新聞資訊、投資者情緒與上市證券公司股價波動
——基于TVP-VAR模型的實證研究

□ 唐志軍 趙婕

一、引言

隨著我國金融市場的發(fā)展完善及國民經(jīng)濟水平不斷提升，民眾參與證券市場投資的積極性持續(xù)增強。截至2021年9月，股票市場投資者數(shù)量已突破1.9億，且散戶投資者數(shù)量正不斷攀升。投資者情緒能夠反映投資者對股票市場預期表現(xiàn)的判斷并能夠指導其投資行為，然而普通投資者由于缺乏專業(yè)投資知識且處于信息劣勢，財經(jīng)報道、新聞資訊等已然成為了大多數(shù)投資者的信息來源和決策依據(jù)，因此投資者容易受到這些新聞情緒的影響做出非理性投資判斷和決策，引發(fā)股市異常波動，從而不利于證券市場穩(wěn)定。并且上市證券公司作為我國資本市場的重要一環(huán)，一方面它是金融中介機構(gòu)，另一方面其本身也是最活躍的專業(yè)投資者。這種特殊地位和職能決定了其在股價波動研究中的特殊性和重要性。為防范證券市場的股價波動風險，避免投資者非理性情緒引起股價劇烈波動并造成嚴重的負面影響，眾多學者對此進行了探索研究。

關(guān)于投資者情緒，我國經(jīng)濟學家饒育蕾（2003）給出的定義指出，投資者情緒是投資者心理偏差的反映，是對未來資產(chǎn)價格預期的系統(tǒng)性偏差。在實證研究過程中，學者通常將其理解為投資者對特定金融資產(chǎn)或金融市場表現(xiàn)出的整體態(tài)度。投資者情緒的度量及指數(shù)構(gòu)建方法大致分為如下三種：一是利用調(diào)查問卷或采訪的方式來度量情緒，如王美今和孫建軍（2004）使用BSI指數(shù)度量了投資者情緒并用以分析對滬深兩市股票收益及其波動的影響。二是使用單一或多個經(jīng)濟指標來構(gòu)建投資者情緒指數(shù)。通常采用的指標有消費者信心指數(shù)、市場流動性指標和成交量等。這種單一指標方法的局限在于受指標選擇的影響較大，通常說服力不足。為了彌補這一局限，國內(nèi)外諸多學者采用結(jié)合多個經(jīng)濟指標共同構(gòu)建情緒指數(shù)的方法。如Baker和Wurgler（2006）采用交易量、IPO數(shù)量與上市首日收益等六個情緒代理變量構(gòu)建出一個復合投資者情緒指數(shù)（BW指數(shù)），得到了國內(nèi)外眾多學者的認可和應(yīng)用研究。易志高和茅寧（2009）則根據(jù)我國實際情況選擇了六個指標并使用主成分分析法構(gòu)建了綜合投資者情緒指數(shù)（CICSI），同時控制了宏觀經(jīng)濟周期變量的影響。三是使用網(wǎng)絡(luò)爬蟲和文本分析等技術(shù)獲取互聯(lián)網(wǎng)中有關(guān)文本信息并計算出它們的情緒分值，直接反映新聞或投資者情緒。如我國學者尹海員（2016）對847篇權(quán)威新聞媒體報道進行文本分析處理，構(gòu)建了媒體報道情緒的測算指標，研究了我國股票市場中新聞媒體報道對投資者情緒的影響效應(yīng)。Kelly和 Ahmad（2018）則從華爾街日報和金融時報中獲取有關(guān)評論觀點，并利用自然語言處理技術(shù)得到文本情緒變量，分析了其對股票及原油市場的影響。

