李守皓 丁立貴

摘 要：為系統(tǒng)性探析公眾預(yù)期與經(jīng)濟波動的關(guān)系，本文從文本挖掘角度構(gòu)建了一個經(jīng)濟景氣輿情分析系統(tǒng)，通過創(chuàng)建“財經(jīng)情感詞典”和自然語言處理，量化了多渠道新聞文本中反映的公眾對經(jīng)濟形勢的判斷，即“財經(jīng)情感得分”，可以用于衡量混沌的經(jīng)濟景氣度，因其可以實時獲取和更新而具有“前瞻性”，故被用于刻畫“公眾預(yù)期”。在實證分析中，經(jīng)濟波動與公眾預(yù)期之間存在著明顯的聯(lián)動關(guān)系。具體而言，官方信息具有反向?qū)崿F(xiàn)的特點，而自由的公眾預(yù)期與專業(yè)預(yù)期都達成了“自我實現(xiàn)”的結(jié)果，即樂觀的情緒帶來經(jīng)濟增長，悲觀的情緒帶來經(jīng)濟下滑。進一步的格蘭杰因果關(guān)系檢驗發(fā)現(xiàn)經(jīng)濟波動與公眾預(yù)期之間存在著雙向的因果關(guān)系，驗證了二者自我實現(xiàn)的關(guān)系。就現(xiàn)實中自我預(yù)期實現(xiàn)的機制與路徑而言，新聞信息能夠表現(xiàn)出理性個體一致穩(wěn)定的偏好，即本文所使用的財經(jīng)情感得分。此種情感最終傳遞到企業(yè)家的經(jīng)濟活動之中，造成自我實現(xiàn)的現(xiàn)象。此發(fā)現(xiàn)有助于公眾與監(jiān)管者進一步認識預(yù)期管理與宏觀經(jīng)濟調(diào)控的互動。

關(guān)鍵詞：適應(yīng)性預(yù)期;經(jīng)濟波動;文本分析;公眾情感

文章編號：2095-5960（2021）05-0030-12;中圖分類號：F014.8，C912.6，G206

;文獻標(biāo)識碼：A

一、引言

預(yù)期因素對政策制定（特別是貨幣政策）的影響近年越來越受重視，經(jīng)濟趨于理性預(yù)期均衡水平逐漸成為最優(yōu)貨幣政策的一個重要標(biāo)準(zhǔn)。[1][2]但是，理性預(yù)期的嚴(yán)格假設(shè)在現(xiàn)實中難以滿足，實證研究也拒絕了這一假說。[3]不過雖然公眾通常對經(jīng)濟運行認知有限[1][4]，公眾預(yù)期卻能影響宏觀經(jīng)濟，如能正確引導(dǎo)則能夠收到調(diào)控效果[5]，因此監(jiān)管部門在制定政策時應(yīng)當(dāng)考慮公眾預(yù)期的影響。在公眾有限理性的前提下，從適應(yīng)性學(xué)習(xí)的角度探討政策制定將更有意義。[2]

就公眾適應(yīng)性學(xué)習(xí)而言，目前國外學(xué)術(shù)界已經(jīng)開始利用文本挖掘，探討財經(jīng)新聞的情感如何形成公眾預(yù)期并進而影響實際產(chǎn)出、失業(yè)率、通脹等宏觀經(jīng)濟運行情況。Shiller指出新聞信息的情感對宏觀經(jīng)濟有著重大影響。[6]Lischka[7]，Rambaccussing and Kwiatkowski[8]使用財經(jīng)新聞的情感信息衡量公眾預(yù)期并得到了其影響未來GDP與失業(yè)率的實證結(jié)果。Larsen and Thorsrud發(fā)現(xiàn)新聞情感形成的公眾預(yù)期能夠預(yù)測經(jīng)濟周期[9]，而Ardia et al.[10]，Aprigliano et al.[11]則發(fā)現(xiàn)此類公眾預(yù)期可以預(yù)測實際經(jīng)濟產(chǎn)出。上述發(fā)現(xiàn)對于監(jiān)控經(jīng)濟周期有著重要意義。但這一領(lǐng)域的研究在國內(nèi)尚為罕見。國內(nèi)針對公眾預(yù)期的研究仍主要依賴統(tǒng)計數(shù)據(jù)或仿真，如徐亞平[4]、卞志村和高潔超[2]、魯臻[5]等。

相對傳統(tǒng)的統(tǒng)計調(diào)查而言，互聯(lián)網(wǎng)中非結(jié)構(gòu)化信息的文本挖掘成本更低、效率更高，可以作為統(tǒng)計調(diào)查的輔助手段。另一方面，信息獲取門檻的降低也使得虛假財經(jīng)信息有了可乘之機①[①例如2016年證監(jiān)會就已查處多項虛假財經(jīng)消息案件，參見https：//www.chinacourt.org/article/detail/2016/10/id/2317914.shtml。]。應(yīng)對新形勢，2017年5月份，中國人民銀行成立金融科技（FinTech）委員會，旨在加強金融科技工作的研究規(guī)劃和統(tǒng)籌協(xié)調(diào)，強化監(jiān)管科技（RegTech）應(yīng)用實踐，積極利用大數(shù)據(jù)、人工智能、云計算等技術(shù)豐富金融監(jiān)管手段。針對特定領(lǐng)域的文本挖掘在政府監(jiān)管中得到運用正是本文的基本目標(biāo)，本文希望能為服務(wù)實體經(jīng)濟、踐行普惠金融貢獻做出探討。本文試圖以一種新的視角，通過互聯(lián)網(wǎng)新聞文本挖掘探究公眾預(yù)期在經(jīng)濟金融領(lǐng)域的影響，進一步發(fā)現(xiàn)公眾預(yù)期與經(jīng)濟波動的關(guān)系，為政策制定提供參考，同時對加強公眾預(yù)期的管理，減小預(yù)期對經(jīng)濟波動的影響提供參考。

