票價(jià)格受重大新聞發(fā)布的影響最大?？紫栌?、畢秀春和張曙光[8]于2016年使用文本分析技術(shù)與機(jī)器學(xué)習(xí)技術(shù)，構(gòu)建了基于當(dāng)日新聞主題預(yù)測(cè)股價(jià)變化趨勢(shì)的模型，研究發(fā)現(xiàn)國(guó)際貿(mào)易以及城市化相關(guān)主題的新聞與股市波動(dòng)存在密切的關(guān)系，且構(gòu)建的模型可以準(zhǔn)確預(yù)測(cè)出當(dāng)日股市漲跌。劉海飛和許金濤[9]于2017年研究不同類別的新聞對(duì)股票異常收益率的影響，發(fā)現(xiàn)政策扶持類、兼收并購(gòu)類、再融資類和盈利能力類新聞對(duì)公司股票產(chǎn)生正的異常收益，而違規(guī)處罰類新聞對(duì)公司股票產(chǎn)生負(fù)的異常收益。

除新聞內(nèi)容外，新聞數(shù)量也受到了多位學(xué)者的關(guān)注。Mitchell 和Mulherin[10]于1994年研究證實(shí)了新聞數(shù)量對(duì)于股票收益率有一定的影響。Fang 和Peress[11]于2009年研究股票收益與主流媒體每日新聞數(shù)量之間的關(guān)系，發(fā)現(xiàn)媒體關(guān)注度低的股票存在顯著的溢價(jià)。趙偉等[12]于2009年用財(cái)經(jīng)新聞數(shù)量衡量金融信息流強(qiáng)度，發(fā)現(xiàn)金融信息量增大會(huì)引起金融市場(chǎng)的波動(dòng)。

傳統(tǒng)的新聞傳播理論認(rèn)為新聞報(bào)道應(yīng)該是客觀中立的，但在現(xiàn)實(shí)中，媒體報(bào)道和信息傳播并不具有純粹的“客觀中立性”，而媒體會(huì)依據(jù)立場(chǎng)、方針和價(jià)值標(biāo)準(zhǔn)等進(jìn)行取舍與加工，這使得公開發(fā)布的新聞往往帶有情感色彩。隨著行為金融學(xué)科的發(fā)展，學(xué)界越來(lái)越關(guān)注新聞中包含的情感，認(rèn)為新聞情感通過(guò)影響投資者決策從而對(duì)金融市場(chǎng)產(chǎn)生重要影響。Tetlock 等[13]于2008年對(duì)華爾街日?qǐng)?bào)的新聞構(gòu)建媒體悲觀指標(biāo)，發(fā)現(xiàn)基本面下行時(shí)，媒體悲觀程度較高，股價(jià)的下行壓力也越大。Suleman[14]于2012年研究政治新聞對(duì)KSE100 指數(shù)的影響，發(fā)現(xiàn)積極的政治新聞可以使指數(shù)收益增加且波動(dòng)降低，反之，消極的政治新聞則會(huì)使指數(shù)收益降低且波動(dòng)增加。與成熟資本市場(chǎng)相比，我國(guó)股票市場(chǎng)中個(gè)人投資者比例較高，據(jù)證券投資者保護(hù)基金有限責(zé)任公司的統(tǒng)計(jì)數(shù)據(jù)，至2019年末，個(gè)人投資者的數(shù)量占比為99.76%，個(gè)人投資者缺乏專業(yè)知識(shí)與背景，更易受到新聞情緒的影響，我國(guó)學(xué)者也針對(duì)新聞情感對(duì)金融市場(chǎng)的影響展開了持續(xù)的研究。游家興和吳靜[15]于2012年從報(bào)道基調(diào)、曝光程度和關(guān)注水平3個(gè)方面構(gòu)建了媒體情緒綜合評(píng)價(jià)指標(biāo)，發(fā)現(xiàn)積極的媒體情緒導(dǎo)致股價(jià)偏離更高，資產(chǎn)誤定價(jià)更嚴(yán)重。王曉丹等[16]于2019年通過(guò)互聯(lián)網(wǎng)搜索引擎采集了與股票市場(chǎng)相關(guān)的大量新聞報(bào)道,發(fā)現(xiàn)新聞的正向情感會(huì)提升股票收益率，而負(fù)向和中立情況則會(huì)導(dǎo)致收益率的降低。程蕭瀟[17]于2019年研究發(fā)現(xiàn)新聞情感和社交媒體熱度對(duì)股指收益率產(chǎn)生顯著影響。