在投資者情緒和新聞情緒對股價波動的影響方面，國內(nèi)外學者發(fā)表了較多研究成果以供參考：投資者情緒對資產(chǎn)價格波動的影響廣泛被描述為投資者對當前市場形勢的反應(yīng)和對未來現(xiàn)金流的不合理預期。對于投資者情緒與股價波動的影響關(guān)系，主要研究包括投資者情緒與市場異常收益的關(guān)系、投資者情緒對不同特征和不同時期股票收益的影響關(guān)系等方面。多數(shù)研究表明投資者情緒顯著影響股市收益及其波動，但對于投資者情緒如何以及何時對股價波動產(chǎn)生怎樣的影響，仍沒有得到一致的結(jié)論。其中多數(shù)學者提出，投資者情緒的提升會顯著提高股價波動率；也有少數(shù)觀點認為，投資者情緒與股價波動負相關(guān)。同時在研究投資者行為與股票市場相關(guān)性的過程中，一些學者發(fā)現(xiàn)，新聞報道也會顯著影響股票收益及其波動。具體而言，過往許多文獻從媒體關(guān)注角度出發(fā)，用新聞報道數(shù)量表示媒體關(guān)注度,指出新聞報道數(shù)量增加會提高股票交易量。而目前多數(shù)觀點從投資者關(guān)注角度出發(fā)，認為以新聞為主的公共信息對投資者信心和預期的形成具有重要作用，新聞報道通過影響投資者決策行為進而影響股票市場。

在已有研究基礎(chǔ)上，本文通過爬取文本數(shù)據(jù)對我國券商股價波動問題進行了研究。創(chuàng)新點主要體現(xiàn)在兩個方面：一是情緒度量方法的創(chuàng)新。國內(nèi)研究大多是基于單個或幾個經(jīng)濟指標，采用主成分分析等方法構(gòu)建間接指標用以衡量投資者情緒指數(shù)，本文則利用網(wǎng)絡(luò)爬蟲技術(shù)直接爬取東方財富網(wǎng)中對應(yīng)公司的新聞資訊和評論數(shù)據(jù)并進行文本情緒指數(shù)計算，是情緒的一種直觀反映，并且本文基于以往研究對情緒指數(shù)的計算方法進行了改進。二是研究方法的創(chuàng)新。多數(shù)學者相關(guān)研究采用的計量模型是線性回歸模型及其衍生模型，其局限在于無法描述變量之間的非線性關(guān)系特征及其動態(tài)變化過程。本文采用帶有隨機波動的時變參數(shù)向量自回歸(TVP-VAR)模型，通過其時變系數(shù)、沖擊協(xié)方差矩陣以及時變脈沖響應(yīng)函數(shù)能夠更加準確地反映新聞資訊和投資者情緒對股價波動的時變性影響。

二、理論分析與研究假設(shè)

（一）投資者情緒與股價波動

從傳統(tǒng)金融理論來看，影響上市公司股價波動的因素主要包括宏觀經(jīng)濟與政策因素、行業(yè)與部門因素以及公司的經(jīng)營狀況等。而隨著行為金融學的興起，投資者情緒也被認為是影響股價及其波動的重要因素。傳統(tǒng)有效市場假說建立在投資者完全理性的假設(shè)前提下，認為投資者的決策是基于理性預期、風險厭惡和效用函數(shù)最大化。并且認為即便存在非理性投資者，其非理性行為影響會彼此抵消。然而實際上，行為金融學中的投資者有限理性理論指出，投資者并非完全理性，非理性投資者的行為決策也并非完全隨機。我國股市中普遍存在的有限理性行為偏差主要表現(xiàn)在羊群行為、過度自信以及過度反應(yīng)與反應(yīng)不足等，這類行為最終會引起股票收益率的異常波動。具體來說，市場投資者不論是普通的散戶投資者還是專業(yè)的機構(gòu)投資者，都普遍存在“過度自信”和“羊群效應(yīng)”。投資者對自己的判斷能力過于自信，總認為自己有能力做出正確的決策。這種現(xiàn)象被認知心理學稱為“過度自信”， 即認為自己所獲得的知識或信息的準確性比事實中的某種程度更高的一種信念。投資者的過度自信會導致其頻繁交易，使得市場交易量增大，對市場波動性產(chǎn)生影響。對于價格接受者來說，過度自信會使得他們過度估計其個人信息，從而導致總的信號被過度估計，于是價格偏離真實價格，市場波動增加。同時過度自信的做市商會促使內(nèi)部人揭示更多私人信息，使價格設(shè)定更接近真實價格，市場波動也會因此增加。另外，羊群效應(yīng)也在很大程度上影響股價波動。對于個體投資者來說，由于處于信息不對稱的劣勢地位，在信息環(huán)境不確定的情況下，為了趨利避險，獲得更多有利信息，容易追隨他人決策或依賴輿論做出非理性判斷。而機構(gòu)投資者盡管處于信息優(yōu)勢地位，但他們對同行的交易情況更加了解，互相之間具有高度的同質(zhì)性，并且委托代理問題的存在會使得羊群效應(yīng)加劇。當投資者情緒提升，“過度自信”和“羊群效應(yīng)”將在交易行為中被進一步放大，促使股價波動更加劇烈。