為更好地了解國內(nèi)相關(guān)研究現(xiàn)狀，本文在中國知網(wǎng)高級搜索中輸入關(guān)鍵詞找到了公開發(fā)表的對應(yīng)文獻。從研究內(nèi)容來看，含有關(guān)鍵詞“經(jīng)濟波動”的文獻較多，含有“情感分析”的文獻次之，含有“公眾預(yù)期”的文獻較少，而同時含有關(guān)鍵詞“公眾預(yù)期”和“經(jīng)濟波動”的文獻在精確匹配模式和模糊匹配兩種模式下都沒有檢索到對應(yīng)文獻。由于經(jīng)濟學(xué)中“預(yù)期”可輔以不同的修飾詞，本文又搜索了含關(guān)鍵詞“預(yù)期”并含“經(jīng)濟波動”的文獻，在精確匹配模式和模糊匹配兩種模式下檢索到對應(yīng)文獻分別為1篇和124篇。從研究方法來看，本文并未搜索到文獻同時含有關(guān)鍵詞“公眾預(yù)期”和“自然語言處理”、同時含有關(guān)鍵詞“公眾預(yù)期”和“情感分析”以及同時含有關(guān)鍵詞“預(yù)期”或“公眾預(yù)期”和“文本挖掘”?？梢?，鮮有學(xué)者實證研究“公眾預(yù)期”與“經(jīng)濟波動”的關(guān)系，通過文本挖掘方法來研究預(yù)期更顯得冷門。

總體而言，“經(jīng)濟波動”相關(guān)的研究百家爭鳴，但更多是基于理論探討和動態(tài)隨機一般均衡（DSGE）模型動態(tài)分析，如李成、馬文濤等[12]、楊源源和高潔超[13];“情感分析”方法日漸興盛，但重點主要集中在算法設(shè)計，部分運用于經(jīng)濟金融領(lǐng)域的研究也僅僅關(guān)注通貨膨脹或者投資者情緒方面，“公眾預(yù)期”領(lǐng)域的研究亟待突破。張成思和蘆哲[14]首次對中國媒體輿論相關(guān)信息進行量化實證分析，但其數(shù)據(jù)搜集整理方法較為傳統(tǒng)，同時以“報道篇數(shù)”作為關(guān)鍵指標(biāo)統(tǒng)計，可能一定程度上不符實際情況，特別在當(dāng)前信息獲取門檻降低的時代?？傊?，深入研究公眾預(yù)期與經(jīng)濟波動關(guān)系的文獻較少。

二、數(shù)據(jù)搜集與處理

（一）原始數(shù)據(jù)

信息時代，互聯(lián)網(wǎng)成為網(wǎng)絡(luò)信息的載體，搜集獲取海量信息并加以充分運用成為大數(shù)據(jù)發(fā)展的必經(jīng)之路。本文一方面編寫了定制爬蟲，分別抓取了搜狐財經(jīng)新聞、中國新聞網(wǎng)、中國政府網(wǎng)等近100萬個網(wǎng)頁;另一方面，本文手工搜集了安邦集團兩份研究簡報《每日經(jīng)濟》和《每日金融》近5000期。最終包含了5個來源，48個季度的新聞，如表1。

對于每個來源，本文都以天作為數(shù)據(jù)搜集頻率，考慮到時間序列長度最長為13年，最短為10年，以天為分析頻率明顯過高，同時我國國民生產(chǎn)總值的統(tǒng)計頻率為季度，所以本文最終以季度為頻率。

（二）數(shù)據(jù)預(yù)處理

大規(guī)模的文本數(shù)據(jù)的處理首先要面對的是自然語言處理問題，關(guān)鍵是進行中文分詞與去除停用詞。

1.中文分詞

對中文進行分詞是關(guān)鍵的步驟，分詞準(zhǔn)確率直接影響著研究成果的質(zhì)量，由于本文研究還處于探索階段，為了盡可能地改進和完善分詞效果，本文嘗試了不同的方法，試圖找到一個較好的解決之路。當(dāng)前中文分詞研究已經(jīng)成為一種熱潮并且取得了很好的效果，哈工大LTP中文分詞系統(tǒng)和中科院NLPIR中文分詞系統(tǒng)已經(jīng)投入商業(yè)運用，與此同時開源工具也在不斷地被開發(fā)，一般支持中文分詞、詞性標(biāo)注、拼音轉(zhuǎn)換、繁簡轉(zhuǎn)換、自動摘要、關(guān)鍵詞提取等功能。

Python在自然語言處理方面的優(yōu)勢越來越明顯，其中Python開源中文分詞工具：Jieba（結(jié)巴） 、snowNLP等都有著較好的表現(xiàn)，其中Jieba在歧義識別等的表現(xiàn)比較突出，故本文選擇用Jieba來定制化，主要途徑是導(dǎo)入自定義詞典。為完成這樣一部自定義詞典，首先是尋找已有詞庫①[①分詞用到的詞庫：（1）2016清華大學(xué)開放中文詞庫THUOCL;（2）搜狗《財經(jīng)金融詞匯大全》;（3）搜狗《經(jīng)濟 財政 金融 證券 貨幣 商品 市場 外匯》;（4）Jieba自帶詞庫。]，再結(jié)合實際調(diào)整。通過整合THUOCL中的財經(jīng)詞匯、搜狗的兩部財經(jīng)詞典，以及逐一搜集的財經(jīng)情感詞匯，本文錄得共計35853個財經(jīng)類的中文詞語用于分詞過程中的“自定義詞典”，同時也充分利用Jieba分詞“自帶詞典”的349046個詞語，通過多次調(diào)整最終得到較為滿意的分詞效果。

2.停用詞處理

部分分詞對后續(xù)分析沒有實質(zhì)性的意義，比如“的”“從”“了”等單字?？梢栽跀?shù)據(jù)預(yù)處理時去除這些“停用詞”。去停用詞需要構(gòu)建停用詞表，本文結(jié)合論述需要整合了已有的停用詞詞庫②[②已有的常用停用詞詞庫有：（1）百度停用詞列表;（2）哈工大停用詞表;（3）四川大學(xué)機器智能實驗室停用詞庫。]，并且加入了其他需要過濾的停用詞，建立了本文分析所需停用詞詞庫，共計2171個停用詞，基本滿足進一步分析所需。然后在Python程序中將所有分詞結(jié)果中出現(xiàn)在停用詞表中的詞都去除，為后文分析準(zhǔn)備“干凈”的文本數(shù)據(jù)資料。