1.2 突發(fā)事件對(duì)金融市場(chǎng)的影響

自然災(zāi)害、公共衛(wèi)生事件等突發(fā)事件因其突發(fā)性、延續(xù)性、破壞性等特點(diǎn)，影響社會(huì)穩(wěn)定和經(jīng)濟(jì)有序發(fā)展，不僅會(huì)對(duì)實(shí)體經(jīng)濟(jì)帶來(lái)巨大沖擊，還會(huì)給金融市場(chǎng)帶來(lái)挑戰(zhàn)，導(dǎo)致金融體系出現(xiàn)系統(tǒng)性風(fēng)險(xiǎn)增大、流動(dòng)性問(wèn)題等危機(jī)。國(guó)內(nèi)外學(xué)者在此領(lǐng)域做出了多項(xiàng)研究，具有重要實(shí)踐意義。

Shelor 等[18]于1990年研究了美國(guó)1989年加利福尼亞州大地震對(duì)金融市場(chǎng)的影響，發(fā)現(xiàn)地震使得房地產(chǎn)行業(yè)的股票價(jià)格下降。楊秀剛和黃玉龍[19]于2011年研究了突發(fā)公共衛(wèi)生事件對(duì)我國(guó)金融市場(chǎng)的沖擊，發(fā)現(xiàn)突發(fā)公共衛(wèi)生事件對(duì)均衡價(jià)格和市場(chǎng)價(jià)格都產(chǎn)生沖擊。Hood 等[20]于2013年研究了2011年日本地震后投資者的交易行為，發(fā)現(xiàn)在地震發(fā)生后的一周內(nèi)，金融市場(chǎng)投資者表現(xiàn)出與平常時(shí)期完全相反的交易特征。陳赟等[21]于2020年評(píng)估了金融市場(chǎng)對(duì)重大突發(fā)衛(wèi)生事件的反應(yīng)，發(fā)現(xiàn)公司所在地的復(fù)工復(fù)產(chǎn)能力對(duì)股票收益率存在正向影響。黃軻等[22]于2021年研究金融危機(jī)、自然災(zāi)害和突發(fā)公共衛(wèi)生3類“黑天鵝”事件對(duì)金融市場(chǎng)關(guān)聯(lián)結(jié)構(gòu)的影響，發(fā)現(xiàn)不同類別“黑天鵝”事件對(duì)金融市場(chǎng)趨同水平的影響存在顯著差異。

綜上，新聞對(duì)金融市場(chǎng)的影響及突發(fā)事件對(duì)金融市場(chǎng)的影響已被國(guó)內(nèi)外大量研究證實(shí)，其中新聞情感越來(lái)越受到學(xué)界的關(guān)注，從情感方面入手能挖掘出新聞對(duì)金融市場(chǎng)的影響機(jī)制。而縱觀突發(fā)事件對(duì)金融市場(chǎng)影響的國(guó)內(nèi)外文獻(xiàn)，現(xiàn)有研究多基于特定案例展開理論與實(shí)證的研究，較少結(jié)合互聯(lián)網(wǎng)新聞。新冠疫情作為2019年以來(lái)最大的突發(fā)公共衛(wèi)生事件，對(duì)經(jīng)濟(jì)發(fā)展帶來(lái)了巨大沖擊，有必要在結(jié)合上述國(guó)內(nèi)外研究綜述的基礎(chǔ)上，針對(duì)疫情新聞的情感傾向?qū)鹑谑袌?chǎng)影響展開研究，以拓展研究思路并豐富研究角度。

2 新冠疫情特有詞的選取

不同領(lǐng)域的文本一般都具有該領(lǐng)域的獨(dú)有新詞，這些新詞往往在文本中經(jīng)常出現(xiàn)，有的甚至是文章的核心詞或帶有強(qiáng)烈情感傾向。在領(lǐng)域情感詞典構(gòu)建過(guò)程中，領(lǐng)域獨(dú)有新詞的選取非常必要，因此首先進(jìn)行新冠疫情新聞特有新詞的選取，其步驟為生成候選詞、判定詞的左右臨字豐富程度和判定詞的內(nèi)部凝聚程度。

