国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

股票網(wǎng)絡(luò)論壇中的意見(jiàn)領(lǐng)袖:慧眼識(shí)珠還是吸引眼球①

2022-11-30 10:09李心丹李小琳
管理科學(xué)學(xué)報(bào) 2022年9期
關(guān)鍵詞:帖子領(lǐng)袖賬戶(hù)

張 科,李心丹,方 曉,李小琳

(1.南京大學(xué)工程管理學(xué)院,南京 210093;2.美國(guó)特拉華大學(xué)阿爾弗萊德勒納商學(xué)院,紐瓦克 19716,美國(guó);3.南京大學(xué)管理學(xué)院,南京 210093)

0 引 言

信息是投資者制定交易策略的關(guān)鍵,隨著通信技術(shù)的發(fā)展,網(wǎng)絡(luò)已經(jīng)成為投資者獲取信息最主要的渠道[1].與現(xiàn)實(shí)生活中人際交流不同,信息在互聯(lián)網(wǎng)中的傳播速度更快,內(nèi)容也更龐雜,雖然人人都可以發(fā)表觀點(diǎn),但并非所有人的聲音都能被公眾聽(tīng)到.社會(huì)網(wǎng)絡(luò)領(lǐng)域的研究發(fā)現(xiàn),群體中存在少數(shù)被稱(chēng)為意見(jiàn)領(lǐng)袖的特殊個(gè)體,他們對(duì)網(wǎng)絡(luò)信息傳播具有關(guān)鍵樞紐作用并能廣泛影響他人態(tài)度行為[1].在現(xiàn)實(shí)生活中,部分意見(jiàn)領(lǐng)袖對(duì)公眾的影響力甚至超越了不少財(cái)經(jīng)媒體,成為互聯(lián)網(wǎng)上重要的信息傳播者,如在新浪微博上一些知名財(cái)經(jīng)評(píng)論家的個(gè)人粉絲數(shù)量可以達(dá)到500萬(wàn)以上,而作為專(zhuān)業(yè)新聞媒體的國(guó)內(nèi)四大證券報(bào)粉絲數(shù)量之和僅約為489萬(wàn).通常,投資者關(guān)注意見(jiàn)領(lǐng)袖是因其具有豐富經(jīng)驗(yàn)并能判斷市場(chǎng)走勢(shì),但卻有一些意見(jiàn)領(lǐng)袖利用其知名度,先買(mǎi)入股票再公開(kāi)推薦該股,誤導(dǎo)投資者并非法獲利,例如,2018年廖英強(qiáng)因操縱股市而被證監(jiān)會(huì)罰沒(méi)1.29億元人民幣.那么,由此產(chǎn)生的問(wèn)題是這些意見(jiàn)領(lǐng)袖能否準(zhǔn)確預(yù)測(cè)市場(chǎng)走向?意見(jiàn)領(lǐng)袖何以能夠預(yù)測(cè)市場(chǎng)?普通投資者能否鑒別出意見(jiàn)領(lǐng)袖的判斷能力并做出合理反應(yīng)?

金融學(xué)研究中通常以投資者發(fā)布觀點(diǎn)所體現(xiàn)的情緒來(lái)衡量其態(tài)度觀點(diǎn),目前國(guó)外關(guān)于投資者情緒的研究主要涉及投資者情緒影響股票價(jià)格的理論模型[2, 3]、投資者情緒的計(jì)算方法[4, 5],以及實(shí)證檢驗(yàn)了投資者情緒對(duì)股票收益率[6, 7]、股價(jià)波動(dòng)性[8, 9]、交易量[10]和上市公司盈利水平[11]的預(yù)測(cè)作用.我國(guó)學(xué)者也從帖子情緒和情緒一致性的角度分析了投資者情緒是否包含能夠預(yù)測(cè)市場(chǎng)的信息[12-15],得出了許多有益結(jié)論,但是,現(xiàn)有研究大多是將投資者視為同質(zhì)化的個(gè)體,在衡量投資者情緒時(shí)對(duì)所有投資者的觀點(diǎn)都賦予相同的權(quán)重,并未考慮到意見(jiàn)領(lǐng)袖和普通公眾對(duì)他人行為影響力的差異.通過(guò)考察少數(shù)意見(jiàn)領(lǐng)袖情緒的作用,不僅可以進(jìn)一步揭示投資者情緒影響資產(chǎn)價(jià)格的運(yùn)作機(jī)理,還可以檢驗(yàn)普通投資者能否理性對(duì)待網(wǎng)絡(luò)輿論的影響,合理制定投資決策,為投資者教育的研究提供有益補(bǔ)充.

本研究基于社會(huì)網(wǎng)絡(luò)分析技術(shù),檢驗(yàn)股票網(wǎng)絡(luò)論壇中意見(jiàn)領(lǐng)袖的帖子情緒對(duì)未來(lái)個(gè)股收益率的預(yù)測(cè)性及其原因,并通過(guò)普通投資者對(duì)意見(jiàn)領(lǐng)袖判斷能力反應(yīng)的研究分析投資者是否理性.研究結(jié)果表明:意見(jiàn)領(lǐng)袖情緒對(duì)未來(lái)1個(gè)月至6個(gè)月的個(gè)股收益率都具有預(yù)測(cè)能力,而非意見(jiàn)領(lǐng)袖情緒和整體投資者情緒則不能預(yù)測(cè)市場(chǎng),并且意見(jiàn)領(lǐng)袖能夠預(yù)測(cè)市場(chǎng)的原因并非其掌握了上市公司的價(jià)值信息,可能是由于其觀點(diǎn)能夠引導(dǎo)投資者行為進(jìn)而使股價(jià)同向變化.在此基礎(chǔ)上,進(jìn)一步分析投資者對(duì)意見(jiàn)領(lǐng)袖預(yù)測(cè)準(zhǔn)確程度的反應(yīng),發(fā)現(xiàn)投資者對(duì)意見(jiàn)領(lǐng)袖的認(rèn)同程度與其判斷準(zhǔn)確率無(wú)關(guān),投資者更為關(guān)注發(fā)表發(fā)表正面觀點(diǎn)的意見(jiàn)領(lǐng)袖而忽視其觀點(diǎn)準(zhǔn)確性,同時(shí)排斥能夠準(zhǔn)確預(yù)測(cè)市場(chǎng)下跌的意見(jiàn)領(lǐng)袖.

本研究的主要貢獻(xiàn)在于:第一,現(xiàn)有研究發(fā)現(xiàn)意見(jiàn)領(lǐng)袖在新產(chǎn)品營(yíng)銷(xiāo)[16]、網(wǎng)絡(luò)眾籌[17]等領(lǐng)域具有重要作用,但在投資者情緒這一領(lǐng)域,據(jù)筆者有限知識(shí)所知,尚沒(méi)有文獻(xiàn)研究互聯(lián)網(wǎng)社區(qū)中意見(jiàn)領(lǐng)袖情緒對(duì)證券市場(chǎng)的影響,本研究通過(guò)社會(huì)網(wǎng)絡(luò)分析技術(shù)識(shí)別股票網(wǎng)絡(luò)論壇中的意見(jiàn)領(lǐng)袖,發(fā)現(xiàn)其帖子情緒對(duì)市場(chǎng)的預(yù)測(cè)能力相比普通投資者更為長(zhǎng)期持久,拓展了社會(huì)網(wǎng)絡(luò)在金融市場(chǎng)中的研究;第二,目前關(guān)于投資者行為的研究主要分析了投資者自身因素和親友等社會(huì)關(guān)系的影響,缺乏對(duì)網(wǎng)絡(luò)上社會(huì)互動(dòng)影響個(gè)人行為決策的關(guān)注,本研究則基于網(wǎng)絡(luò)發(fā)帖回帖數(shù)據(jù),檢驗(yàn)了普通投資者對(duì)意見(jiàn)領(lǐng)袖言論的反應(yīng),分析普通投資者能否識(shí)別不同意見(jiàn)領(lǐng)袖的預(yù)測(cè)準(zhǔn)確度,研究結(jié)論對(duì)投資者情緒傳染的控制干預(yù),以及監(jiān)管部門(mén)完善投資者教育保護(hù)工作具有一定借鑒意義.