（三）整理定量數(shù)據(jù)

經(jīng)濟金融領(lǐng)域的相關(guān)報道傳遞的是積極還是消極情緒便是本文要進行的財經(jīng)情感分析。財經(jīng)情感分析要經(jīng)過文本分析提煉出有價值的信息，再將這類信息轉(zhuǎn)換為具體的數(shù)值，這個過程是從定性到定量的過程。通常情感分析可以從兩方面進行，一方面是通過情感詞典，另一方面是通過機器學(xué)習(xí)。

財經(jīng)情感傾向可以被認為是發(fā)表觀點的人基于當(dāng)時自身掌握客觀現(xiàn)實或觀察到經(jīng)濟金融情況而做出的主觀判斷，代表了其對未來的短期預(yù)期。所有情感詞的集合構(gòu)成了財經(jīng)情感詞典。創(chuàng)建財經(jīng)情感詞典可用的解決辦法，一是整合已有的情感詞庫③[③已有的基礎(chǔ)情感詞庫有：（1）數(shù)據(jù)堂ntusd_中文情感極性詞典;（2）知網(wǎng)（Hownet）情感詞典，知網(wǎng)“情感分析用詞語集（beta版）;（3）臺大簡體中文情感極性詞典（NTSUSD）。]，但通過仔細研究和實驗，本文發(fā)現(xiàn)已有的情感詞典基本都不能為我所用，其比較側(cè)重于挖掘購物評價的信息，而非經(jīng)濟景氣方向;二是通過PMI互信息情感分類方法，重復(fù)計算每個詞的PMI值來分類，從中選分值較高的詞構(gòu)建領(lǐng)域情感詞典[15]，但目前效果不夠理想;三是結(jié)合自身知識和經(jīng)驗手工搜集，此法與本文的目標(biāo)更加吻合。

1.構(gòu)建財經(jīng)情感詞典

（1）情感詞：目前我國還沒有建立起用于分析追蹤經(jīng)濟金融形勢的財經(jīng)情感詞典，創(chuàng)建一個全面且有效的財經(jīng)情感詞典用于追蹤經(jīng)濟金融形勢是非常必要的。本文要創(chuàng)建的財經(jīng)情感詞典有別于購物評價等領(lǐng)域的情感詞典，普通的基礎(chǔ)情感詞典與常用的表達主觀或客觀情感的詞匯是基本吻合的，而財經(jīng)方面的情感詞典是針對財經(jīng)領(lǐng)域的，需要梳理財經(jīng)詞匯，找出表現(xiàn)積極情緒的詞匯和表現(xiàn)消極情緒的詞匯。本文通過手工搜集整理，創(chuàng)建了由140個對經(jīng)濟金融前景看好的積極情感詞以及140個對經(jīng)濟金融形勢不看好的消極情感詞組成的財經(jīng)情感詞典④[④本文假定程度副詞和否定詞只出現(xiàn)在對應(yīng)情感詞的前一位置，同時并未考慮雙重否定的情況。]。表2列舉了本文用到的部分情感詞、程度詞、否定詞、停用詞以作示例。

（2）程度詞：為了使得分能夠有個“度”，本文把程度副詞劃分為不同的等級，選擇給予程度副詞不同的權(quán)重來衡量這個“度”。文中所有程度副詞的集合構(gòu)成程度詞。

（3）否定詞：對情感極性取反，積極情感否定后變成消極情感，反之亦然。

2.情感得分

情感分析主要是提取文本的情感內(nèi)容，通過利用一些情感得分指標(biāo)來量化定性文本數(shù)據(jù)，通?？梢岳米匀徽Z言處理（NLP）來實現(xiàn)。盡管情緒在很大程度上是主觀的，但是情感量化分析已經(jīng)用于商業(yè)實踐，比如研究消費者對商品的在線評論反饋等。

（1）情感計算的過程

最簡單的情感分析方法是利用詞語的正負屬性來判定的。句子中每個情感詞都有一個得分，樂觀傾向的情感詞得分為+1，反之則為-1，然后再對句子中所有單詞得分進行加總求和得到一個最終的情感總分。這種方法有許多局限之處，最重要的一點在于它忽略了上下文的信息。為此，本文按照表3所列步驟操作。每條新聞的積極情感得分為其分詞后出現(xiàn)的所有積極情感詞乘以其對應(yīng)的程度副詞（若無程度副詞，權(quán)重視為1）權(quán)重之和再減去積極情感詞前有否定詞的分數(shù)，即第i個新聞積極情感得分為：

Score_posi=∑（adv_weight×senti_pos+negative_word×senti_pos）? （1）

其中：定位到積極情感詞則Senti_pos=1，否則Senti_pos=0;定位到否定詞則negative_word=-1，否則negative_word=0;定位到程度副詞則取對應(yīng)權(quán)重：adv_weight∈{2.5，2.0，1.5，1.0，0.5}。

類似地，即第i個新聞消極情感得分為：

Score_negi=∑（adv_weight×senti_neg+negative_word×senti_neg）? （2）

其中：定位到消極情感詞則Senti_neg=1，否則Senti_neg=0;定位到否定詞則negative_word=-1，否則negative_word=0;定位到程度副詞則取對應(yīng)權(quán)重：adv_weight∈{2.5，2，1.5，1，0.5}。

第j個季度的最后情感得分為該季度所有新聞積極情感得分減消極情感得分后的得分總和，即季度情感得分為：

Score_Qj=∑ni=1（Score_posi-Score_negi）? （3）

表4是顆粒度為“句子”的財經(jīng)情感得分計算示例，每一個中文表示的句子都可以計算得到對應(yīng)的情感分值，同理可以得到顆粒度為段落、篇章對應(yīng)的情感得分，進而得到季度新聞集對應(yīng)的情感分值。