綜上所述，提出假設(shè)1：投資者情緒對股價波動具有正向影響。

（二）新聞資訊情緒與股價波動

公開新聞資訊由于容易獲得且成本較低，因此成為眾多投資者的信息來源和決策依據(jù)。注意力驅(qū)動效應(yīng)指出，投資者由于注意力有限，因而更容易被新聞報道密集的股票吸引，因為新聞資訊在一定程度上是幫助投資者在市場上眾多股票中進行了篩選。在有效市場中，能夠引起資產(chǎn)價格變化的新聞一種是有關(guān)預期未來現(xiàn)金流的新聞，另一種是有關(guān)現(xiàn)金流風險（貼現(xiàn)率）的新聞，而有利的信息將與預期未來現(xiàn)金流的風險下降有關(guān)。因此，積極的新聞資訊可以通過降低投資者對未來收益的不確定性，在一定程度上避免投資者情緒帶來的行為偏差所引發(fā)的股價異常波動。從這點來看，新聞資訊情緒的積極提升可以降低股價的波動性。此外，雖然新聞媒體看似總是充當市場事件的旁觀者，但其本身也是事件的參與者。新聞媒體作為信息傳播工具，可以通過議程設(shè)置積極影響投資者的注意力和思考方式，從而對股票價格造成沖擊。在一些特殊情況下，媒體在致力于提高投資者對新聞關(guān)注度的同時，也可能成為投機性價格變動的主要宣傳者，導致投資者對事件產(chǎn)生更強烈的反饋，并引發(fā)注意力的連鎖反應(yīng)，造成股價波動上升。同時，信號傳遞理論指出，公司主要通過“利潤宣告”“股利宣告”和“融資宣告”三種信號向公眾傳達有關(guān)公司的內(nèi)部信息，并且管理層更樂于向投資者傳達公司的優(yōu)良業(yè)績表現(xiàn)。但對于證券分析師和研究員來說，來自經(jīng)紀傭金和投行收入的強大經(jīng)濟激勵可能會影響其研究的客觀性和可信度，且大量的研究報告只是對過去事件的回顧性分析，可能導致信息傳遞的及時性不足?；诖?，新聞資訊可能加重個人投資者的“過度自信”，即更加相信自己的判斷而忽略所披露的信息，從而進一步放大投資者情緒對股價波動的影響。

綜上所述，提出假設(shè)2：新聞資訊情緒對股價波動的影響效應(yīng)是時變的。

三、指標度量與模型構(gòu)建

（一）數(shù)據(jù)選取

本文主要考察2018年1月1日至2021年12月24日期間以5天（一周交易天數(shù)）為周期的新聞資訊、投資者情緒與上市證券公司股價波動數(shù)據(jù)，共得到202個周期數(shù)據(jù)。計算新聞資訊情緒指數(shù)所使用的文本信息來自東方財富資訊，涵蓋包括證券時報網(wǎng)、每日經(jīng)濟新聞、證券市場紅周刊、上海證券報等國內(nèi)金融新聞媒體所發(fā)布的新聞資訊內(nèi)容，經(jīng)去除廣告和重復內(nèi)容等預處理后共得到52826條有效新聞資訊；用來計算投資者情緒指數(shù)的評論文本數(shù)據(jù)來自東方財富網(wǎng)股吧（http://guba.eastmoney.com/），經(jīng)過預處理后共得到1441594條評論。截至2021年12月，我國共有49家上市證券公司?？紤]到所選取的股票相關(guān)數(shù)據(jù)可得性，用于度量股價波動率的股票是參考我國券商指數(shù)選取的包括中信證券、東方財富、海通證券、華泰證券、國泰君安、招商證券、申萬宏源、廣發(fā)證券、東方證券和興業(yè)證券在內(nèi)的35支證券股。