1 文獻(xiàn)綜述

1.1 投資者情緒影響市場(chǎng)的研究

行為金融學(xué)認(rèn)為,投資者情緒是影響股票價(jià)格的重要因素[18].Barberis 等[2]認(rèn)為,投資者在決策時(shí)存在兩種心理偏差:一是由于投資者心理存在保守傾向,不能及時(shí)根據(jù)新信息調(diào)整自身對(duì)股價(jià)的觀點(diǎn),導(dǎo)致股票價(jià)格對(duì)新信息反應(yīng)不足,使得投資者情緒能夠正向影響股票未來(lái)價(jià)格;另一種則是由于投資者存在代表性啟發(fā)偏差,過(guò)分高估偶然事件的發(fā)生概率,造成股票價(jià)格對(duì)新信息過(guò)度反應(yīng),此時(shí)投資者情緒對(duì)股票未來(lái)價(jià)格為負(fù)面影響.Baker和Wurgler[19]則認(rèn)為,不同類(lèi)型股票對(duì)投資者情緒的敏感度存在差異,小市值、成立時(shí)間較短、股價(jià)波動(dòng)性較高或虧損的上市公司更易于受到投資者情緒的影響,而大市值且具有穩(wěn)定盈利水平的上市公司股票則具有類(lèi)似債券的特征,較少受到投資者情緒的影響.劉曉星等[20]也提出,當(dāng)存在賣(mài)空約束時(shí),投資者情緒變化引起其產(chǎn)生有偏的認(rèn)知并影響市場(chǎng)流動(dòng)性,他們還通過(guò)實(shí)證檢驗(yàn)發(fā)現(xiàn),融資融券業(yè)務(wù)的開(kāi)展進(jìn)一步增強(qiáng)了投資者情緒對(duì)市場(chǎng)流動(dòng)性的影響.

近年來(lái),學(xué)者們?cè)絹?lái)越關(guān)注互聯(lián)網(wǎng)上用戶(hù)發(fā)表內(nèi)容所體現(xiàn)的情緒對(duì)市場(chǎng)的影響.Das和Chen[9]則利用多種方法綜合判斷Yahoo論壇上的帖子情緒,構(gòu)建了高科技股票的情緒指數(shù),結(jié)果發(fā)現(xiàn)該指數(shù)雖然對(duì)未來(lái)個(gè)股收益率和科技板塊指數(shù)收益率并不具有顯著影響,但是卻與股價(jià)波動(dòng)性顯著正相關(guān).Bollen等[21]檢驗(yàn)了Twitter情緒對(duì)道瓊斯指數(shù)收益率的影響,他們將用戶(hù)發(fā)表內(nèi)容的情緒分為六類(lèi):平靜、警惕、確信、熱情、和善和愉悅,研究發(fā)現(xiàn)只有平靜類(lèi)型的情緒指標(biāo)能夠顯著預(yù)測(cè)未來(lái)道瓊斯指數(shù)收益率.Sabherwal等[22]在排除了基本面消息的情況下檢驗(yàn)了帖子情緒對(duì)論壇熱門(mén)股票價(jià)格的影響,結(jié)果發(fā)現(xiàn)帖子情緒與當(dāng)期股票收益率正相關(guān),但與未來(lái)兩日的收益率負(fù)相關(guān),表明這些熱門(mén)股票價(jià)格存在“拉高—出貨”的模式,股價(jià)在成為熱門(mén)股的當(dāng)天上漲到最高值,隨后就開(kāi)始下跌.Chen等[6]分析了Seeking Alpha網(wǎng)站上用戶(hù)發(fā)布內(nèi)容的情緒與個(gè)股收益率的關(guān)系,研究發(fā)現(xiàn)用戶(hù)發(fā)布內(nèi)容所體現(xiàn)的負(fù)面情緒與未來(lái)3日到60日的累積超額收益率顯著相關(guān).Li等[23]比較了多種機(jī)器學(xué)習(xí)算法衡量投資者情緒的差異,發(fā)現(xiàn)基于LSTM的投資者情緒指標(biāo)具有較強(qiáng)的預(yù)測(cè)能力.Ge等[24]研究了投資者情緒與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間的關(guān)系,發(fā)現(xiàn)“恐懼”情緒與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間相關(guān)性較強(qiáng).

國(guó)內(nèi)學(xué)者在此方面也做了一些研究,楊曉蘭等[25]根據(jù)東方財(cái)富網(wǎng)股吧中創(chuàng)業(yè)板上市公司的相關(guān)帖子內(nèi)容構(gòu)建投資者情緒指標(biāo),研究發(fā)現(xiàn)本地投資者關(guān)注對(duì)上市公司股票收益率的影響依賴(lài)于論壇帖子情緒.金德環(huán)和李巖[26]也利用東方財(cái)富網(wǎng)股吧的發(fā)帖數(shù)據(jù)檢驗(yàn)了投資者情緒對(duì)股票未來(lái)收益率的影響,研究發(fā)現(xiàn)投資者情緒能夠顯著預(yù)測(cè)股票未來(lái)收益,并且還對(duì)上市公司意外盈余具有解釋力.段江嬌等[13]利用SVM算法判斷論壇帖子的投資者情緒,研究發(fā)現(xiàn)投資者情緒與當(dāng)日個(gè)股收益率正相關(guān),但對(duì)未來(lái)兩日收益率則沒(méi)有顯著影響,同時(shí),他們還發(fā)現(xiàn)當(dāng)日帖子數(shù)量與個(gè)股未來(lái)兩日收益率負(fù)相關(guān).部慧等[14]同樣基于東方財(cái)富網(wǎng)股吧的發(fā)帖數(shù)據(jù)構(gòu)建了投資者情緒指標(biāo),檢驗(yàn)發(fā)現(xiàn)投資者情緒對(duì)未來(lái)市場(chǎng)收益率、交易量和波動(dòng)率均無(wú)預(yù)測(cè)能力,但可以影響當(dāng)期收益率和交易量,他們還發(fā)現(xiàn),個(gè)股收益率導(dǎo)致投資者情緒變化的原因.錢(qián)宇等[27]研究了網(wǎng)絡(luò)論壇用戶(hù)的情緒一致性對(duì)收益率和波動(dòng)性的影響.姚加權(quán)等[28]構(gòu)建了金融情緒詞典,并基于上市公司年報(bào)和社交媒體文本構(gòu)建了情緒指標(biāo),研究發(fā)現(xiàn)這些情緒指標(biāo)對(duì)股票收益率、波動(dòng)率和股價(jià)崩盤(pán)風(fēng)險(xiǎn)等都具有顯著預(yù)測(cè)作用.陳榮達(dá)等[29]則研究了互聯(lián)網(wǎng)金融中的投資者情緒問(wèn)題,發(fā)現(xiàn)該指標(biāo)與互聯(lián)網(wǎng)理財(cái)產(chǎn)品收益率呈負(fù)相關(guān).

從上述文獻(xiàn)回顧中可以看出,國(guó)內(nèi)外學(xué)者對(duì)于網(wǎng)絡(luò)用戶(hù)發(fā)布內(nèi)容所體現(xiàn)的投資者情緒進(jìn)行了一定研究,但主要是將投資者不加區(qū)分的作為一個(gè)整體以衡量其情緒指標(biāo),在構(gòu)建投資者情緒指標(biāo)時(shí),缺乏對(duì)投資者個(gè)體影響力的關(guān)注.另外,目前投資者情緒對(duì)市場(chǎng)影響的研究尚未形成一致觀點(diǎn),有學(xué)者發(fā)現(xiàn)投資者情緒與未來(lái)收益率顯著正相關(guān),但其他實(shí)證研究結(jié)果則表明投資者情緒與未來(lái)收益顯著負(fù)相關(guān),有必要針對(duì)中國(guó)市場(chǎng)投資者情緒的影響展開(kāi)進(jìn)一步研究.

