杂志汇新经济导刊

博客传播动态与股票市场活动的相关性已经被一些专家学者建立了起来。毫无疑问，线下和网络世界的研究提供了证据，足以表明金融市场是由市场参与者的情绪状态驱动的。情绪和情绪对金融的影响是可以通过Twitter、Facebook或LiveJournal来衡量的。心情好的人更愿意投资高风险资产，回报则取决于投资者的风险偏好，风险偏好又取决于投资者的情绪状态，而大众情绪状态在社交媒体上往往有所体现。

媒体何能影响金融市场

金融市场上，投资者的预期往往受到来自利好消息或坏消息的信号的影响，从而导致金融市场波动。根据有效市场假说(EMH)，市场价格是由新闻消息和信息驱动的，而不是当前和过去的价格。股市价格遵循随机游走模式，无法以超过50%的准确率进行预测，因为市场中的消息渗透是不可预测的。

一系列有关研究通过衡量负面词汇在媒体中的力量，强调了媒体的作用，并且证明了，在信息不对称的条件下，投资者确实受到了最近新闻的影响。

首先在学术范畴引入并开创的有关研究，是对媒体和股票市场之间关系的研究。根据“哈佛-IV-04”词典中的定义，对“华尔街日报”文章中的负面词汇进行分类，研究结果表明，负面新闻降低了股票价格。

然而，随着时间的推移，价格往往又回到了正常水平，因为新闻本身并不能影响资产的基本价值。股票价格由市场因素来评估，并在长期内回归其基本价值。当然，诸如地缘政治以及国际风险，等等，很多外部冲击常常导致股市波动。

韩国延世大学有关研究团队利用半监督机器学习方法，将美国五家主要报纸的负面消息和正面消息进行分类，以考察朝鲜风险的程度及其对在纽约证券交易所(NYSE)上市的韩国公司股票价格的影响。结果发现与朝鲜有关的新闻对美国和韩国股市的波动有影响。

该研究团队成员可以说是引入了一种先进方法，以研究当朝鲜对韩国经济造成地缘政治风险时，美国的新闻“情绪”，对在NYSE上市的韩国公司的影响。

那些与情绪有关的“异常”往往以“错误地归因”的偏见来解释，根据这种偏见，人们由着情绪状态做出或会有危险的决定。对于不确定的未来的事件，好心情的人比较乐观。因此，一个人有幸福感的情绪对主观概率评价很重要。

积极和消极情绪状态同冒险倾向之间的关系，可以通过影响灌输模型(AIM)来解释，它假定情绪积极的人依赖积极的暗示做出决定。由于情绪启动效应，有积极情绪的人会将风险与积极的结果联系起来，与情绪消极的人形成了鲜明对比。

有研究认为，有积极情绪的人承担风险的倾向更高，因为他们使用启发式方法，并认为危险情况的后果更积极。消极情绪的人更容易看到危险，并且在决策过程中更加谨慎，因此，他们会因为有关风险决策的负面关联，而进行风险规避。

自动文本挖掘方法在对新闻情绪进行分类方面是有效的，特别是当研究人员在很长一段时间内必须处理大量的新闻文章时。例如，德国柏林洪堡大学的一项研究使用监督学习对新闻情绪进行分类，以预测股票价格的波动。加拿大不列颠哥伦比亚大学的一项研究使用了一个朴素贝叶斯分类器，分析了大约45家公司股票留言板上的1500万条互联网条目，并预测了道琼斯工业指数(DJIA)和道琼斯关于“雅虎金融”和“愤怒的牛市”的互联网指数。

研究人员们的结论是，新闻情绪的总体影响在统计上是显著的，但影响很小。这些“有监督的机器学习方法”的优势在于：创造了一本适应研究人员之用途的新词典；学会区分出现在不同语境中的同一个单词。

社交媒体预测股票、外汇市场

当前，社交媒体已成为公众讨论的热门话题，在过去几年里，它在学术界和业界的吸引力稳步上升。社交媒体包括很多著名的网站，在那里人们分享他们的想法、图片或视频，以及互联网社区，例如: Facebook、Twitter、Google、Youtube。相关数据表明，今天几乎所有的互联网用户都参与了社交媒体。

在实际中，用户生成的内容在业务预测方面的价值已在诸多方面显示出来。例如，在线消费者评论可以用来预测电子游戏销售、音乐销售或图书销售。快速、全球化，以及对各种政治、经济和社会事件的敏感反应，这些都是Twitter等社交媒体与金融市场的共同特征，那么，前者会“超机会水平”地影响后者吗？