（二）新聞資訊及投資者情緒的度量

本文的情感分析使用cnsenti (Chinese Sentiment)，其基于情感詞典的方法對文本進行正負情感分析。基于詞典的情感分析方法是對人的記憶和辨別模式的模擬，如圖1所示，首先對爬取到的評論和新聞文本進行分詞、刪除停用詞等預處理，將段落或句子拆分為單個詞匯的集合，再利用構(gòu)建好的情感詞典，對預處理后的文本進行字符串匹配，從而得到文本中正負情感詞匯的個數(shù)。并以此量化新聞資訊情緒和投資者評論情緒，再通過構(gòu)建新聞資訊和投資者情緒指數(shù)來分析二者對股價波動的影響效應(yīng)。

情感分析中一個重要的部分是情感詞典的構(gòu)建，情感詞典是包括預先定義的正向情感和負向情感詞匯的語料庫。情感詞典通常由人工或機器學習的方法對大量文本內(nèi)容進行整理收集得到，其所囊括詞匯的全面性和精度將會影響情感分析的效果。cnsenti默認使用大連理工大學信息檢索研究室的情感詞匯詞典以及知網(wǎng)Hownet情感詞匯詞典，但是上述兩個詞典所包含詞匯數(shù)量較少且并非針對金融領(lǐng)域構(gòu)建，而唐國豪等(2016)指出，進行不同領(lǐng)域的文本內(nèi)容情感分析時應(yīng)當使用對應(yīng)領(lǐng)域的情感詞典，如“莊家”這個詞匯在其它領(lǐng)域可能是中性詞，而在股吧評論中通常包含一定的負面情緒。若對金融領(lǐng)域文本使用通用情感詞典可能會降低準確度。因此我們將cnsenti的默認詞典替換為姚加權(quán)等（2021）利用長短時記憶神經(jīng)網(wǎng)絡(luò)（Long shortterm memory, LSTM））對大量金融文本進行分析并整合已有部分中文詞典構(gòu)建的金融情緒詞典。同時中文語句的情感可能受到上下文的影響，且距離越近影響越大，而LSTM對于越近的詞匯賦予越大權(quán)重，能夠很好地捕捉這種關(guān)聯(lián)，因此其所構(gòu)建的情感詞典具有相對更高的準確度。此外，考慮到普通用戶的發(fā)言與新聞中的措辭可能存在差異，即新聞資訊使用的詞匯通常會更謹慎，在表達情緒方面更隱晦，而股民的評論通常更為直截了當，情緒用詞更加強烈。對此姚加權(quán)等使用雪球和東方財富的用戶發(fā)帖構(gòu)建了非正式用語詞典，同時使用上市公司年報數(shù)據(jù)構(gòu)建了正式用語詞典。對應(yīng)的，本文對于股民評論文本使用非正式詞典來進行情感分析，而新聞資訊文本則使用正式詞典。

對于情緒指數(shù)的構(gòu)建，姚加權(quán)等(2021)提出了式（1）來度量某一日的情緒：

其中，Bullishnesst為當日的情緒指數(shù)，其中Positivet為日期t的所有評論或新聞中正面詞匯的個數(shù)之和，Negativet為日期t全部評論或新聞中負面詞匯的個數(shù)之和，而total wordt=Positivet+Negativet。

然而該指數(shù)并沒有考慮到當日評論或新聞資訊總數(shù)量的影響，部慧等（2018）提出評論或新聞的數(shù)量反應(yīng)了投資者對股票的關(guān)注程度，同樣是情緒的重要體現(xiàn)，因此我們在式（1）的基礎(chǔ)上修改為式（2）：

其中，Bullishnesst代表投資者情緒指數(shù)comment或新聞資訊情緒指數(shù)news；Countt為日期t的評論數(shù)或新聞數(shù)。之后對日數(shù)據(jù)作算術(shù)平均獲得每周情緒指數(shù)。

（三）股價波動率的度量

本工作通過獲取2018年1月1日至2021年12月24日上市證券公司股票收盤價，分別計算日收益率rt=lnPt-lnPt-1，并按券商指數(shù)比例進行加權(quán)平均得到組合的日收益率數(shù)據(jù)，共計972個觀測值。經(jīng)檢驗，上市證券公司股價收益率序列平穩(wěn)，且殘差平方存在相關(guān)性，具有ARCH效應(yīng)（如圖2所示）。然后嘗試對收益率序列建立多個GARCH族模型，包括GARCH-M模型、TGARCH（GJR）模型、EGARCH模型、PGARCH模型和CGARCH模型等，并對其依據(jù)AIC信息準則進行檢驗篩選。最后本文采用GARCH（1，2）模型估計上市證券公司每日股票收益波動率，然后以5天為周期進行加總來反映每周的波動情況。