2.1 生成候選詞

生成候選詞的方法有兩種：一種是直接將文本切詞后的結(jié)果拼接為候選詞，一種是將文本按字符分割后拼接為候選詞。由于第一種方法的候選詞生成結(jié)果很大程度上依賴于分詞的效果，而現(xiàn)有切詞詞庫(kù)未包含新冠肺炎疫情相關(guān)新詞，因此選用第二種方法。

2.2 用信息熵判定詞的左右臨字豐富程度

如果一個(gè)字符組合可以成詞，它應(yīng)當(dāng)出現(xiàn)在豐富的語(yǔ)境中，也就是說(shuō)，擁有豐富的左右鄰字。信息熵是對(duì)信息量的度量，信息熵越高，表示信息量越豐富、不確定性越大。因此字符組合左/右鄰字的豐富程度，可以用信息熵(Entropy）來(lái)表示：

其中Wneighbor為字符組合的左/右鄰字的集合。本研究綜合考慮候選詞左右信息熵(LE,RE）的大小，以LE 與RE差的絕對(duì)值（|LE-RE|）作為鄰字豐富程度的度量，構(gòu)造統(tǒng)計(jì)量如下：

2.3 新詞發(fā)現(xiàn)

如果某些字符經(jīng)常在一起出現(xiàn)，那么這些字符很有可能組成詞匯，因此需要對(duì)字符的內(nèi)部凝聚程度進(jìn)行定義和量化以準(zhǔn)確判斷一個(gè)詞匯是否合理。量化對(duì)象間的相關(guān)性一般使用點(diǎn)互信息（PMI）值，但點(diǎn)互信息值受候選詞長(zhǎng)度的影響，候選詞越長(zhǎng)，互信息取值偏大，因此本研究使用平均互信息（AMI）作為詞的內(nèi)部凝聚程度的度量。AMI的公式如下：

最后，用式（4）所計(jì)算的得分選出新冠肺炎疫情新聞相關(guān)的新詞，共計(jì)1902個(gè)。

3 新冠疫情新聞情感詞典的構(gòu)建及評(píng)估

在完成新冠肺炎疫情新聞特有新詞的選取后，本研究將構(gòu)建新冠疫情新聞情感詞典，首先進(jìn)行新聞文本數(shù)據(jù)的爬取和預(yù)處理，然后對(duì)文本進(jìn)行分詞，之后選取種子詞，并基于種子詞用SO-PMI 算法構(gòu)建出新冠疫情新聞情感詞典，最后對(duì)詞典的性能進(jìn)行評(píng)估。

3.1 文本數(shù)據(jù)獲取

本研究選擇人民網(wǎng)（http://www.people.com.cn/）作為新聞數(shù)據(jù)源，人民網(wǎng)是《人民日?qǐng)?bào)》建設(shè)的以新聞為主的大型互聯(lián)網(wǎng)信息交互平臺(tái)，也是國(guó)際互聯(lián)網(wǎng)上最大的綜合性網(wǎng)絡(luò)媒體之一，具有廣泛且穩(wěn)定的受眾群體。新聞數(shù)據(jù)包括了2020年1月2日到2020年9月30日期間的所有新冠肺炎疫情新聞，以及2019年9月2日至2019年12月31日期間的所有新聞（對(duì)照研究）。

3.2 文本分詞

本研究使用Python 的中文分詞組件“jieba”對(duì)新聞文本進(jìn)行分詞。因新冠疫情事件是2019年底的突發(fā)公共衛(wèi)生事件，并無(wú)先例，其相關(guān)新聞中有許多特有新詞，因此在文本切分前，將第二章中選取的新冠疫情專用詞添加到分詞詞庫(kù)中，同時(shí)去除文本中的停用詞、否定詞與程度副詞。

3.3 種子詞選取

SO-PMI 算法的本質(zhì)是給定一些基礎(chǔ)情感詞，計(jì)算文本分詞與基礎(chǔ)情感詞同時(shí)出現(xiàn)的概率，若文本分詞常與積極情感詞同時(shí)出現(xiàn)，那么認(rèn)為該詞偏積極；若文本分詞常與消極情感詞同時(shí)出現(xiàn)，那么認(rèn)為該詞偏消極，將這些基礎(chǔ)情感詞稱為情感種子詞。情感種子詞的選取決定了用情感傾向點(diǎn)互信息算法（SO-PMI）構(gòu)建的情感詞典的性能。先運(yùn)用TF-IDF方法得到候選詞。