1.2 意見(jiàn)領(lǐng)袖相關(guān)研究

意見(jiàn)領(lǐng)袖概念最早是由拉扎斯菲爾德等于1948年在《人民的選擇》一書(shū)中提出的,是指在信息傳遞和人際互動(dòng)過(guò)程中具有影響力的少數(shù)人.該概念提出后,引起了不同領(lǐng)域?qū)W者的廣泛關(guān)注,在營(yíng)銷(xiāo)學(xué)研究中,不少文獻(xiàn)表明意見(jiàn)領(lǐng)袖能夠促進(jìn)新產(chǎn)品的推廣[16, 30, 31]、消費(fèi)者對(duì)現(xiàn)有產(chǎn)品的認(rèn)知[32].在傳播學(xué)領(lǐng)域,也有學(xué)者研究了意見(jiàn)領(lǐng)袖對(duì)于促進(jìn)信息傳遞的作用,Liu等[33]研究了社會(huì)網(wǎng)絡(luò)中的信息傳播現(xiàn)象,結(jié)果發(fā)現(xiàn),相比沒(méi)有意見(jiàn)領(lǐng)袖的情況,當(dāng)意見(jiàn)領(lǐng)袖存在時(shí)社會(huì)網(wǎng)絡(luò)中的信息傳播速度大為增加.在金融領(lǐng)域,Apesteguia等[34]發(fā)現(xiàn)意見(jiàn)領(lǐng)袖的交易盈利狀況會(huì)導(dǎo)致刺激其他投資者過(guò)度配置風(fēng)險(xiǎn)資產(chǎn).Ouimet和Tate[35]則發(fā)現(xiàn)同事中掌握更多信息的人能夠影響他人投資決策.楊曉蘭等[36]發(fā)現(xiàn)意見(jiàn)領(lǐng)袖能促進(jìn)信息傳播,放大貨幣政策對(duì)股市收益率的正向影響.

在發(fā)現(xiàn)意見(jiàn)領(lǐng)袖對(duì)于他人具有重要影響的基礎(chǔ)上,學(xué)者們研究了其為何能夠產(chǎn)生如此作用.一部分文獻(xiàn)認(rèn)為信任感是導(dǎo)致意見(jiàn)領(lǐng)袖具有強(qiáng)大影響力的原因,如Liu等[33]發(fā)現(xiàn),意見(jiàn)領(lǐng)袖能夠促進(jìn)產(chǎn)品口碑傳播的原因是其言論被消費(fèi)者所信賴(lài).Zhao等[30]通過(guò)模擬實(shí)驗(yàn)也表明意見(jiàn)領(lǐng)袖能夠加速信息傳播,不過(guò)前提是其具有較高的可信度.Kim和Viswanathan[17]發(fā)現(xiàn),在網(wǎng)絡(luò)眾籌市場(chǎng)中具有相關(guān)專(zhuān)業(yè)經(jīng)驗(yàn)的投資者更能獲得他人的信任和跟隨.另一部分文獻(xiàn)認(rèn)為,意見(jiàn)領(lǐng)袖影響力的來(lái)源是其社會(huì)聯(lián)系眾多,他們認(rèn)為,當(dāng)個(gè)體擁有大量社會(huì)聯(lián)系時(shí),其能夠與他人產(chǎn)生更多互動(dòng)并具有較強(qiáng)影響力[37, 38].另外,還有一些學(xué)者認(rèn)為,意見(jiàn)領(lǐng)袖能夠改變他人觀點(diǎn)是因?yàn)樗麄冎g具有相似性,如學(xué)歷、籍貫或經(jīng)歷等,并且這種因相似而發(fā)生的改變具有持久性[39, 40].

由于意見(jiàn)領(lǐng)袖在信息傳遞過(guò)程中具有重要作用,如何識(shí)別意見(jiàn)領(lǐng)袖也成為學(xué)者關(guān)心的問(wèn)題.不少學(xué)者采用社會(huì)網(wǎng)絡(luò)分析中的中心性(centrality)算法來(lái)識(shí)別意見(jiàn)領(lǐng)袖[41],該類(lèi)算法的特點(diǎn)是根據(jù)網(wǎng)絡(luò)節(jié)點(diǎn)對(duì)外連接的數(shù)量來(lái)判斷其影響力,如度中心性(degree centrality)、接近中心性(closeness centrality)、特征向量中心性(eigencentrality)等都被用于意見(jiàn)領(lǐng)袖的識(shí)別研究中[16, 37, 38, 42].第二類(lèi)識(shí)別意見(jiàn)領(lǐng)袖的方法是基于隨機(jī)游走的算法,其典型代表為Brian和Page[43]提出的PageRank算法,該算法在計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)影響力時(shí)不僅考慮了對(duì)外連接數(shù)量,同時(shí)還將其連接節(jié)點(diǎn)的影響力納入計(jì)算,Shafiq 等[44]比較了多種算法識(shí)別意見(jiàn)領(lǐng)袖的效果,結(jié)果表明PageRank算法的表現(xiàn)優(yōu)于中心性算法.另外,Kitsak等[45]認(rèn)為,意見(jiàn)領(lǐng)袖并非網(wǎng)絡(luò)中連接最多的節(jié)點(diǎn),而是那些處于網(wǎng)絡(luò)核心位置的節(jié)點(diǎn),并提出用K-shell算法識(shí)別意見(jiàn)領(lǐng)袖.

總體來(lái)說(shuō),目前這一領(lǐng)域的研究主要涉及意見(jiàn)領(lǐng)袖在產(chǎn)品營(yíng)銷(xiāo)和輿論傳播方面的作用,分析其產(chǎn)生的原因和識(shí)別方法,缺乏對(duì)意見(jiàn)領(lǐng)袖在金融市場(chǎng)中作用的分析,特別是投資者對(duì)意見(jiàn)領(lǐng)袖言論的反應(yīng).

2 研究假設(shè)與研究設(shè)計(jì)

2.1 研究假設(shè)及相關(guān)指標(biāo)構(gòu)建

2.1.1 研究假設(shè)提出

如前文所述,現(xiàn)有文獻(xiàn)認(rèn)為意見(jiàn)領(lǐng)袖能夠通過(guò)信任感[33]、社會(huì)聯(lián)系[37]和相似性[46]這3種渠道影響投資者行為.當(dāng)意見(jiàn)領(lǐng)袖發(fā)表關(guān)于某上市公司的正面觀點(diǎn)時(shí),投資者受其影響也會(huì)提高對(duì)該公司的評(píng)價(jià),進(jìn)而買(mǎi)入并推高股票價(jià)格.反之,當(dāng)意見(jiàn)領(lǐng)袖對(duì)該公司表示出負(fù)面態(tài)度時(shí),投資者則傾向于賣(mài)出該公司股票,導(dǎo)致股價(jià)下跌.但是,與普通投資者的不同之處在于,意見(jiàn)領(lǐng)袖在投資者群體中具有強(qiáng)大影響力,其觀點(diǎn)會(huì)被大量投資者獲悉并采納,對(duì)未來(lái)股價(jià)造成沖擊.另外,部分投資者可能在不同途徑轉(zhuǎn)發(fā)意見(jiàn)領(lǐng)袖的言論,使其觀點(diǎn)在投資者群體中反復(fù)傳播,對(duì)股價(jià)產(chǎn)生持久影響.因此,本研究提出如下假設(shè):

H1相比普通投資者,意見(jiàn)領(lǐng)袖情緒能夠?qū)ξ磥?lái)股價(jià)收益產(chǎn)生顯著并且長(zhǎng)期的影響.

借鑒現(xiàn)有研究的結(jié)論,意見(jiàn)領(lǐng)袖情緒能夠預(yù)測(cè)市場(chǎng)的原因可能是在于其比普通投資者掌握了更多價(jià)值信息,在這些市場(chǎng)并未發(fā)現(xiàn)的信息融入股價(jià)的過(guò)程中,意見(jiàn)領(lǐng)袖情緒就體現(xiàn)出預(yù)測(cè)能力.但是,另一方面,意見(jiàn)領(lǐng)袖也可能并不掌握價(jià)值信息,僅僅是憑借其強(qiáng)大的影響力引導(dǎo)投資者整體行為方向與自身觀點(diǎn)趨同,從而表現(xiàn)出意見(jiàn)領(lǐng)袖情緒對(duì)未來(lái)股價(jià)的預(yù)測(cè)能力.因此,本研究提出以下假設(shè).

H2a意見(jiàn)領(lǐng)袖情緒比非意見(jiàn)領(lǐng)袖掌握更多價(jià)值信息;

H2b意見(jiàn)領(lǐng)袖情緒并不比非意見(jiàn)領(lǐng)袖掌握更多價(jià)值信息.