（四）平穩(wěn)性檢驗和最優(yōu)滯后階數(shù)確定

對前面計算得到的每周投資者情緒指數(shù)、新聞資訊情緒指數(shù)以及通過GARCH（1，2）模型估計得出的股價波動率的三組時間序列分別進行單位根檢驗，檢驗結(jié)果如表1所示：

表1 單位根檢驗

從上述檢驗結(jié)果來看，無論是ADF檢驗還是PP檢驗，檢驗統(tǒng)計量在1%的顯著性水平下，均遠小于其臨界值（p值遠小于0.01），因此我們均拒絕原假設(shè)，認為以上時間序列都是平穩(wěn)的。

在對TVP-VAR模型進行參數(shù)估計之前需要確定其最優(yōu)滯后階數(shù)，本工作使用eviews中的Lag Order Selection Criteria對滯后階數(shù)進行檢驗。最優(yōu)滯后階數(shù)的確定通常依據(jù)AIC和SC準則進行判斷，從下表2中的檢驗結(jié)果可以看出，無論是以AIC還是SC為判斷標準，應(yīng)設(shè)置TVP-VAR模型的最優(yōu)滯后階數(shù)為1階。

表2 最優(yōu)滯后階數(shù)檢驗

4 480.302 2.695 0.000 -4.550 -3.893 -4.283 5 485.630 9.777 0.000 -4.512 -3.703 -4.184 6 490.888 9.486 0.000 -4.473 -3.513 -4.084 7 503.205 21.841★ 0.000 -4.507 -3.396 -4.057 8 507.828 8.054 0.000 -4.462 -3.199 -3.951

（五）TVP-VAR模型構(gòu)建

由于TVP-VAR模型具有時變參數(shù)并假定隨機波動率，更能捕捉到經(jīng)濟變量在不同時代背景下所具有的關(guān)系和特征，為考察新聞資訊和投資者情緒對股價波動的影響，探究新聞資訊情緒指數(shù)(news)與股價波動率(volatility)以及投資者情緒指數(shù)(comment)與股價波動率(volatility)之間關(guān)聯(lián)關(guān)系的時變性和非線性特征，以及捕捉特定時期新聞資訊和投資者情緒變化對股價波動的沖擊效應(yīng)，本文選取Nakajima(2011)提出的TVP-VAR模型進行實證分析，模型構(gòu)建方法如下：

第一步，引入SVAR模型：

TVP-VAR模型假設(shè)的隨機波動性顯著提高了模型的估算性能，可以使用貝葉斯框架下的馬爾科夫鏈蒙特卡羅（MCMC）方法來估計模型，該方法通過在概率空間中隨機采樣估算興趣參數(shù)的后驗分布。

四、實證檢驗與結(jié)果分析

（一）參數(shù)設(shè)定及估計結(jié)果

表3 參數(shù)估計結(jié)果

結(jié)果顯示，參數(shù)后驗均值均處于95%的置信區(qū)間內(nèi)，Geweke收斂診斷值均小于1.96，因此在5%的顯著性水平下，不能拒絕參數(shù)收斂于后驗分布的原假設(shè)。Inef統(tǒng)計量即無效因子，Inef=n,意味著需要抽樣n次才能得到一個不相關(guān)的樣本，所以該值越小說明樣本越有效，且表中除了的Inef值為100.54以外,其余所有參數(shù)的Inef值都小于100，說明在設(shè)置的10000次的抽樣次數(shù)下，通過 MCMC算法獲取的不相關(guān)樣本足以對TVP-VAR模型進行后驗推斷。