詞頻TF表示詞或短語(yǔ)在文本中出現(xiàn)的頻率：

其中,ni,j是詞i在文件dj中出現(xiàn)的次數(shù)，分母是文件dj中所有詞匯出現(xiàn)次數(shù)的加和。

逆向文件頻率IDF由文件總數(shù)除以包含該詞語(yǔ)的所有文件的個(gè)數(shù)，再取對(duì)數(shù)得到：

其中,|D|是文本庫(kù)中的文件總數(shù);表示包含詞語(yǔ)ti的文件個(gè)數(shù)。如果一詞不在文本庫(kù)中，那么該詞的IDF 表達(dá)式的分母為零。為避免發(fā)生這種情況，我們一般將分母替換為

TF-ID公式如下：

在得到候選詞后，運(yùn)用大連理工大學(xué)的情感詞匯本體詞庫(kù)和哈工大的同義詞林得到拓展情感詞匯本體詞庫(kù)，并將候選詞與詞庫(kù)中的詞進(jìn)行匹配，選擇情感強(qiáng)度大于5 的詞，最終得到兼顧頻率和情感強(qiáng)度的情感種子詞，其中貶義詞和褒義詞各4900 個(gè)，部分情感種子詞見表1所示。

表1 部分情感種子詞

3.4 新冠疫情新聞情感詞典構(gòu)建

互信息（PMI）算法是常用的計(jì)算詞間的語(yǔ)義相似度的算法，其基本思想是統(tǒng)計(jì)兩個(gè)詞在文本中同時(shí)出現(xiàn)的概率，如果概率越大，兩詞的相關(guān)性就越緊密，關(guān)聯(lián)度越高。SO-PMI 是將PMI 方法引入計(jì)算詞的情感傾向，從而得到新的情感詞，其基本思想是選一組情感傾向性非常明顯且極具領(lǐng)域代表性的褒義詞（Pwords）跟一組貶義詞（Nwords）作為基準(zhǔn)詞。把任一詞語(yǔ)word1跟Pwords的點(diǎn)間互信息減去word1跟Nwords的點(diǎn)間互信息會(huì)得到一個(gè)差值，根據(jù)該差值判斷詞word1的情感傾向。

將挑選好的情感種子詞輸入SO-PMI 算法，進(jìn)行情感傾向和強(qiáng)度計(jì)算。SO-PMI 值為正，說(shuō)明該詞是褒義詞，其值越大，則該詞越積極；SO-PMI 值為負(fù)，說(shuō)明該詞是貶義詞，其值的絕對(duì)值越大，則該詞越消極。將SOPMI值在0左右的詞刪除，只留下褒貶義傾向強(qiáng)烈的詞，最終形成了新冠疫情新聞情感詞典。

3.5 詞典性能評(píng)估

隨機(jī)選取2020年3月24日至2020年3月31日期間的3257條新冠疫情相關(guān)新聞作為評(píng)估數(shù)據(jù)，與已有的中文通用情感詞典——我國(guó)臺(tái)灣大學(xué)自然語(yǔ)言處理實(shí)驗(yàn)室構(gòu)建的“NTUSD”詞典、大連理工大學(xué)信息檢索研究室構(gòu)建的情感詞匯本體庫(kù)進(jìn)行新冠疫情相關(guān)新聞的情感分析能力的比較，評(píng)估指標(biāo)為精確率P、召回率R 和兩者的加權(quán)調(diào)和均值F1，如下（9）至（11）式所示。評(píng)估結(jié)果見表2。

表2 詞典情感分類效果性能評(píng)估

其中TP 為將積極樣本分類為積極的樣本數(shù)；FN 為將積極樣本分類為消極的樣本數(shù)；FP為將消極樣本分類為積極的樣本數(shù)；TN為將消極樣本分類為消極的樣本數(shù)。

由表2，新冠疫情新聞詞典在精確率（P）、召回率（R）、F1值上的表現(xiàn)都優(yōu)于其余兩個(gè)詞典，說(shuō)明該情感詞典在新冠疫情相關(guān)新聞這一特殊領(lǐng)域的情感分析性能更好。