關(guān)于意見(jiàn)領(lǐng)袖影響力的來(lái)源,現(xiàn)有文獻(xiàn)認(rèn)為信任感是意見(jiàn)領(lǐng)袖能夠獲得大眾認(rèn)同的重要原因[30, 33],當(dāng)意見(jiàn)領(lǐng)袖能夠準(zhǔn)確預(yù)測(cè)未來(lái)股價(jià)時(shí),投資者會(huì)報(bào)以持續(xù)關(guān)注和追捧,而一旦意見(jiàn)領(lǐng)袖對(duì)市場(chǎng)預(yù)測(cè)失靈,則其影響力將會(huì)下降.另外,Barber和Odean認(rèn)為,由于賣(mài)空約束,個(gè)人投資者普遍更為關(guān)注正面消息而忽略負(fù)面消息[3],相對(duì)于負(fù)面帖子,正面帖子能夠?yàn)橐庖?jiàn)領(lǐng)袖帶來(lái)更高的關(guān)注度和影響力.因此,本研究提出以下假設(shè).

H3對(duì)未來(lái)股價(jià)的判斷準(zhǔn)確率能提高意見(jiàn)領(lǐng)袖的影響力,并且正面帖子判斷準(zhǔn)確率對(duì)意見(jiàn)領(lǐng)袖影響力的作用要高于負(fù)面帖子判斷準(zhǔn)確率.

2.1.2 識(shí)別意見(jiàn)領(lǐng)袖

本研究選取我國(guó)訪問(wèn)量最大的股票網(wǎng)絡(luò)論壇——東方財(cái)富網(wǎng)股吧(1)中國(guó)最熱門(mén)的前3個(gè)股票網(wǎng)絡(luò)論壇分別為:東方財(cái)富網(wǎng)股吧、和訊、金融界,其中東方財(cái)富網(wǎng)股吧的用戶(hù)數(shù)和訪問(wèn)量最大[13].為研究對(duì)象,首先根據(jù)論壇賬戶(hù)的發(fā)帖和回帖數(shù)據(jù)構(gòu)建社會(huì)網(wǎng)絡(luò),將回帖視為回帖者對(duì)發(fā)帖者的連接,然后利用社會(huì)網(wǎng)絡(luò)分析中PageRank算法來(lái)計(jì)算賬戶(hù)的影響力,并選擇其中最高的少量賬戶(hù)作為意見(jiàn)領(lǐng)袖.

選擇PageRank算法是基于以下兩點(diǎn)考慮:一方面,PageRank算法被廣泛用于社會(huì)網(wǎng)絡(luò)的研究中,文獻(xiàn)表明該算法能準(zhǔn)確識(shí)別意見(jiàn)領(lǐng)袖.另一方面,該算法非常適用于股票網(wǎng)絡(luò)論壇這一場(chǎng)景,能夠排除投資者利用多個(gè)賬戶(hù)回復(fù)自己對(duì)結(jié)果的干擾.在網(wǎng)絡(luò)論壇中,不少投資者會(huì)注冊(cè)多個(gè)賬戶(hù),這些賬戶(hù)中通常只有一個(gè)是其主要使用,其余偶爾登錄的賬戶(hù)則影響力極低,投資者可能在用一個(gè)主要賬戶(hù)發(fā)帖后再用其他次要賬戶(hù)回帖,人為提高帖子的關(guān)注度.基于連接數(shù)量的算法僅能根據(jù)與賬戶(hù)聯(lián)系的鄰居數(shù)量確定其影響力,而PageRank算法在計(jì)算中也會(huì)考慮鄰居自身的影響力,從而降低了同一投資者次要賬戶(hù)對(duì)結(jié)果的影響.

本研究將論壇賬戶(hù)作為社會(huì)網(wǎng)絡(luò)的節(jié)點(diǎn),并根據(jù)發(fā)帖和回帖的記錄構(gòu)建社會(huì)網(wǎng)絡(luò)連接,具體分為以下步驟.

1)統(tǒng)計(jì)了每月所有用戶(hù)在所有A股討論區(qū)中的發(fā)帖和數(shù)據(jù),依據(jù)以下4條規(guī)則清理回帖數(shù)據(jù):(1)考慮到論壇帖子信息具有時(shí)效性,參考Chen等[6]的做法,本研究只保留發(fā)帖之后2天內(nèi)的回帖記錄;(2)若賬戶(hù)j對(duì)賬戶(hù)i的同一個(gè)帖子回復(fù)多次,則忽略重復(fù)回帖,只保留第一次回帖記錄;(3)若賬戶(hù)j多次回復(fù)了賬戶(hù)i的多個(gè)不同帖子,則保留每個(gè)帖子下的第一個(gè)回帖記錄;(4)刪除賬戶(hù)i對(duì)自身發(fā)布帖子的回帖.

2)確定每個(gè)自然月內(nèi)賬戶(hù)之間的連接及權(quán)重.若賬戶(hù)j回復(fù)了賬號(hào)i在當(dāng)月發(fā)布的帖子,則從賬戶(hù)j到賬戶(hù)i建立一個(gè)單向鏈接.當(dāng)月內(nèi)賬戶(hù)j回復(fù)賬戶(hù)i的次數(shù)就是鏈接的權(quán)重.由此,構(gòu)建每個(gè)月的有向帶權(quán)重圖.

(1)

其中t-t′代表以往連接對(duì)應(yīng)時(shí)間周期與當(dāng)期的間隔,間隔越大,則以往連接權(quán)重衰減的程度就越大,對(duì)當(dāng)期的影響就越小.γ代表衰減系數(shù),該數(shù)值越大,則以往連接權(quán)重衰減的速度越快,這里取γ=1.(2)本研究也嘗試了0.5和2等其他數(shù)值,對(duì)檢驗(yàn)結(jié)果沒(méi)有顯著影響.需要說(shuō)明的是,本研究只考慮最近6個(gè)月的連接權(quán)重?cái)?shù)據(jù),這是因?yàn)?個(gè)月前連接的權(quán)重值乘以衰減函數(shù)后已經(jīng)趨近于0.同時(shí),排除更久之前的數(shù)據(jù)可以避免在社會(huì)網(wǎng)絡(luò)中引入大量長(zhǎng)期不活躍的賬戶(hù),增加計(jì)算難度.

根據(jù)上述3個(gè)步驟,本研究利用股票網(wǎng)絡(luò)論壇的發(fā)帖回帖數(shù)據(jù),建立了論壇賬戶(hù)的社會(huì)網(wǎng)絡(luò),構(gòu)成一個(gè)動(dòng)態(tài)有向帶權(quán)重的社會(huì)網(wǎng)絡(luò).在此基礎(chǔ)上,本研究采用個(gè)性化PageRank算法計(jì)算網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)(賬戶(hù))的影響力.由于在股票網(wǎng)絡(luò)論壇中,意見(jiàn)領(lǐng)袖能夠獲得認(rèn)同的重要原因是公眾認(rèn)為其能夠預(yù)測(cè)市場(chǎng)未來(lái)趨勢(shì).因此,本研究以每個(gè)賬戶(hù)發(fā)帖的判斷準(zhǔn)確程度作為重啟概率.具體公式如下

(2)

其中PRi代表賬戶(hù)i的影響力;Mi代表所有連接到賬戶(hù)i的賬戶(hù)集合;Li代表賬戶(hù)i連接到其他賬戶(hù)的權(quán)重之和;N是網(wǎng)絡(luò)中賬戶(hù)總數(shù);α代表重啟概率,一般取值為0.85;acci代表賬戶(hù)i發(fā)帖判斷準(zhǔn)確程度,以該賬戶(hù)5個(gè)月內(nèi)總體發(fā)帖準(zhǔn)確率衡量.

2.1.3 判斷意見(jiàn)領(lǐng)袖情緒

在識(shí)別出意見(jiàn)領(lǐng)袖的基礎(chǔ)上,還需要根據(jù)其發(fā)布帖子內(nèi)容判斷意見(jiàn)領(lǐng)袖的情緒傾向.由于金融領(lǐng)域用語(yǔ)與日常交流有所不同,直接根據(jù)語(yǔ)言學(xué)通用詞典統(tǒng)計(jì)詞頻或其他通用情感判斷模型會(huì)產(chǎn)生較大誤差[48],本研究采用Stack集成學(xué)習(xí)的思路,綜合利用THULAC中文分詞工具(3)該工具是由清華大學(xué)自然語(yǔ)言處理與社會(huì)人文計(jì)算實(shí)驗(yàn)室推出的,分詞準(zhǔn)確率達(dá)到94%以上.、Word2vec工具和LSTM算法判斷論壇意見(jiàn)領(lǐng)袖和普通用戶(hù)的帖子情緒,通過(guò)分為文本分詞、計(jì)算詞向量和訓(xùn)練模型判斷帖子情緒3個(gè)步驟,構(gòu)建Stack-LSTM模型.具體過(guò)程如下.