（2）財經(jīng)情感平均得分

待上述步驟完畢之后，財經(jīng)情感平均得分可以由下列公式得到：

total_Avgij=Score_Qijpos_numberij+neg_numberij? （4）

即：第i個來源第j期的財經(jīng)情感平均得分等于第i個來源第j期的最終情感得分除以該來源當(dāng)期的新聞積極情感詞數(shù)量加上新聞消極情感詞數(shù)量之和得到的比值。此變量是下文實證分析的重要組成部分。之所以如此計算，是因為每一期的新聞數(shù)量或情感詞數(shù)量不盡相同，故未經(jīng)平均化的情感得分可能僅僅是由于新聞數(shù)量或情感詞數(shù)量較多而夸大。圖1展示了不同來源的財經(jīng)情感平均得分與GDP增長率的季度聯(lián)動圖。其中，上圖為季度實際GDP增長率曲線圖，下圖是不同來源的新聞季度財經(jīng)情感平均得分曲線圖，從中可以看出它們之間具有一定的共同趨勢。更細致地檢視，5個來源的新聞信息財經(jīng)情感得分與GDP增長率走勢按照反應(yīng)程度可以分為3組，其中“搜孤財經(jīng)新聞”和“中新網(wǎng)財經(jīng)新聞”為一組，“中國政府網(wǎng)新聞信息”為一組，“安邦每日經(jīng)濟”和“安邦每日金融”為一組。它們各自有如下特點。

第一組：搜孤財經(jīng)新聞、中新網(wǎng)財經(jīng)新聞?？梢哉J為這組來源更多代表“民間”的聲音，其在經(jīng)濟轉(zhuǎn)折點波動也最為敏感，同時它與GDP增長率的走勢也是最為一致。可能是因為這類來源的新聞言論相對自由且新聞來源較為廣泛。

第二組：中國政府網(wǎng)新聞信息。這組來源更多代表“官方”的聲音。從圖1可發(fā)現(xiàn)，其在經(jīng)濟轉(zhuǎn)折點的時候存在一定的時間滯后性，因此它與GDP增長率的走勢不時會出現(xiàn)一定的背離?？赡苁且驗樾畔l(fā)布存在時滯。

第三組：安邦每日經(jīng)濟、安邦每日金融。這組來源更多代表“專家”的聲音，其在經(jīng)濟轉(zhuǎn)折點波動也較為敏感，同時它與GDP增長率的走勢也高度一致?？赡苁且驗檫@類咨詢信息努力逼近現(xiàn)實真相，但專家發(fā)布意見仍存在一定的保守考量。

三、實證結(jié)果分析

（一）平穩(wěn)性檢驗

生產(chǎn)力水平或高或低，經(jīng)濟增長率忽上忽下，都不可避免，此種現(xiàn)象即經(jīng)濟波動，短期的經(jīng)濟波動通常被稱為經(jīng)濟周期。從經(jīng)濟波動的三個事實出發(fā)：經(jīng)濟波動無規(guī)律且不可預(yù)測、大多數(shù)宏觀經(jīng)濟變量同時波動、產(chǎn)量減少和失業(yè)增加，其中伴隨著實際GDP的波動[16]， 故本文選取GDP增長率作為經(jīng)濟波動的測度。此外，本文選定財經(jīng)情感平均得分作為公眾預(yù)期的測度，與Rambaccussing and Kwiatkowski相同。[8]為使各變量處于可比較的規(guī)模，本文將其全部標(biāo)準(zhǔn)化。

本文在1階差分后對時間序列進行ADF檢驗，表5給出了檢驗結(jié)果。從p值可以看出所有序列在1階差分前是不平穩(wěn)的，經(jīng)過1階差分后都變?yōu)槠椒€(wěn)，它們之間存在協(xié)整關(guān)系。

（二）OLS模型初步分析

前文分析已知數(shù)據(jù)1階差分后是平穩(wěn)的，因此本文假設(shè)模型：

ΔGDP_Rt=β0+β1ΔScore_Qt +μt ??（5）

由（5）可得到如下方程：

GDP_Rt=β0+GDP_Rt-1+β1（Score_Qt-Score_Qt-1） +μt? （6）

表6展示了各新聞來源的情感得分對應(yīng)方程（5）的回歸結(jié)果。所有的結(jié)果都是顯著的，證實了經(jīng)濟增長與情感得分的相關(guān)性。從中可以看出經(jīng)濟增長與幾個來源的財經(jīng)情感的依賴程度依次為⑤安邦每日經(jīng)濟>④安邦每日金融>①搜狐財經(jīng)>②中國新聞網(wǎng)>③中國政府網(wǎng)。用普通最小二乘法對平穩(wěn)序列進行簡單線性回歸，還只能算是初步驗證了財經(jīng)情感平均得分與GDP增長率之間存在聯(lián)動關(guān)系，其經(jīng)濟理論支持并不強，還不足以構(gòu)成對適應(yīng)性預(yù)期的支持。因此，下一步還需要結(jié)合預(yù)期理論和經(jīng)濟波動理論進一步建模分析。

（三）適應(yīng)性預(yù)期模型（Adaptive Expectation）的構(gòu)建

1.理論推導(dǎo)