4 新冠疫情新聞情感對(duì)金融市場(chǎng)收益率的動(dòng)態(tài)關(guān)系研究

4.1 新冠疫情新聞情感指標(biāo)構(gòu)建

將情感詞的SO-PMI值的加和作為新聞文本的情感強(qiáng)度（Emotional Intensity of Sentence），計(jì)算每日的所有新冠疫情新聞的總EIS，稱其為每日新冠疫情新聞情感強(qiáng)度（Daily EIS，以下簡(jiǎn)稱為DEIS）。

由于中國(guó)股市交易日在15:00 收盤，因此將15:00 作為分界線，當(dāng)日15:00 之前的新聞對(duì)當(dāng)日的指數(shù)收益率造成影響，當(dāng)日15:00 之后的新聞對(duì)次日的指數(shù)收益率造成影響。DEIS計(jì)算公式如下：

在過(guò)往研究中，文本的情感指標(biāo)的取值區(qū)間一般為[-10,10]或[-1,1]。為了更好地與指數(shù)收益率匹配以進(jìn)行動(dòng)態(tài)影響分析，將DEIS 值（取值范圍為[A,B]）按比例縮放到[-1,1]之中，記為DEIS′，稱作每日新冠疫情新聞情感指標(biāo)?？s放所用的公式如下：

4.2 每日新冠疫情情感指標(biāo)與股市、債市的動(dòng)態(tài)關(guān)系研究

本研究分別構(gòu)建了新冠疫情新聞情感指標(biāo)DEIS′與股票市場(chǎng)及債券市場(chǎng)指數(shù)收益率的VAR 模型，其中股市指數(shù)選取滬深300 指數(shù)，債市指數(shù)選取中債新綜合指數(shù)，兩者都能充分代表對(duì)應(yīng)市場(chǎng)的變化且被投資者廣泛接受，具有穩(wěn)定性、代表性與可操作性，數(shù)據(jù)來(lái)源為Wind數(shù)據(jù)庫(kù)。

首先對(duì)每日新冠疫情新聞情感強(qiáng)度與兩個(gè)指數(shù)的對(duì)數(shù)收益率進(jìn)行單位根檢驗(yàn)，結(jié)果顯示各序列中不存在單位根，即數(shù)據(jù)平穩(wěn)。根據(jù)AIC 和SC 信息準(zhǔn)則得出股市模型的滯后階數(shù)為1，債市模型的滯后階數(shù)為2，由此進(jìn)行模型構(gòu)建，股市的VAR 模型為（14）式和（15）式，債市的VAR模型為（16）式和（17）式。

其中，Rs,t代表了第t 個(gè)交易日滬深300 指數(shù)的對(duì)數(shù)收益率，Rb,t代表了第t 個(gè)交易日中債新綜合指數(shù)的對(duì)數(shù)收益率，DEIS't代表了第t個(gè)交易日疫情新聞的情感傾向。

以上兩個(gè)市場(chǎng)的VAR 模型所有根的特征值均小于1，因此模型通過(guò)穩(wěn)定性檢驗(yàn)，接下來(lái)通過(guò)格蘭杰因果檢驗(yàn)來(lái)判斷每日新冠疫情新聞情感指標(biāo)（DEIS′）與滬深300 指數(shù)的收益率、中債新綜合指數(shù)凈值的收益率是否有統(tǒng)計(jì)學(xué)意義上的因果關(guān)系，格蘭杰檢驗(yàn)結(jié)果見表3。

由表3，每日新冠疫情新聞情感指標(biāo)（DEIS′）不為滬深300 指數(shù)收益率的格蘭杰原因的原假設(shè)不成立（P值小于0.1），滬深300 指數(shù)收益率不為每日新冠疫情新聞情感指標(biāo)（DEIS′）的格蘭杰原因的原假設(shè)成立（P 值遠(yuǎn)大于0.1），因此每日新冠疫情新聞情感指標(biāo)（DEIS′）對(duì)收益率存在統(tǒng)計(jì)學(xué)上的因果關(guān)系，而收益率對(duì)每日新冠疫情新聞情感指標(biāo)（DEIS′）不存在統(tǒng)計(jì)學(xué)上的因果關(guān)系，即公式（14）成立，公式（15）不成立。