1)利用THULAC中文分詞工具將所有帖子的內(nèi)容切分為各個(gè)詞組,并刪除了不影響語(yǔ)句含義的停用詞,以避免無(wú)關(guān)信息對(duì)算法模型的干擾.

2)利用Word2vec工具在隨機(jī)抽取的500萬(wàn)條論壇帖子文本詞組中進(jìn)行訓(xùn)練,用得到的模型計(jì)算所有帖子中每個(gè)詞組的詞向量,從而將每一個(gè)帖子的文本內(nèi)容都用詞向量矩陣的形式表達(dá).

3)采用Stack集成學(xué)習(xí)的思路構(gòu)建帖子情緒判斷模型,由于帖子情緒分為中性、正面和負(fù)面3類(lèi),為了提高判斷準(zhǔn)確率,本研究將判斷帖子情緒這樣一個(gè)三分類(lèi)問(wèn)題轉(zhuǎn)化為3個(gè)二分類(lèi)問(wèn)題,利用LSTM算法構(gòu)建了3個(gè)初級(jí)模型,分別用于判斷正面或其他情緒、負(fù)面或其他情緒,以及中性或其他情緒這3個(gè)二分類(lèi)問(wèn)題,每個(gè)LSTM模型均包含2個(gè)隱藏層且每層含有100個(gè)神經(jīng)元.在此基礎(chǔ)上,根據(jù)Stack集成學(xué)習(xí)的思路,將這3個(gè)模型的輸出結(jié)果輸入線性回歸模型,得到對(duì)帖子情緒的最終判斷結(jié)果.

關(guān)于模型訓(xùn)練方面,本研究隨機(jī)選取了10 000條帖子并由5名具有股票市場(chǎng)交易經(jīng)驗(yàn)的投資者判斷其蘊(yùn)含情緒(4)在這10 000個(gè)帖子中,包含正面帖子2 234條、負(fù)面帖子3 211條以及中性帖子4 555條..若投資者的判斷結(jié)果存在差異,則以多數(shù)人的意見(jiàn)作為最終判斷結(jié)果.在此基礎(chǔ)上,為了評(píng)估Stack-LSTM模型的判斷性能,本研究采用5倍交叉驗(yàn)證的方式,將10 000個(gè)帖子分為5等份,每次取其中4份作為訓(xùn)練數(shù)據(jù)建立模型,剩余1份作為驗(yàn)證數(shù)據(jù)檢驗(yàn)?zāi)P偷谋憩F(xiàn).然后取5次驗(yàn)證結(jié)果的均值作為Stack-LSTM模型判斷性能的最終結(jié)果,并與其它主流算法建立的模型進(jìn)行對(duì)比.發(fā)現(xiàn)本研究所采用Stack-LSTM模型的判斷準(zhǔn)確率達(dá)到76%,并且在準(zhǔn)確率、精確率和F1得分等方面均優(yōu)于隨機(jī)森林、SVM和XGBoost等主流算法.具體結(jié)果如表1所示.

表1 各類(lèi)模型在驗(yàn)證數(shù)據(jù)中的判斷性能

指3個(gè)類(lèi)型帖子F1得分的均值.

在利用Stack-LSTM判斷每個(gè)帖子情緒的基礎(chǔ)上,本研究參考現(xiàn)有文獻(xiàn)[6, 8],采用以下公式計(jì)算意見(jiàn)領(lǐng)袖和非意見(jiàn)領(lǐng)袖的情緒指標(biāo)

pos_kol=

pos_other=

2.2 樣本選取與數(shù)據(jù)來(lái)源

本研究選取東方財(cái)富網(wǎng)股吧論壇中關(guān)于滬深兩市A股的帖子,時(shí)間自2011年1月1日~2017年12月31日,通過(guò)網(wǎng)絡(luò)爬蟲(chóng)程序收集帖子1.6億余條,其中7 392萬(wàn)條是發(fā)帖,其余是回帖,發(fā)帖與回帖用戶(hù)數(shù)超過(guò)850萬(wàn).考慮到媒體新聞對(duì)論壇帖子內(nèi)容的影響,本研究還收集了《上海證券報(bào)》、《中國(guó)證券報(bào)》、《證券日?qǐng)?bào)》、《證券時(shí)報(bào)》和《人民日?qǐng)?bào)》在2011年到2017年期間的所有新聞報(bào)道共419 907條,剔除不含上市公司股票代碼和名稱(chēng)的新聞后獲得204 120條新聞報(bào)道.上市公司股價(jià)、財(cái)務(wù)和分析師報(bào)告等數(shù)據(jù)均來(lái)自CSMAR數(shù)據(jù)庫(kù).

3 實(shí)證分析及結(jié)果

3.1 描述性統(tǒng)計(jì)

表2展示了個(gè)股收益率、意見(jiàn)領(lǐng)袖情緒和非意見(jiàn)領(lǐng)袖情緒的描述性統(tǒng)計(jì)結(jié)果.其中,意見(jiàn)領(lǐng)袖情緒(pos_kol)和非意見(jiàn)領(lǐng)袖情緒(pos_other)的均值分別為0.044 6和0.018 9,說(shuō)明投資者整體態(tài)度略微偏正面.另外,為降低極端值的影響,本研究對(duì)個(gè)股收益率(ret)在1%和99%分位上做了縮尾處理.

表2 主要變量的描述性統(tǒng)

3.2 意見(jiàn)領(lǐng)袖情緒對(duì)股票收益率的預(yù)測(cè)作用

本研究將個(gè)股收益率作為因變量,檢驗(yàn)意見(jiàn)領(lǐng)袖情緒對(duì)其影響.

借鑒現(xiàn)有文獻(xiàn)[5, 13]的做法,本研究根據(jù)以下模型檢驗(yàn)意見(jiàn)領(lǐng)袖情緒對(duì)股票收益率的影響.

reti,t+n=α+β1pos_koli,t+β2pos_otheri,t+

(3)

其中reti,t+n代表股票i未來(lái)收益率,包括未來(lái)1個(gè)月、未來(lái)1個(gè)月~3個(gè)月和未來(lái)4個(gè)月~6個(gè)月累積收益率等3個(gè)指標(biāo);pos_koli,t和pos_otheri,t分別代表意見(jiàn)領(lǐng)袖和非意見(jiàn)領(lǐng)袖在t月關(guān)于股票i的帖子情緒,本研究以上月論壇社會(huì)網(wǎng)絡(luò)中影響力最高的前1%賬戶(hù)作為當(dāng)月意見(jiàn)領(lǐng)袖,其余當(dāng)月發(fā)帖賬戶(hù)則作為非意見(jiàn)領(lǐng)袖,從而避免選擇偏差問(wèn)題;Xi,j,t是一系列控制變量,包括:媒體情緒(media_senti)、個(gè)股收益率的滯后項(xiàng)、市場(chǎng)收益率的滯后項(xiàng)、分析師正面評(píng)價(jià)數(shù)量(upgrade)、分析師負(fù)面評(píng)價(jià)數(shù)量(downgrade)、賬面市值比(bm)、換手率(turnover).另外,還控制了月份(month)和行業(yè)(industry)的影響,并在公司層面做了聚類(lèi)(Clusteratfirm)以控制個(gè)體效應(yīng).

本研究分別以未來(lái)1個(gè)月、未來(lái)1個(gè)月~3個(gè)月和未來(lái)4個(gè)月~6個(gè)月的累積收益率為因變量,利用模型(3)檢驗(yàn)意見(jiàn)領(lǐng)袖情緒的作用,具體如表3所示.