如下為Cagan-Friedman適應(yīng)性預(yù)期的經(jīng)典表達[17]：

pEt=pEt-1+β（pAt-1-pEt-1）? 0<β<1 ??（7）

同時本文假設(shè)模型：

Yt=β0+β1X*t +μt ??（8）

其中Yt是經(jīng)濟增長的實際情況，本文用GDP實際增長率測度，X*t是大眾對經(jīng)濟形勢的態(tài)度，即上文中得到的情感得分。

根據(jù)（7）適應(yīng)性預(yù)期的基本表達式可以得到方程（9）：

X*t-X*t-1=υ（Xt-1-X*t-1） ??（9）

通過簡單變形得到方程（10）：

X*t=υXt-1+（1-υ）X*t-1 ??（10）

將方程（10）代入方程（8）中可以得到：

Yt=β0+β1 （υXt-1+（1-υ）X*t-1 ） +μt ??（11）

用（1-υ）乘以（8）滯后一期可得到：

（1-υ）Yt-1=（1-υ）β0+（1-υ）β1 X*t-1+（1-υ）μt-1 ??（12）

方程（12）減方程（11）可以得到適應(yīng)性預(yù)期模型：

Yt=υβ0+υβ1Xt-1+（1-υ）Yt-1+μt-（1-υ）μt-1 ??（13）

整理得到一般化的一階自回歸分布滯后模型：

Yt=a+bXt-1+cYt-1+vt? （14）

其中，a=υβ，b= υβ，c=（1- υ），vt=μt -（1- υ） μt-1

從前文可知所有序列1階差分后是平穩(wěn)的，所以對方程（14）進行差分后得到方程（15）。其中，為使模型設(shè)定完整，（15）式保留了截距項。

ΔYt=a+bΔXt-1+cΔYt-1+vt? （15）

其中：b=υβ1 ，c=（1-υ） ，a為常數(shù)，νt為隨機擾動項。

2.實證結(jié)果

表7列出了所有新聞來源按適應(yīng)性預(yù)期模型（15）回歸的結(jié)果。每個信息來源含兩個回歸結(jié)果，第一項是不帶截距項的經(jīng)典模型，第二項為含有截距項的回歸結(jié)果。在所有回歸結(jié)果中，上一期經(jīng)濟增長率基本有著最為顯著的正向影響，在預(yù)料之中。其中搜狐財經(jīng)新聞、中國新聞網(wǎng)財、安邦每日金融四組數(shù)據(jù)中，回歸系數(shù)1（GDP增長率滯后項）和回歸系數(shù)2（情感得分滯后項）都為正值，說明當(dāng)期經(jīng)濟增長受前期經(jīng)濟增長以及預(yù)期的正向影響;而安邦每日經(jīng)濟雖然在不含截距項時情感得分滯后項系數(shù)為負值，但程度過小，含有截距項時結(jié)果與前述結(jié)果相同;其中中國政府網(wǎng)，回歸系數(shù)1（GDP增長率滯后項）為正值，而回歸系數(shù)2（情感得分滯后項）為負值，說明當(dāng)期經(jīng)濟增長受前期經(jīng)濟增長正向影響，以及受前期公眾預(yù)期的負向影響，而且是常用統(tǒng)計標(biāo)準(zhǔn)下唯一的顯著結(jié)果。

實際上，可以將不同的新聞來源視作異質(zhì)預(yù)期（heterogeneous expectations）。根據(jù)各新聞來源的特點，搜狐財經(jīng)與中國新聞網(wǎng)可以視作更自由的公眾意見表達，而安邦每日經(jīng)濟與安邦每日金融可以視作專業(yè)類的意見表達，最后中國政府網(wǎng)可以視作官方的意見表達。從回歸結(jié)果可以看出，官方意見能夠更為顯著地影響預(yù)期的實現(xiàn)，但其實現(xiàn)方式卻是朝相反的方向，其原因可能是因為官信息披露存在“報喜不報憂”的情況[18]，也存在“中庸之道”的考量[19]，即為了熨平經(jīng)濟周期，“過熱”時不承認過熱，“衰退”時不承認衰退。放寬顯著性要求后，自由的公眾預(yù)期與專業(yè)的預(yù)期回歸系數(shù)值與GDP增長率滯后項系數(shù)相比并非極小，都達成了“自我實現(xiàn)”的結(jié)果，即樂觀的情緒帶來經(jīng)濟增長，反之亦然。其原因可能是搜狐財經(jīng)與中國新聞網(wǎng)作為一般媒體，意見表達更為自由，故能實現(xiàn)預(yù)期;而安邦類媒體作為專業(yè)媒體，意見表達更為專業(yè)，也能實現(xiàn)預(yù)期?？傮w而言，F(xiàn)檢驗值都是顯著的，說明適應(yīng)性預(yù)期線性模型設(shè)定合理，而很多系數(shù)不顯著，可能是受到變量遺漏等方面的影響。

四、公眾預(yù)期與經(jīng)濟波動的實現(xiàn)方式

（一）公眾預(yù)期與經(jīng)濟波動的格蘭杰因果檢驗

前文模型動態(tài)分析了公眾預(yù)期與經(jīng)濟波動的相互影響，驗證了其聯(lián)動效應(yīng)。而變量之間相互影響都存在反饋，即公眾對經(jīng)濟形勢的預(yù)期會影響經(jīng)濟增長，經(jīng)濟增長也會影響公眾對其發(fā)展形勢之預(yù)期，且經(jīng)濟現(xiàn)象通常還存在時滯效應(yīng)，所以它們在時間上的依賴情況尚未清晰。因此，可以通過格蘭杰檢驗探究公眾預(yù)期與經(jīng)濟波動相互之間依存性，從統(tǒng)計意義上檢驗出因果性的方向。另一方面，表7中一部分回歸結(jié)果并不顯著，通過格蘭杰因果關(guān)系檢驗可以從另一個角度探析此問題。

1.經(jīng)濟增長與不同來源財經(jīng)情感得分之間的檢驗（新聞來源不同）

表8是經(jīng)濟增長率與各個來源情感平均值的格蘭杰因果檢驗結(jié)果，其中5個對比實驗都將滯后階數(shù)設(shè)為2（以季度為頻率，2期已是半年），其中：

檢驗1：組1變量是GDP增長率，組2變量是財經(jīng)情感平均得分;

檢驗2：組1變量是財經(jīng)情感平均得分，組2變量是GDP增長率。

從表8可以看出：對比實驗中中國新聞網(wǎng)、中國政府網(wǎng)、安邦每日經(jīng)濟信息存在明顯的指向經(jīng)濟增長率的格蘭杰因果關(guān)系。檢驗1有理由拒絕原假設(shè)，從而認為GDP增長率受到財經(jīng)情感平均得分（公眾預(yù)期）影響的。對于檢驗2，安邦每日經(jīng)濟與安邦每日金融獲得了顯著的結(jié)果，從而認為GDP增長率存在對公眾預(yù)期的因果關(guān)系。綜合來看，檢驗1與檢驗2中各有顯著的結(jié)果，因此可以認為經(jīng)濟增長與公眾預(yù)期存在雙向的因果關(guān)系，即二者相互影響，相互實現(xiàn)。