表3 格蘭杰檢驗(yàn)結(jié)果-疫情期間

由表3，每日新冠疫情新聞情感指標(biāo)（DEIS′）不為中債新綜合指數(shù)凈值收益率的格蘭杰原因的原假設(shè)不成立（P 值小于0.1），中債新綜合指數(shù)凈值的收益率不為每日新冠疫情新聞情感指標(biāo)（DEIS′）的格蘭杰原因的 原假設(shè)成立（P 值遠(yuǎn)大于0.1），因此每日新冠疫情新聞情感指標(biāo)（DEIS′）對(duì)中債新綜合指數(shù)凈值的收益率存在統(tǒng)計(jì)學(xué)上的因果關(guān)系，而中債新綜合指數(shù)凈值的收益率對(duì)每日新冠疫情新聞情感指標(biāo)（DEIS′）不存在統(tǒng)計(jì)學(xué)上的因果關(guān)系，即公式（16）成立，公式（17）不成立。

通過(guò)脈沖響應(yīng)函數(shù)研究每日新冠疫情新聞情感指標(biāo)（DEIS′）和滬深300 指數(shù)收益率、中債新綜合指數(shù)凈值收益率的動(dòng)態(tài)關(guān)系，相關(guān)結(jié)果見圖1至圖4。

由圖1，滬深300 指數(shù)收益率對(duì)自身沖擊的反應(yīng)很迅速，對(duì)第一期存在很強(qiáng)的正向沖擊，對(duì)第二期的沖擊迅速下降，甚至出現(xiàn)負(fù)向沖擊，第三期及之后沖擊逐漸趨于0。由圖2，滬深300 指數(shù)的對(duì)數(shù)收益率對(duì)每日新冠疫情新聞情感指標(biāo)（DEIS′）的反應(yīng)較為滯后且持續(xù)時(shí)間較短，始終為正向沖擊，其在第一期幾乎未顯現(xiàn)，在第二期迅速上升并達(dá)到峰值，之后極速下降，在第四期接近0。這說(shuō)明了當(dāng)期的疫情新聞的情感傾向?qū)Φ诙诠善笔找媛实臎_擊最強(qiáng)，其對(duì)第三期股票收益率的沖擊減弱，而對(duì)第五期股票收益率不存在沖擊，即此沖擊存在的時(shí)期為第二期至第四期。

由圖3，中債新綜合指數(shù)凈值的收益率對(duì)自身沖擊的反應(yīng)非常迅速，對(duì)第一期存在較強(qiáng)的正向沖擊，而沖擊在第二期大幅下降但仍處于高位，經(jīng)過(guò)3 天的持續(xù)下降，該沖擊在第五期及之后趨近于0。由圖4，中債新綜合指數(shù)凈值收益率對(duì)新冠疫情新聞情感指標(biāo)（DEIS′）的反應(yīng)波動(dòng)劇烈且持續(xù)時(shí)間有限，該反應(yīng)在第一期和第二期均出現(xiàn)大幅回落，第二期及之后出現(xiàn)負(fù)值，在第三期開始出現(xiàn)增長(zhǎng)，且增速逐漸放緩，在第四期接近于0。這說(shuō)明當(dāng)期疫情新聞情感傾向?qū)Φ谝黄诘膫找媛视姓驔_擊，但對(duì)第二期至第四期的債券收益率存在負(fù)向沖擊，且此負(fù)向沖擊逐漸減小，對(duì)第四期之后的債券收益率不存在沖擊，即此沖擊存在的時(shí)期為第一期至第四期。

通過(guò)方差分解以進(jìn)一步分析各變量沖擊的貢獻(xiàn)度，結(jié)果見表4和表5。

由表4和表5可知，每日新冠疫情新聞情感指標(biāo)（DE IS′）對(duì)滬深300 指數(shù)收益率的貢獻(xiàn)率接近于3%，而對(duì)中債新綜合指數(shù)凈值收益率的貢獻(xiàn)率超過(guò)了13%，即疫情新聞情感傾向?qū)袌?chǎng)收益率的解釋力度更大。此外，對(duì)股市收益率來(lái)說(shuō)，在第一期，新冠疫情新聞情感傾向的貢獻(xiàn)為0，之后逐漸增大并趨于穩(wěn)定；而對(duì)債市收益率來(lái)說(shuō)，在第一期，新冠疫情新聞情感傾向的貢獻(xiàn)最大，之后逐漸減小并趨于穩(wěn)定。