（二）抽樣樣本收斂性檢驗

圖3展示了抽樣收斂性的圖形檢驗。第一行圖是抽樣樣本自相關(guān)系數(shù)檢驗，其中自相關(guān)系數(shù)均表現(xiàn)為迅速下降并最終趨近于0，說明抽樣樣本不存在明顯的自相關(guān)性；第二行圖是抽樣路徑檢驗，可以看出抽樣數(shù)據(jù)圍繞樣本均值上下穩(wěn)定波動，波動聚類明顯，說明抽樣樣本有效；第三行圖為抽樣樣本的后驗分布檢驗，可以看到抽樣樣本分布均收斂于后驗分布。綜上所述，通過MCMC算法獲得的抽樣樣本收斂，結(jié)合參數(shù)估計結(jié)果可以判斷TVP-VAR模型的估計是有效的。

（三）時變關(guān)系的特征分析

圖4和圖5分別刻畫了投資者評論情緒、新聞資訊情緒與股價波動率之間的動態(tài)時變關(guān)系特征（橫坐標表示時間周數(shù)）。

圖4描述了投資者評論情緒對上市券商股價波動率的時變影響?？梢钥闯鲈谡麄€時期內(nèi)，影響系數(shù)始終為正，表明投資者評論情緒對股價波動率的影響作用主要是正向的，這一發(fā)現(xiàn)也進一步證實了投資者情緒的提升可以顯著提高股價波動率的觀點。同時在影響強度上表現(xiàn)出平緩的增強趨勢。

圖5則描述了新聞資訊情緒對上市券商股價波動率的時變影響。我們從圖中可以看到，在整個時期內(nèi)，影響系數(shù)隨時間不斷變化，且新聞資訊情緒對股價波動率的影響大多是負向的，這一結(jié)論從實證角度完善了相關(guān)研究內(nèi)容。同時可以發(fā)現(xiàn)在77期到106期和180期到202期之間影響效應(yīng)為正，這也說明新聞資訊情緒對股價波動的影響作用具有明顯的動態(tài)時變特征。

（四）不同時滯期的脈沖響應(yīng)分析

等時間間隔脈沖響應(yīng)函數(shù)反映了不同提前期沖擊變量的單位正向沖擊對被沖擊變量產(chǎn)生的影響。圖6和圖7分別反映了對于不同的提前期，股價波動率對投資者評論情緒（εcomment→volitility）和新聞資訊情緒（εnews→volitility）的脈沖響應(yīng)函數(shù)。本文選取的提前期分別為1期（短期）、3期（中期）和5期（長期）。從下圖中可以看出，在不同的提前期下，股價波動對投資者評論情緒和新聞資訊情緒沖擊的脈沖響應(yīng)在程度上有所差別，并表現(xiàn)出明顯的時變特征。

1.投資者情緒對券商股價波動率的影響分析

從圖6的等時間間隔脈沖響應(yīng)函數(shù)可以看出，股價波動率對投資者情緒沖擊的短期脈沖響應(yīng)曲線始終為正，且短期影響最為強烈，中期影響較之減弱，而長期影響趨近為0。股價波動對投資者情緒沖擊的脈沖響應(yīng)曲線為正，表明投資者情緒的提升會加大股價波動，基本驗證了前面相應(yīng)的研究假設(shè)。

投資者情緒對上市證券公司股價波動的正向影響主要是從“過度自信”“羊群效應(yīng)”和“持有更多效應(yīng)”等方面產(chǎn)生作用。當投資者情緒提升，市場投資者普遍存在的“過度自信”和“羊群效應(yīng)”等行為偏差會隨之增加。當投資者情緒高漲，個人投資者能量快速聚集，極易形成趨同性的羊群效應(yīng)，在股票大漲時信心大增蜂擁而入，而當股市大跌時，又紛紛恐慌拋售，于是引起股票價格的劇烈波動。同時，持有更多效應(yīng)說明在存在噪音交易者的市場環(huán)境中，噪音交易者在情緒更加高漲時會增加對風險資產(chǎn)的持有從而增加市場風險，并提高預期回報。根據(jù)Devault等(2019)的研究，當積極情緒出現(xiàn)時，噪音交易者會轉(zhuǎn)向更具投機性的股票。由于羊群行為，情緒驅(qū)動的噪音交易者一致交易，導致交易量迅速增加，從而造成股價波動率提高。而隨著提前期增加，投資者對股票的理解更加趨于理性，中長期股價波動逐漸回歸正常，即表現(xiàn)為股價波動率受投資者評論情緒沖擊的程度逐漸減小。