2.經(jīng)濟增長與財經(jīng)情感指數(shù)之間的檢驗（滯后階數(shù)不同）

因為前文已經(jīng)驗證了經(jīng)濟增長與各新聞來源的顯著因果關(guān)系，所以此步將所有信息囊括在一起，作為財經(jīng)情感指數(shù)。本文用Senti_Scorej 代表第j期對應(yīng)的財經(jīng)情感指數(shù)，其計算公式如下：

Senti_Scorej=∑n=5i=1（Weighti×total_Avgij）

其中，本文平均地設(shè)定所有的權(quán)重Weighti都為0.2（權(quán)重可以根據(jù)情況調(diào)整）。

表9展示了經(jīng)濟增長率與財經(jīng)情感指數(shù)的格蘭杰因果檢驗結(jié)果，分別在滯后階數(shù)1、2、3、4階進行檢驗，其中：

檢驗1：組1變量是GDP增長率，組2變量是財經(jīng)情感指數(shù);

檢驗2：組1變量是財經(jīng)情感指數(shù)，組2變量是GDP增長率。

通常根據(jù)AIC的數(shù)值大小來確定最優(yōu)滯后階數(shù)，滯后1階時AIC絕對值最小，因此最優(yōu)滯后階數(shù)為1，也符合前文分析的自適應(yīng)預(yù)期模型的假設(shè)。檢驗1所有自由度的檢驗結(jié)果都支持情感指數(shù)對經(jīng)濟增長有明顯的作用力。檢驗2的顯著程度較弱，在預(yù)期之內(nèi)，因為上一期經(jīng)濟運行情況只是影響公眾下一期經(jīng)濟預(yù)期的部分影響因素①[①見圖2的討論。]。但稍微放寬要求后可以認為滯后一階時經(jīng)濟增長情況對公眾預(yù)期的形成有作用力。

（二）公眾預(yù)期與經(jīng)濟波動的討論

實際上，關(guān)于公眾預(yù)期如何在經(jīng)濟運行中傳導(dǎo)這一問題已經(jīng)在國外文獻中得到了較為詳細的討論。新聞所包含的財經(jīng)情感信息先促使公眾預(yù)期的形成[7][8]，而公眾預(yù)期則進一步影響消費者信心[20][21]，進而消費者信心會影響消費支出并為企業(yè)家所感知，從而影響實體經(jīng)濟的波動[22]。此后發(fā)生的經(jīng)濟運行的現(xiàn)實情況又反饋形成公眾預(yù)期，反復(fù)發(fā)生[9][23][24]。國內(nèi)研究對公眾預(yù)期造成經(jīng)濟波動這一點，目前還未有系統(tǒng)研究。當(dāng)然，造成經(jīng)濟波動的因素繁多，預(yù)期因素只是眾多因素的一個果，并非最終原因。綜合已有研究，本文從如下視角來更為一般化地論述。

1.公眾預(yù)期與經(jīng)濟波動的實現(xiàn)路徑

新古典經(jīng)濟學(xué)的假設(shè)認為，理性個體的偏好具有一致性和穩(wěn)定性[25]。本文認為只要分析的新聞樣本足夠大，個體的非理性造成的扭曲在一定程度上會相互抵消，同時當(dāng)個體猶豫不決時，新聞媒體的聲音也能影響個體的選擇，整體而言新聞文本能夠表現(xiàn)理性偏好（啟發(fā)監(jiān)管者對言論自由和媒體責(zé)任的倡導(dǎo)）。正如本文觀點，公眾預(yù)期對經(jīng)濟波動發(fā)揮作用的實現(xiàn)方式即自我實現(xiàn)的預(yù)言，是內(nèi)生變量自我強化和外生變量沖擊的疊加。本文用情感指標(biāo)來代替集體一致的觀念，一定程度上能解釋預(yù)期與經(jīng)濟波動的關(guān)系。圖2展示了公眾預(yù)期對經(jīng)濟波動的實現(xiàn)路徑：眾多影響因素（作用形成）→公眾預(yù)期（作用力于）→經(jīng)濟活動領(lǐng)域（進而導(dǎo)致）→相反力量的積累→經(jīng)濟出現(xiàn)波動（逐漸修正）→公眾預(yù)期形成。

2.公眾預(yù)期與經(jīng)濟波動的實現(xiàn)過程

本文認為造成經(jīng)濟周期的因素與實際經(jīng)濟周期中的一樣都比較抽象。在經(jīng)濟波動理論中，“投資過度理論”跟“心理理論”有著緊密的聯(lián)系。后者認為，經(jīng)濟周期性的波動源于投資變動，而投資大小很大程度依賴于企業(yè)家對未來的預(yù)期判斷，預(yù)期是抽象的且具有不確定性的一種心理活動，公眾預(yù)期一定程度引導(dǎo)著企業(yè)家的預(yù)期。[22]當(dāng)公眾預(yù)期表現(xiàn)為整體一致的積極樂觀時，企業(yè)部門會加大投資進行擴張，經(jīng)濟逐漸走向復(fù)蘇和繁榮;而當(dāng)公眾預(yù)期出現(xiàn)整體一致的悲觀消極預(yù)期時，大部分企業(yè)部門自然而然地會縮小投資，導(dǎo)致經(jīng)濟進一步的衰退直至蕭條。隨著公眾預(yù)期的調(diào)整，經(jīng)濟出現(xiàn)周期性的波動。