表4 滬深300 指數(shù)收益率波動(dòng)方差分解結(jié)果

表5 中債新綜合指數(shù)凈值的收益率波動(dòng)方差分解結(jié)果

4.3 對(duì)照研究新聞情感指標(biāo)與股市和債市收益率的動(dòng)態(tài)關(guān)系

以上研究結(jié)果表明新冠疫情新聞對(duì)金融市場(chǎng)存在影響，但此影響源于疫情新聞的特殊性還是官方媒體平臺(tái)的特殊性值得思考。為解決這個(gè)問(wèn)題，本研究基于疫情前（2019年9月2日至2019年12月31日）人民網(wǎng)的新聞進(jìn)行對(duì)照研究。

與4.2 節(jié)的研究路徑一致，首先對(duì)每日新聞情感指標(biāo)、滬深300 指數(shù)的對(duì)數(shù)收益率及中債新綜合指數(shù)的對(duì)數(shù)收益率進(jìn)行單位根檢驗(yàn)，結(jié)果顯示3 組數(shù)據(jù)平穩(wěn)。然后根據(jù)AIC 和SC 信息準(zhǔn)則得出股市模型的滯后階數(shù)為5，債市模型的滯后階數(shù)為1。之后進(jìn)行格蘭杰因果檢驗(yàn)以驗(yàn)證每日新聞情感指標(biāo)與收益率是否有統(tǒng)計(jì)學(xué)意義上的因果關(guān)系，此結(jié)果見表6。

表6 格蘭杰檢驗(yàn)結(jié)果-疫情前

由表6，個(gè)P 值都遠(yuǎn)大于0.1，即每日新聞情感指標(biāo)與指數(shù)收益率間不存在統(tǒng)計(jì)學(xué)上的因果關(guān)系。這一結(jié)論說(shuō)明了官方媒體平臺(tái)本身對(duì)金融市場(chǎng)并不存在影響，結(jié)合4.2 節(jié)的結(jié)論，進(jìn)一步反映出疫情相關(guān)新聞對(duì)金融市場(chǎng)的特殊性和重要性，表明了我國(guó)投資者非常關(guān)注官方媒體平臺(tái)發(fā)布的疫情新聞，且疫情相新聞的情感傾向直接影響投資者的投資決策進(jìn)而影響股市及債市的收益情況。

5 結(jié)論

本研究基于2020年1月2日 至2020年9月30日 的人民網(wǎng)新冠肺炎疫情新聞，構(gòu)建新冠疫情新聞情感詞典，并對(duì)疫情新聞的情感傾向與金融市場(chǎng)收益率間的動(dòng)態(tài)關(guān)系進(jìn)行了研究。本研究主要結(jié)論如下：

（1）有必要根據(jù)特殊事件有針對(duì)性地進(jìn)行構(gòu)建領(lǐng)域文本情感詞典。相較于通用詞典，本研究所構(gòu)建的新冠疫情新聞詞典在精確率（P）、召回率（R）及兩者的加權(quán)調(diào)和均值F1上的表現(xiàn)都更優(yōu)，說(shuō)明該情感詞典針對(duì)新冠疫情相關(guān)新聞的情感判斷性能良好。

（2）前一期的每日疫情新聞情感指標(biāo)（DEIS′）對(duì)于當(dāng)期股票收益率和債券收益率的影響是正向的，但此影響持續(xù)期較短，約為4 天；相反，股票收益率和債券收益率對(duì)疫情新聞情感沒有影響。

（3）債券市場(chǎng)對(duì)DEIS′的反應(yīng)較為迅速，在第一期就有所反應(yīng)；而股票市場(chǎng)對(duì)DEIS′的反應(yīng)相對(duì)滯后，一般在第二期才做出反應(yīng)。

本研究結(jié)論對(duì)政府、金融監(jiān)管機(jī)構(gòu)和投資者都有重要現(xiàn)實(shí)意義，因當(dāng)日疫情新聞情感指標(biāo)對(duì)金融市場(chǎng)有正向作用且影響持續(xù)時(shí)間較短，因此在面對(duì)突發(fā)公共事件時(shí)，政府和金融監(jiān)管機(jī)構(gòu)應(yīng)該利用好官方媒體平臺(tái)多報(bào)道積極正面的新聞持續(xù)為金融市場(chǎng)注入信心；投資者可以根據(jù)新聞情感把握投資機(jī)會(huì)，在金融市場(chǎng)中適時(shí)地進(jìn)行相關(guān)操作。