表3 意見(jiàn)領(lǐng)袖情緒對(duì)股票收益率的影響

根據(jù)上表結(jié)果,在控制影響個(gè)股累積收益率的相關(guān)變量后,列(1)、列(2)和列(3)中意見(jiàn)領(lǐng)袖情緒(pos_kol)的系數(shù)分別為0.479 0、1.194 0和0.713 4,并且均在1%水平上顯著,表明意見(jiàn)領(lǐng)袖情緒不僅能夠在預(yù)測(cè)短期股價(jià)收益率,并且對(duì)長(zhǎng)期股價(jià)收益率也具有預(yù)測(cè)能力.非意見(jiàn)領(lǐng)袖情緒(pos_other)的系數(shù)為-0.575 5、-1.154 3和-1.097 3,并且也都在1%水平上顯著,表明非意見(jiàn)領(lǐng)袖情緒與股票未來(lái)收益率負(fù)相關(guān).根據(jù)列(2)和列(3)結(jié)果,股票網(wǎng)絡(luò)論壇中意見(jiàn)領(lǐng)袖正面負(fù)面帖子之差所占比例每提高10%,相應(yīng)個(gè)股未來(lái)1個(gè)月~3個(gè)月和未來(lái)4個(gè)月~6個(gè)月的累積收益率將平均提高0.119%和0.071%,說(shuō)明意見(jiàn)領(lǐng)袖情緒能夠預(yù)測(cè)個(gè)股未來(lái)收益,支持了假設(shè)H1的推斷.

在列(4)、列(5)和列(6)展示了股票網(wǎng)絡(luò)論壇整體投資者情緒(pos_all)對(duì)未來(lái)股票收益率的影響.結(jié)果表明,整體投資者情緒(pos_all)與股價(jià)未來(lái)1個(gè)月、未來(lái)1個(gè)月~3個(gè)月和未來(lái)4個(gè)月~6個(gè)月收益率都是負(fù)相關(guān),說(shuō)明投資者整體表現(xiàn)出過(guò)度反應(yīng)的現(xiàn)象,當(dāng)情緒高漲時(shí),買(mǎi)入者增加導(dǎo)致股價(jià)高估,并隨后發(fā)生反轉(zhuǎn).該結(jié)論與金德環(huán)和李巖[26]的發(fā)現(xiàn)并不一致,這可能是由于本研究的因變量為累積收益率,而他們以累積超額收益率作為因變量,同時(shí),本研究判斷意見(jiàn)領(lǐng)袖情緒的模型算法也與其有所不同.

3.3 意見(jiàn)領(lǐng)袖情緒能夠預(yù)測(cè)市場(chǎng)的原因

意見(jiàn)領(lǐng)袖情緒能夠預(yù)測(cè)股價(jià)可能是因?yàn)槠溆^點(diǎn)中包含了尚未被市場(chǎng)發(fā)現(xiàn)的信息,也可能僅僅是其能夠引導(dǎo)投資者行為,從而表現(xiàn)出自我實(shí)現(xiàn)預(yù)期(self-fulfilling prophecies)的特點(diǎn).本研究以上市公司發(fā)布季度業(yè)績(jī)公告為研究事件,檢驗(yàn)公告發(fā)布前的意見(jiàn)領(lǐng)袖情緒能否預(yù)測(cè)意外盈余,由此判斷意見(jiàn)領(lǐng)袖情緒中是否包含價(jià)值信息.

參考Chen等[6]、金德環(huán)和李巖[26]的思路,本研究采用以下模型研究意見(jiàn)領(lǐng)袖情緒對(duì)意外盈余的影響.

SUEi,t=α+β1pos_koli,t-3,t-90+

β2pos_otheri,t-3,t-90+

(4)

其中SUEi,t代表上市公司i在t日業(yè)績(jī)公告的意外盈余,是上市公司季度業(yè)績(jī)公告中的每股盈余減去分析師預(yù)測(cè)均值,再除以該季度末股價(jià);pos_koli,t-3,t-90代表業(yè)績(jī)公告發(fā)布日前3日~前90日內(nèi)意見(jiàn)領(lǐng)袖的帖子情緒;pos_otheri,t-3,t-90代表業(yè)績(jī)公告發(fā)布日前3日~前90日內(nèi)非意見(jiàn)領(lǐng)袖帖子情緒;Xi,j,t是控制變量,包括:媒體情緒(media_senti)、上一年末的賬面市值比(bm)、上一季度市值(size)、業(yè)績(jī)公告發(fā)布前3日~前90日期間的股票累積收益率(crett-3,t-90)、上一季度意外盈余(SUEi,t-1),還有分析師意見(jiàn)分歧(ana_disper),是指業(yè)績(jī)公告發(fā)布日前3日~前90日期間,經(jīng)股價(jià)調(diào)整后的分析師預(yù)測(cè)每股盈余的標(biāo)準(zhǔn)差.另外,還控制了年份(year)和月份(month)的影響,并在公司層面做了聚類(lèi)(Clusteratfirm)以控制個(gè)體效應(yīng).

模型(4)的檢驗(yàn)結(jié)果如表4所示.其中,列(1)結(jié)果表明,意見(jiàn)領(lǐng)袖情緒(pos_kol)和非意見(jiàn)領(lǐng)袖情緒(pos_other)對(duì)意外盈余的影響均不顯著.列(3)和列(4)中,為了排除無(wú)關(guān)帖子的影響,在剔除了不包含“業(yè)績(jī)”這一關(guān)鍵詞的帖子后重新計(jì)算了意見(jiàn)領(lǐng)袖情緒(pos_kol)和非意見(jiàn)領(lǐng)袖情緒(pos_other),此時(shí),意見(jiàn)領(lǐng)袖情緒(pos_kol)和非意見(jiàn)領(lǐng)袖情緒(pos_other)都與意外盈余顯著負(fù)相關(guān).列(5)和列(6)排除了ST、創(chuàng)業(yè)板和金融行業(yè)上市公司樣本,結(jié)果表明意見(jiàn)領(lǐng)袖情緒(pos_kol)仍然與意外盈余顯著負(fù)相關(guān).同時(shí),在列(4)和列(6)中,整體投資者情緒(pos_all)也均與意外盈余顯著負(fù)相關(guān).上述結(jié)果說(shuō)明,意見(jiàn)領(lǐng)袖并不比其他投資者掌握更多關(guān)于上市公司的價(jià)值信息,假設(shè)H2b得到了印證.

表4 意見(jiàn)領(lǐng)袖情緒對(duì)意外盈余的預(yù)測(cè)能力

3.4 投資者對(duì)意見(jiàn)領(lǐng)袖預(yù)測(cè)準(zhǔn)確程度的反應(yīng)

根據(jù)意見(jiàn)領(lǐng)袖影響力的計(jì)算方式,若投資者不再認(rèn)同該意見(jiàn)領(lǐng)袖,則其影響力應(yīng)當(dāng)下降,反之,其影響力將會(huì)提高,因此,投資者對(duì)意見(jiàn)領(lǐng)袖的整體反應(yīng)可以通過(guò)其未來(lái)影響力的變化來(lái)衡量.本研究利用模型(5)檢驗(yàn)意見(jiàn)領(lǐng)袖判斷準(zhǔn)確率對(duì)其未來(lái)影響力的作用.同時(shí),由于賣(mài)空的成本較高或門(mén)檻較高,個(gè)人投資者普遍更為關(guān)注正面消息而忽略負(fù)面消息[3],本研究利用模型(6)檢驗(yàn)正確或錯(cuò)誤的正面帖子和負(fù)面帖子數(shù)量對(duì)意見(jiàn)領(lǐng)袖影響力的作用.