圖3通過總供給與總需求變動簡單說明公眾預(yù)期與經(jīng)濟波動的實現(xiàn)過程①[①對新古典宏觀經(jīng)濟學(xué)與新凱恩斯主義的經(jīng)濟周期理論根源與機制的一般性探討參見胡代光、厲以寧、袁東明著《凱恩斯主義的發(fā)展和演變》，2004年清華大學(xué)出版社出版，第177-183頁。]，左圖AD=SAS=LAS，此時是一種理想的均衡狀態(tài)，經(jīng)濟既不過熱也無衰退，經(jīng)濟處于其長期總供給曲線上;外生因素對經(jīng)濟造成沖擊導(dǎo)致中圖AD=SASLAS，此時經(jīng)濟處于過熱，總需求過度。公眾預(yù)期能夠影響的正是新凱恩斯理論中短期向上傾斜的、前瞻性的總供給曲線。在總供給與總需求尋求平衡的過程中，多種內(nèi)生力量在均衡附近此消彼長地博弈，當(dāng)公眾判斷經(jīng)濟形勢好，經(jīng)濟形勢就好，“不好”也會變好;判斷經(jīng)濟形勢不好，經(jīng)濟形勢就不好，“好”也會變不好。

五、結(jié)語

經(jīng)濟的實質(zhì)是不確定性和不均衡性，經(jīng)濟波動正是不均衡的一種表現(xiàn)，而經(jīng)濟波動會形成相應(yīng)的公眾預(yù)期，因此有效的調(diào)控也需針對預(yù)期進行。當(dāng)前預(yù)期管理還缺乏有效的證明，單憑統(tǒng)計調(diào)查的“一家之言”還不足以為實踐提供強大支持。本文從新聞文本挖掘的視角出發(fā)，探究了公眾預(yù)期對宏觀經(jīng)濟運行的影響，以為監(jiān)管當(dāng)局的統(tǒng)計調(diào)查和輿情分析提供經(jīng)驗。

為探析公眾預(yù)期與經(jīng)濟波動的關(guān)系，本文創(chuàng)新地設(shè)計了一個財經(jīng)情感詞典并從文本挖掘角度構(gòu)建了一個經(jīng)濟景氣輿情分析系統(tǒng)。首先通過創(chuàng)建“財經(jīng)情感詞典”和自然語言處理，本文量化了多渠道新聞文本中反映的公眾對經(jīng)濟形勢的判斷，即“財經(jīng)情感得分”，其可以用于衡量混沌的經(jīng)濟景氣度。因為“財經(jīng)情感得分”可以實時獲取和更新，其具有“前瞻性”，可以被用于刻畫“公眾預(yù)期”。其中，搜狐財經(jīng)與中新網(wǎng)的信息來源代表著自由的公眾預(yù)期，中國政府網(wǎng)信息代表著官方的意見表達，而安邦每日經(jīng)濟與安邦每日金融則代表著專業(yè)的預(yù)測，它們構(gòu)成異質(zhì)預(yù)期。其次，在實證分析中，經(jīng)濟波動與公眾預(yù)期之間確實存在著顯著聯(lián)動關(guān)系（相關(guān)性）。在通過適應(yīng)性預(yù)期理論構(gòu)建的模型回歸結(jié)果中，本文發(fā)現(xiàn)官方信息具有反向?qū)崿F(xiàn)的特點，可能是因為信息披露存在“報喜不報憂”“中庸之道”的考量，這一點有助于深化監(jiān)管者對信息披露的認識;而在放寬顯著性要求后①[①單純依賴點估計（point estimation）的傳統(tǒng)顯著性要求對于假設(shè)檢驗是不可靠的，所以放寬顯著性要求查看回歸結(jié)果與理論的契合與否仍然具有一定的實證意義，參見Amrhein V， Greenland S， McShane B. Scientists rise up against statistical significance[J]. Nature， 2019， 567（7748）：305-307.]，自由的公眾預(yù)期與專業(yè)預(yù)期都達成了“自我實現(xiàn)”的結(jié)果，即樂觀的情緒帶來經(jīng)濟增長，悲觀的情緒帶來經(jīng)濟下滑。在后續(xù)的格蘭杰因果關(guān)系檢驗中，本文發(fā)現(xiàn)經(jīng)濟波動與公眾預(yù)期之間存在著雙向的因果關(guān)系，進一步驗證了自我實現(xiàn)的關(guān)系。最后在統(tǒng)計分析基礎(chǔ)之上，本文探討了現(xiàn)實中預(yù)期自我實現(xiàn)的機制與路徑，認為在樣本充分的條件下，新聞信息能夠表現(xiàn)理性個體一致穩(wěn)定的偏好，即本文所使用的情感得分。最終這樣的情感傳遞到企業(yè)家的經(jīng)濟活動之中，造成自我實現(xiàn)的現(xiàn)象。這個發(fā)現(xiàn)有助于公眾與監(jiān)管者進一步認識預(yù)期管理在宏觀經(jīng)濟調(diào)控中的作用。

基于本文實證分析，相關(guān)政策建議如下。一是政府應(yīng)該提升經(jīng)濟信息公布的效率，加大信息公開的力度，避免公眾學(xué)習(xí)適得其反的效果;二是要發(fā)揮媒體影響力的積極作用，更有效地引導(dǎo)公眾預(yù)期，這有賴于政府與媒體的溝通合作，強化對輿論的引導(dǎo)與監(jiān)督，管控虛假信息;三是政府特別是財經(jīng)部門應(yīng)加強與公眾的溝通，幫助公眾更準(zhǔn)確地解讀經(jīng)濟指標(biāo)，完善公眾的學(xué)習(xí)過程。

當(dāng)然，由于經(jīng)濟運行是一個復(fù)雜系統(tǒng)，本文將眾多因素歸結(jié)為一個預(yù)期變量，可能存在遺漏變量的情況，這個因素很可能是造成本文相當(dāng)程度的實證結(jié)果達不到傳統(tǒng)顯著水平的原因。此外，本文的潛在不足之處在于，依靠自身提出的算法構(gòu)建的財經(jīng)情感詞典可能存在不完善的情況。

參考文獻：

[1]Orphanides A， Williams J. Imperfect knowledge， inflation expectations， and monetary policy[M]//The inflation-targeting debate. University of Chicago Press， 2004： 201～246.

[2]卞志村，高潔超.適應(yīng)性學(xué)習(xí)、宏觀經(jīng)濟預(yù)期與中國最優(yōu)貨幣政策[J].經(jīng)濟研究2014（4）：7～10.

[3]Lovell MC. Tests of the rational expectations hypothesis[J].The American Economic Review，1986，76（1）：110～124.