2.新聞資訊情緒對券商股價波動率的影響分析

圖7的等時間間隔脈沖響應(yīng)函數(shù)表明，新聞資訊情緒的提升對股價波動率的影響效應(yīng)大多是負向的，在某些特定時間段表現(xiàn)為正向效應(yīng)，且影響強度隨時間變化。同時從短期（1期）和中期（3期）來看，脈沖響應(yīng)函數(shù)走勢基本相似，主要在響應(yīng)程度上有所區(qū)別。其中短期響應(yīng)強度最大，且在某些時間段響應(yīng)方向為正向，中期響應(yīng)則程度較小。就長期（5期）來說，股價波動率對新聞資訊情緒沖擊的響應(yīng)程度最小，脈沖響應(yīng)函數(shù)走勢則更為平緩。

從圖7可以看出新聞資訊情緒對券商股價波動的影響具有明顯的時變性，這與先前的研究假設(shè)基本一致。本文計算新聞資訊情緒指數(shù)所使用的文本信息來自于東方財富資訊，主要包括以公司業(yè)績、股利分配和融資消息為主的公司個股新聞資訊及證券行業(yè)政策與研究員解讀。從情緒指數(shù)值來看，新聞資訊大多是積極的，這些新聞內(nèi)容能夠?qū)ν顿Y者預測公司未來現(xiàn)金流產(chǎn)生方向性影響。也就是說，積極的新聞資訊可以告知市場比先前預期的更高水平的現(xiàn)金流并減少市場的不確定性，從而使得投資者更加趨于理性，降低投資者情緒所帶來的股價異常波動。而在某些特定時期，新聞資訊情緒的提升反而加大了“過度自信”和“羊群效應(yīng)”等投資者情緒和行為的偏差，引發(fā)了股價波動的上升。這可能是因為在利用這些資訊時，投資者會意識到其傾向于美化公司過往業(yè)績和未來前景，從而更加傾向于相信自己的理解和判斷并忽略所披露的信息，進而放大了“過度自信”帶來的股價波動。另外，當新聞媒體充當投機性價格變動的宣傳者時，新聞情緒的渲染會導致投資者的過度反應(yīng)，更容易引發(fā)“羊群效應(yīng)”并造成股價波動上升。對于中長期而言，新聞資訊情緒對股價波動率的影響很小，這是因為投資者過度的非理性情緒對股票收益造成的影響在中長期會逐步得到修正。

（五）不同時間點的脈沖響應(yīng)分析

這里依據(jù)投資者情緒指數(shù)值分別選取了研究期內(nèi)3個最高點對應(yīng)的不同時期進行不同時間點的脈沖響應(yīng)對比分析，分別是t=42（2018年10月22日-26日）、t=59（2019年2月25日-3月1日）、t=128（2020年7月6日-10日）。在t=42時，國內(nèi)正經(jīng)歷股市危機和貿(mào)易摩擦，面對全球經(jīng)濟放緩、金融市場動蕩的局面，投資者避險情緒增強。此時國內(nèi)出臺的一系列貨幣金融政策，包括進一步降準降息、支持銀行理財子公司和保險資金加大股市投資以及支持民營企業(yè)債券融資等措施大力利好券商股，券商投資者情緒指數(shù)處于這一時期的最高點；在t=59時，受中美貿(mào)易磋商取得積極進展、美聯(lián)儲暗示結(jié)束縮表和證監(jiān)會發(fā)布《關(guān)于在上海證券交易所設(shè)立科創(chuàng)板并試點注冊制的實施意見》等利好事件的影響，券商板塊上市公司業(yè)績表現(xiàn)突出，金融行業(yè)投資者關(guān)注度自2019年1月股市上漲以來顯著提升，券商投資者情緒指數(shù)在近期達到過去一年的峰值；在t=128時，國內(nèi)繼續(xù)實施寬信用政策和支持企業(yè)復工復產(chǎn)，伴隨資本市場改革加速以及利好政策密集出臺，我國經(jīng)濟自疫情爆發(fā)后逐步復蘇，投資穩(wěn)步回升。上證綜指大幅上漲帶動股市回暖，券商指數(shù)持續(xù)走高，對應(yīng)的投資者情緒指數(shù)達到研究期內(nèi)最高值。同時，對應(yīng)以上三個時點的股價波動率也均處于研究期的最高值。