本研究利用以下模型檢驗(yàn)預(yù)測(cè)準(zhǔn)確率能否提高意見(jiàn)領(lǐng)袖影響力

(5)

PRj,t+1=α+β1pos_rj,t+β1pos_wj,t+β3neg_rj,t+

(6)

模型(5)和模型(6)的檢驗(yàn)結(jié)果如表5所示

表5 投資者對(duì)意見(jiàn)領(lǐng)袖預(yù)測(cè)能力的反應(yīng)

根據(jù)上表結(jié)果,列(1)和列(2)表明,不論是總體發(fā)帖準(zhǔn)確率(acc_all)、正面帖子準(zhǔn)確率(acc_pos)或是負(fù)面帖子準(zhǔn)確率(acc_neg)都對(duì)其下個(gè)月影響力(PRt+1)沒(méi)有顯著影響.列(3)中結(jié)果表明,不論是判斷正確的正面帖子(pos_r)還是判斷錯(cuò)誤的正面帖子(pos_w)都能顯著提高其下個(gè)月的影響力,并且這兩個(gè)變量的系數(shù)大致相當(dāng),另一方面,判斷正確的負(fù)面帖子(neg_r)和判斷錯(cuò)誤的負(fù)面帖子(neg_w)也都能顯著提高意見(jiàn)領(lǐng)袖下個(gè)月的影響力,但是其影響系數(shù)遠(yuǎn)低于兩類(lèi)正面帖子.列(4)、列(5)和列(6)則檢驗(yàn)了論壇所有用戶(hù)的預(yù)測(cè)準(zhǔn)確率與其下個(gè)月影響力的關(guān)系,結(jié)果與列(1)至列(3)基本一致.這說(shuō)明,股票網(wǎng)絡(luò)論壇中的意見(jiàn)領(lǐng)袖受到廣泛關(guān)注并非因?yàn)槠淠軌驕?zhǔn)確預(yù)測(cè)市場(chǎng),而是因?yàn)槠湓谡搲械幕钴S表現(xiàn),特別是發(fā)布關(guān)于股價(jià)看漲的帖子能夠極大提升其影響力.這一結(jié)論反應(yīng)出投資者并不能理性判斷他人觀點(diǎn)正確與否,而是片面認(rèn)同發(fā)布正面消息的意見(jiàn)領(lǐng)袖,對(duì)能夠準(zhǔn)確判斷市場(chǎng)下跌趨勢(shì)的觀點(diǎn)則較為忽視,假設(shè)H3部分得到了支持.

另外,相關(guān)性分析表明,意見(jiàn)領(lǐng)袖當(dāng)月發(fā)帖準(zhǔn)確率與其下個(gè)月影響力相關(guān)性較為微弱,而當(dāng)月正面帖子準(zhǔn)確率和負(fù)面帖子準(zhǔn)確率與其下個(gè)月影響力則顯著為正和負(fù)(6)限于篇幅,本研究沒(méi)有展示相關(guān)性分析的結(jié)果,歡迎聯(lián)系作者索取.,這與表5結(jié)果一致.

3.5 穩(wěn)健性檢驗(yàn)

3.5.1 改變論壇賬戶(hù)影響力的計(jì)算方法

考慮到前文采用的個(gè)性化PageRank算法對(duì)結(jié)果的影響,本研究根據(jù)無(wú)個(gè)性化的PageRank算法計(jì)算論壇賬戶(hù)的影響力,并仍選取上月影響力居前的1%賬戶(hù)作為當(dāng)月意見(jiàn)領(lǐng)袖,表6展示了其情緒與股票收益率關(guān)系的檢驗(yàn)結(jié)果.結(jié)果表明,意見(jiàn)領(lǐng)袖情緒與個(gè)股未來(lái)收益率正相關(guān),而非意見(jiàn)領(lǐng)袖情緒和整體投資者情緒則與個(gè)股未來(lái)收益率負(fù)相關(guān).

表6 按其他方法選出意見(jiàn)領(lǐng)袖的情緒對(duì)股票收益率的影

3.5.2 改變意見(jiàn)領(lǐng)袖的選取標(biāo)準(zhǔn)

考慮到意見(jiàn)領(lǐng)袖的選取標(biāo)準(zhǔn)可能對(duì)結(jié)果產(chǎn)生影響,本研究改變了意見(jiàn)領(lǐng)袖的選取標(biāo)準(zhǔn),重新運(yùn)行模型1,結(jié)果如表7所示.在列(1)、列(2)和列(3)中,本研究將意見(jiàn)領(lǐng)袖的選取標(biāo)準(zhǔn)擴(kuò)大為上月影響力最高的前5%賬戶(hù),結(jié)果表明,前5%意見(jiàn)領(lǐng)袖情緒(pos_kol5)同樣與個(gè)股未來(lái)1個(gè)月和3個(gè)月累積收益率顯著正相關(guān),但影響系數(shù)小于表3中的前1%意見(jiàn)領(lǐng)袖(pos_kol),說(shuō)明意見(jiàn)領(lǐng)袖對(duì)未來(lái)股票收益率的影響隨著其影響力的提高而增強(qiáng),這可能是由于影響力較高的意見(jiàn)領(lǐng)袖能夠引導(dǎo)更多投資者行動(dòng).在列(4)~列(6)中,本研究將上月影響力最高的前10%賬戶(hù)作為意見(jiàn)領(lǐng)袖(pos_kol10),結(jié)果與前文一致.

表7 前5%或前10%意見(jiàn)領(lǐng)袖情緒對(duì)股票收益率的影

3.5.3 用百度Senta工具(7)Senta是百度公司于2018年推出的自然語(yǔ)言處理工具,通過(guò)深度學(xué)習(xí)算法在大規(guī)模語(yǔ)料庫(kù)上訓(xùn)練得到,在百度自建數(shù)據(jù)集上的效果 分類(lèi)準(zhǔn)確率為90%.來(lái)源:https://github.com/baidu/Senta..衡量意見(jiàn)領(lǐng)袖情緒

前文中的意見(jiàn)領(lǐng)袖情緒是采用本研究自建的Stack-LSTM模型判斷分類(lèi),訓(xùn)練數(shù)據(jù)的選擇和算法優(yōu)化建模過(guò)程可能影響研究結(jié)果,表8中采用了百度Senta工具分別判斷意見(jiàn)領(lǐng)袖和非意見(jiàn)領(lǐng)袖的帖子情緒類(lèi)型,從而重新計(jì)算出意見(jiàn)領(lǐng)袖情緒指標(biāo)(pos_kol)和非意見(jiàn)領(lǐng)袖情緒指標(biāo)(pos_other),并根據(jù)模型(3)再次檢驗(yàn)了意見(jiàn)領(lǐng)袖情緒與股票收益率的關(guān)系.列(1)和列(3)中,意見(jiàn)領(lǐng)袖情緒(pos_kol)的系數(shù)分別為0.438 1和0.743 7,并且均在1%水平上顯著,說(shuō)明意見(jiàn)領(lǐng)袖情緒與未來(lái)短期和長(zhǎng)期股價(jià)收益率顯著相關(guān).在列(2)和列(3)中,非意見(jiàn)領(lǐng)袖情緒(pos_other)與股價(jià)未來(lái)收益率顯著負(fù)相關(guān).另外,在列(4)至列(6)中,整體投資者情緒(pos_all)與股價(jià)未來(lái)收益率呈現(xiàn)無(wú)關(guān)或負(fù)相關(guān)關(guān)系.這些結(jié)論與前文一致,表明相比非意見(jiàn)領(lǐng)袖,意見(jiàn)領(lǐng)袖情緒能夠顯著且持久的預(yù)測(cè)股價(jià)未來(lái)收益率.

表8 基于百度Senta的意見(jiàn)領(lǐng)袖情緒對(duì)股票收益率的影響

3.5.4 用以往30天帖子檢驗(yàn)意見(jiàn)領(lǐng)袖情緒與季

報(bào)意外盈余的關(guān)系

考慮到以往90天的信息過(guò)于陳舊,投資者和分析師尚不能準(zhǔn)確評(píng)估上市公司意外盈余,表9使用了業(yè)績(jī)公告發(fā)布前3日~前30日期間的數(shù)據(jù)計(jì)算意見(jiàn)領(lǐng)袖情緒,并以分析師盈余預(yù)測(cè)的平均值和去年同一季度實(shí)際盈余(隨機(jī)游走模型)兩種方法來(lái)構(gòu)造意外盈余.列(1)和列(3)中,意見(jiàn)領(lǐng)袖情緒(pos_kol)與因變量均為負(fù)相關(guān),結(jié)論與前文一致.