[4]徐亞平.貨幣政策有效性與貨幣政策透明制度的興起[J].經(jīng)濟研究，2006（8）：24～34.

[5]魯臻.公眾預(yù)期的貨幣政策效應(yīng)研究[J].宏觀經(jīng)濟研究，2016（9）：72～79.

[6]Shiller R J. Narrative economics： How stories go viral and drive major economic events[M]. Princeton University Press， 2020.

[7]Lischka J A. What follows what？ Relations between economic indicators， economic expectations of the public， and news on the general economy and unemployment in Germany， 2002～2011[J]. Journalism & Mass Communication Quarterly， 2015， 92（2）： 374～398.

[8]Rambaccussing D， Kwiatkowski A. Forecasting with news sentiment： Evidence with UK newspapers[J]. International Journal of Forecasting， 2020， 36（4）： 1501～1516.

[9]Larsen V， Thorsrud L A. Business cycle narratives[R]. CESIFO Working Paper， 2019. Available at： https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=3338822.

[10]Ardia D， Bluteau K， Boudt K. Questioning the news about economic growth： Sparse forecasting using thousands of news-based sentiment values[J]. International Journal of Forecasting， 2019， 35（4）： 1370～1386.

[11]Aprigliano V， Emiliozzi S， Guaitoli G， et al. The power of text-based indicators in forecasting the Italian economic activity[R]. Bank of Italy， Economic Research and International Relations Area， 2021.

[12]李成，馬文濤，王彬.學(xué)習(xí)效應(yīng)、通脹目標(biāo)變動與通脹預(yù)期形成[J].經(jīng)濟研究， 2011（10）.

[13]楊源源，高潔超.國際收支結(jié)構(gòu)與中國低利率之謎——基于 TVP-VAR和DSGE模型的雙重檢驗[J]. 貴州財經(jīng)大學(xué)學(xué)報， 2021（3）：12～24.

[14]張成思，蘆哲.媒體輿論、公眾預(yù)期與通貨膨脹[J].金融研究，2014（1）：29～43.

[15]吳軍. 數(shù)學(xué)之美[M]. 北京： 人民郵電出版社，2012.

[16]曼昆，N.GregoryMankiw， 梁小民， 等.經(jīng)濟學(xué)原理（宏觀經(jīng)濟學(xué)分冊）[M]. 北京： 北京大學(xué)出版社， 2015：240～242.

[17]Galbacs， P. The Theory of New Classical Macroeconomics A Positive Critique[M]. Springer， 2015，229～231.

[18]胡印斌. 政府信息公開不能只是自我表揚[N].法制日報，2015-01-14（7）.

[19]楊艷玲， 楊艷麗. 關(guān)于經(jīng)濟發(fā)展與通貨膨脹中庸之道的思考[J]. 經(jīng)濟師， 2008（3）.

[20]Hollanders D， Vliegenthart R. The influence of negative newspaper coverage on consumer confidence： The Dutch case[J]. Journal of Economic Psychology， 2011， 32（3）： 367～373.

[21]Casey G P， Owen A L. Good news， bad news， and consumer confidence[J]. Social Science Quarterly， 2013， 94（1）： 292～315.

[22]Montes G C， Bastos J C A. Economic policies， macroeconomic environment and entrepreneurs' expectations[J]. Journal of economic studies， 2013.

[23]Mermod A Y， Dudzevicˇiūte· G. Frequency domain analysis of consumer confidence， industrial production and retail sales for selected European countries[J]. Journal of Business Economics and Management， 2011， 12（4）： 589～602.

[24]Soric P， Skrabic B， Cizmesija M. European integration in the light of business and consumer surveys[J]. Eastern European Economics， 2013， 51（2）： 5～20.

[25]楊虎濤.“異象”的演化心理學(xué)解釋——兼論行為經(jīng)濟學(xué)對新古典經(jīng)濟學(xué)的“顛覆”[J].經(jīng)濟學(xué)動態(tài)，2018（8）：69～79.

The Realization of Public Sentiment and Economic Fluctuations： The Perspective of Financial News

LI Shou-hao，DING Li-gui

（School of Public Policy and Management， Tsinghua University， Beijing 100084， China; Branch of Xundian County， Peoples Bank of China， Kunming， Yunnan 655201， China）

Abstract：

To systematically analyze the relationship between public expectations and economic fluctuations， we construct a system to analyze economic climate based on public opinion by text mining. Through the creation of a financial sentiment dictionary and natural language processing， we quantify the public's judgment on the economic situation reflected in multi-channel news， that is， the financial sentiment score， which could be used to measure the chaos of economic activity. Because the financial sentiment score can be obtained and updated in real time， it is forward-looking and can be used to portray public expectation. In the empirical analysis， there is indeed a linkage between economic fluctuation and public expectation. The empirical analysis finds that official information tends to reversely realize， and free public expectation and professional expectation could self-realize， that is， optimism brings economic growth， and pessimism brings economic decline. A further Granger test finds that there is a two-way causal relationship between economic fluctuations and public expectations， verifying their self-realization relationship. For the mechanism and path of self-expectation realization， we believe that news information shows the consistent and stable preferences of rational individuals， i.e.， the financial sentiment score. Such emotion is finally transmitted to the economic activities of entrepreneurs， causing self-realization. This finding could help the public and regulators further understand the interaction between expectation management and macroeconomic regulation.

Key words：

adaptive expectation;economic fluctuation;text analysis;public sentiment

責(zé)任編輯：吳錦丹

收稿日期：2021-03-17

基金項目：清華大學(xué)科研項目“新時代中國金融市場效率及社會治理績效研究”（20192001391）。

作者簡介：李守皓（1989—），男，貴州遵義人，清華大學(xué)公共管理學(xué)院助理研究員，博士后，管理科學(xué)博士，研究方向為金融經(jīng)濟學(xué)、政治經(jīng)濟學(xué);丁立貴（1989—）（通訊作者），男，云南昆明人，中國人民銀行云南省尋甸縣支行經(jīng)濟師，公共管理碩士，研究方向為數(shù)量經(jīng)濟與數(shù)據(jù)挖掘。