圖8展示了不同時間點股價波動率對投資者情緒沖擊的時變脈沖響應(yīng)。從影響方向上看，股價波動率對投資者情緒沖擊的響應(yīng)方向均始終表現(xiàn)為正向，且不同時間點的響應(yīng)形態(tài)較為相似，均是在當期即產(chǎn)生正向影響，說明影響不存在時滯，隨后響應(yīng)程度持續(xù)增強，在達到峰值后經(jīng)歷了兩階段的下降過程，第一階段的下降速度較慢，經(jīng)歷時間也較短，后一階段下降速度明顯加快，直至第15期趨近于0。并且投資者情緒在處于極端值時，即在初次疫情后的經(jīng)濟復蘇期（t=128），脈沖響應(yīng)在第一階段的下降速度更快，說明情緒的高低可能會影響投資者決策反應(yīng)的速度。同時從影響程度上可以看出，這一時期的影響程度也最深，說明投資者基于對未來的樂觀預期表現(xiàn)出了更強的“持有更多效應(yīng)”。

圖9展示了不同時間點股價波動率對新聞資訊情緒沖擊的時變脈沖響應(yīng)?？梢钥闯鲆陨喜煌瑫r間點新聞情緒對股價波動率的影響均為負向，但在程度上有所區(qū)別。從響應(yīng)形態(tài)來看，都是先立即產(chǎn)生一個負向沖擊，然后反應(yīng)程度逐步減弱，在第15期之前趨近于0。同時可以發(fā)現(xiàn)，以上時期的負向反應(yīng)最大值均出現(xiàn)在當期，且在t=42時新聞資訊情緒對股價波動的影響程度最深。從影響的時間長度上看，不同時間點的表現(xiàn)幾乎相同。因此，新聞資訊情緒的提升可以降低上市證券公司的股價波動，但在影響程度上表現(xiàn)出各自的細節(jié)差異。

五、結(jié)論與政策建議

本文使用時變參數(shù)向量自回歸模型，采用周度數(shù)據(jù)，探究了新聞資訊、投資者情緒對我國上市證券公司股價波動的動態(tài)影響關(guān)系。研究發(fā)現(xiàn):（1）由于投資者有限理性和持有更多效應(yīng)，投資者情緒對上市證券公司股價波動主要表現(xiàn)為中短期正向影響。（2）新聞資訊情緒可以通過影響投資者情緒和決策行為引起股價波動，由于個股新聞資訊傳達了對應(yīng)上市證券公司的未來現(xiàn)金流及風險等信息，降低了投資者對未來收益的不確定性，從而對股價波動主要表現(xiàn)為短期負向影響。（3）新聞資訊情緒對股價波動的影響是時變的，當新聞媒體充當投機性價格變動的主要宣傳者，或新聞資訊的質(zhì)量下降時，新聞情緒可能放大投資者心理和行為偏差并對股價波動產(chǎn)生短期正向影響。

上市證券公司作為專門從事有價證券買賣的大型企業(yè)，其股價的異常波動在很大程度上不利于金融系統(tǒng)的穩(wěn)定。本文基于上述結(jié)論，對上市證券公司提出以下建議：首先，需要構(gòu)建一套能夠切實反映證券公司實際情況并準確描述投資者情緒發(fā)展狀態(tài)的風險評價指標體系和實時監(jiān)測預警系統(tǒng)，同時在投資者情緒發(fā)生異常波動的早期階段需要更加關(guān)注其程度的變化。其次，應(yīng)在準確性和時效性等方面加強對從業(yè)人員發(fā)布研究報告等業(yè)務(wù)的規(guī)范要求，證券研究員或分析師要盡量做到客觀審慎、實事求是地為投資者提供投資建議或咨詢服務(wù)，修正投資者情緒帶來的心理偏差。當投資者情緒出現(xiàn)異常波動時，可以適當發(fā)揮對個人投資者的情緒引導作用，穩(wěn)定和擺正投資者情緒，避免造成股價的劇烈波動。最后，應(yīng)當完善和優(yōu)化投資者溝通平臺建設(shè)，獲取更加全面的投資者評論信息，提高處理投資者意見和問題的效率，同時監(jiān)管部門可以通過這類平臺獲取“投資者情緒因子”，并據(jù)以決策是否需要干預金融市場的波動。