表9 最近30天意見(jiàn)領(lǐng)袖情緒對(duì)意外盈余的預(yù)測(cè)能力

3.5.5 投資者對(duì)前5%或前10%意見(jiàn)領(lǐng)袖預(yù)測(cè)

能力的反應(yīng)

表10以上月影響力最高的前5%或前10%賬戶(hù)作為意見(jiàn)領(lǐng)袖,檢驗(yàn)其發(fā)帖準(zhǔn)確率與未來(lái)收益率的關(guān)系.其中,列(1)~列(3)是以影響力最高的前5%賬戶(hù)作為意見(jiàn)領(lǐng)袖,總體發(fā)帖準(zhǔn)確率(acc_all)對(duì)其下個(gè)月影響力沒(méi)有顯著影響,而正面帖子準(zhǔn)確率(acc_pos)則與其下個(gè)月影響正相關(guān),同時(shí)負(fù)面帖子準(zhǔn)確率(acc_neg)與其下個(gè)月影響負(fù)相關(guān).另外,判斷正確的正面帖子(pos_r)和判斷錯(cuò)誤的正面帖子(pos_w)都能顯著提高其下個(gè)月影響力,并且其系數(shù)都大于判斷正確的負(fù)面帖子(neg_r)和判斷錯(cuò)誤的負(fù)面帖子(neg_w).列(4)~列(6)將意見(jiàn)領(lǐng)袖標(biāo)準(zhǔn)調(diào)整為前10%賬戶(hù),結(jié)果與列(1)~列(3)一致.上述結(jié)果表明,普通投資者對(duì)正面和負(fù)面消息的關(guān)注程度存在明顯的不對(duì)稱(chēng)性,甚至抵制能夠準(zhǔn)確預(yù)測(cè)市場(chǎng)下跌的意見(jiàn)領(lǐng)袖,反而會(huì)認(rèn)同發(fā)表錯(cuò)誤積極言論的意見(jiàn)領(lǐng)袖.

本研究揭示了投資者情緒對(duì)個(gè)股未來(lái)收益率具有一定預(yù)測(cè)能力,這一結(jié)果與Das和Chen[9]、部慧等[14]不同,主要原因在于本研究根據(jù)社會(huì)影響力對(duì)投資者進(jìn)行了區(qū)分,只有少數(shù)具有影響力的意見(jiàn)領(lǐng)袖能夠預(yù)測(cè)市場(chǎng)未來(lái)變化,若考察投資者總體情緒的影響,則結(jié)果與現(xiàn)有研究一致.進(jìn)一步研究發(fā)現(xiàn),這些意見(jiàn)領(lǐng)袖并沒(méi)有掌握價(jià)值信息,他們能夠預(yù)測(cè)市場(chǎng)可能是由于其強(qiáng)大的影響力引導(dǎo)投資者整體行為方向與自身觀點(diǎn)趨同,從而使未來(lái)股價(jià)與其預(yù)期相符.同時(shí),本研究還發(fā)現(xiàn),無(wú)論判斷正確或錯(cuò)誤,意見(jiàn)領(lǐng)袖發(fā)布的正面帖子都能夠增強(qiáng)其影響力,甚至相比判斷正確的負(fù)面帖子,錯(cuò)誤的正面帖子能夠產(chǎn)生更大影響.上述研究結(jié)果說(shuō)明,由于賣(mài)空約束,網(wǎng)絡(luò)上的投資者群體明顯更為偏好樂(lè)觀的言論,而意見(jiàn)領(lǐng)袖可以通過(guò)發(fā)布夸張的看漲信息來(lái)吸引公眾關(guān)注,即便這些信息事后被發(fā)現(xiàn)錯(cuò)誤,也無(wú)損其影響力.從這些行為和行為產(chǎn)生的結(jié)果看,本研究認(rèn)為我國(guó)股吧論壇中的投資者群體存在非理性?xún)A向,即他們寧可接收錯(cuò)誤的樂(lè)觀信息,也不愿看到正確的悲觀信息.

4 結(jié)束語(yǔ)

本研究基于社會(huì)網(wǎng)絡(luò)分析技術(shù),以2011年1月1日到2017年12月31日東方財(cái)富網(wǎng)股吧論壇的發(fā)帖數(shù)據(jù)和對(duì)應(yīng)的上市公司特征數(shù)據(jù)為樣本,研究意見(jiàn)領(lǐng)袖情緒對(duì)未來(lái)個(gè)股收益率的預(yù)測(cè)性和原因,以及其他投資者對(duì)意見(jiàn)領(lǐng)袖判斷能力的反應(yīng).研究結(jié)果發(fā)現(xiàn):1)意見(jiàn)領(lǐng)袖情緒對(duì)未來(lái)1個(gè)月~6個(gè)月個(gè)股收益率均有顯著影響,而非意見(jiàn)領(lǐng)袖情緒和整體投資者情緒則不能預(yù)測(cè)市場(chǎng),說(shuō)明相比普通投資者,意見(jiàn)領(lǐng)袖對(duì)未來(lái)股價(jià)收益率的判斷更為準(zhǔn)確.2)為了研究意見(jiàn)領(lǐng)袖能夠預(yù)測(cè)市場(chǎng)的原因,本研究以上市公司季度業(yè)績(jī)公告為事件,考察意見(jiàn)領(lǐng)袖和非意見(jiàn)領(lǐng)袖情緒與意外盈余的關(guān)系,研究發(fā)現(xiàn),意見(jiàn)領(lǐng)袖情緒與意外盈余無(wú)關(guān),意見(jiàn)領(lǐng)袖并未比普通投資者掌握更多關(guān)于上市公司的價(jià)值信息,他們對(duì)股價(jià)的影響力可能是由于其觀點(diǎn)能夠引導(dǎo)投資者行為進(jìn)而使股價(jià)同向變化.3)本研究進(jìn)一步探究了投資者對(duì)意見(jiàn)領(lǐng)袖預(yù)測(cè)準(zhǔn)確程度的反應(yīng),研究發(fā)現(xiàn),意見(jiàn)領(lǐng)袖影響力程度與其總體判斷準(zhǔn)確率無(wú)關(guān),投資者群體更為關(guān)注發(fā)表正面觀點(diǎn)的意見(jiàn)領(lǐng)袖而忽視其觀點(diǎn)準(zhǔn)確性,同時(shí)排斥能夠準(zhǔn)確預(yù)測(cè)市場(chǎng)下跌的意見(jiàn)領(lǐng)袖.

本研究具有重要的理論與現(xiàn)實(shí)意義.首先,在理論上,研究了意見(jiàn)領(lǐng)袖對(duì)資本市場(chǎng)的影響及其影響力成因,從社會(huì)網(wǎng)絡(luò)的角度拓展了投資者情緒的研究.其次,監(jiān)管部門(mén)應(yīng)該制定相關(guān)法律法規(guī),加強(qiáng)網(wǎng)絡(luò)輿論監(jiān)管,規(guī)范意見(jiàn)領(lǐng)袖在網(wǎng)絡(luò)上的言論,并在必要時(shí)采取措施引導(dǎo)輿論方向,互聯(lián)網(wǎng)平臺(tái)也應(yīng)當(dāng)配合監(jiān)管部門(mén)進(jìn)行輿情管理,及時(shí)干預(yù)意見(jiàn)領(lǐng)袖的夸張言論,以避免非理性情緒在網(wǎng)絡(luò)上的蔓延.最后,監(jiān)管部門(mén)有必要加強(qiáng)投資者教育工作,使投資者特別是中小投資者對(duì)其所投資的金融產(chǎn)品風(fēng)險(xiǎn)有更充分了解,避免盲目聽(tīng)信他人,提高投資者的自我保護(hù)能力.

猜你喜歡
帖子領(lǐng)袖賬戶(hù)
領(lǐng)袖風(fēng)范
如何切換Windows 10本地賬戶(hù)與微軟賬戶(hù)
探索自由貿(mào)易賬戶(hù)體系創(chuàng)新應(yīng)用
Windows10賬戶(hù)的刪除、禁用與啟用
外匯賬戶(hù)相關(guān)業(yè)務(wù)
意見(jiàn)領(lǐng)袖們的“不老圣經(jīng)”
追尋領(lǐng)袖足跡 奮力追趕超越——學(xué)習(xí)《梁家河》
暴力老媽
平民領(lǐng)袖
高手是這樣拍馬屁的
镇江市| 阳朔县| 峨山| 甘谷县| 陆良县| 洮南市| 绵阳市| 元朗区| 保康县| 南郑县| 佛教| 阿尔山市| 闽侯县| 武冈市| 阳山县| 西城区| 黑龙江省| 胶州市| 名山县| 武冈市| 崇明县| 聂拉木县| 兴文县| 蚌埠市| 观塘区| 嘉鱼县| 洪洞县| 墨江| 乳山市| 绥滨县| 郯城县| 平塘县| 元江| 河津市| 汉川市| 武平县| 成武县| 铜陵市| 英吉沙县| 巫溪县| 涟源市|