像社交媒体——Twitter，它是全球性的，对国际新闻议程上的微小变化很敏感，可以说完全符合全球危机晴雨表的比喻。那么，这一比喻能否转化为对金融市场的影响？还有，对金融市场的预测是否可以从微博平台Twitter上公开的讨论和信息中提炼出来？

实际上，从Twitter获取的信息，已经成为对现实世界许多现象进行预测建模的有前途的数据来源。模拟的领域多种多样，如电影票房收入预测、流感类疾病的疾病活动、政治选举，还有：DJIA (道琼斯工业平均指数)等股市指标、目前被认为是外汇市场上最重要的货币对的欧元/美元汇率……

有关研究人员考察了在twitter.com上发布的大量推特信息是否与公众情绪有关，或者可以作为DJIA的预测指标。结果表明，公众情绪的变化(平静、警觉、肯定、重要、善良和快乐)与3—4天后发生的DJIA值的变化相匹配。此外，博客传播动态与股票市场活动的相关性亦被一些专家学者建立了起来。

在被认为是世界上最大的金融市场——外汇市场方面，有研究利用从Twitter获得的数据，模拟了欧元/美元汇率的高频日内交易规模。亦有研究探讨了从Twitter上的公开辩论中提取的数据，是否以及在多大程度上，有助于欧元/美元汇率的预测。

德国有关方面的学者Nofer和Hinz表示，在探索用户所生成内容对股票收益之影响这方面，实际中已经有了诸多研究成果。一般来说，人们可以区分对感兴趣的特定事物的情绪检测与情绪水平的分析，即积极或消极情绪状态的强度。例如，既有的方法侧重于通过分析消费者评论或股票留言板的内容，来衡量公司的情绪。

在这方面，是薄伦（Bollen）等相关专家学者进行了开创性的研究，其结果表明：从公众推文（tweets）中提取的情绪水平对DJIA具有预测价值。在整体情绪平静的时候(或者在某种程度上是快乐的)，从统计学的角度，可以发现DJIA在几天后有相关反应的显著迹象。

其他一些使用Twitter预测股市的研究也出现在最近几年。例如：有研究人员将Twitter的人气与谷歌的搜索量结合在一起，预测了大宗商品(如石油、黄金)和股票的回报率、交易量和波动性；有研究人员在stocktwits.com上研究了3个月的大约7万个帖子，也揭示了微博信息对股票市场发展的预测价值。

相关学者Nann等曾在欧洲信息系统会议的讨论中，基于Twitter、在线消息板和公司新闻的用户发帖，创建了一个交易模型，在考虑交易成本后，该交易模型的表现优于标准普尔500指数0.24%。而Sprenger等学者专注于被标记的tweets(例如，微软的MSFT)，并发现Twitter的人气与回报之间具有系数r= 0.166的相关性。

不只Twitter，其他社交网络也受到了考查。有学者研究了从LiveJournal上提取的情绪，显示标准普尔500指数在焦虑水平上升的情况下下降。在最近的一项研究中，学者Karabulut发现Facebook的国民幸福总值 (GNH) 可以预测美国股市的回报。

毫无疑问，线下和网络世界的研究提供了证据，表明股票市场是由市场参与者的情绪状态驱动的。行为金融和神经金融方面的研究人员试图解释投资者情绪与他们的交易行为之间的联系。例如，个人倾向于厌恶损失，这意味着他们更重视损失而不是收益。

虽然早期的研究通常是在实验环境中进行的，但社交媒体应用程序现在可以帮助揭示社交情绪。心情好的人更愿意投资高风险资产，比如股票。因此，股票回报取决于投资者的风险偏好，风险偏好又取决于投资者的情绪状态，而大众情绪状态在社交媒体上往往有所体现。

总之，情绪和情绪对股市的影响是可以通过Twitter、Facebook或LiveJournal来衡量的。基于情绪状态的股票收益预测可以看作是与有效市场假说相矛盾的市场异常现象。

关于通过社交媒体的浏览进行预测建模的研究，学者Janetzko认为其涉及到了三个领域的需求：第一，建模的所有领域都应该在社交媒体平台上引起公众的强烈讨论。实际上，获取这些数据可能不容易，也可能不昂贵。但是，显然不应该缺少可用于建模的数据。

第二，对于要建立模型的每个领域，因特网以外的明确的数字衡量标准，例如收入、股票汇率或大选结果，是必不可少的。这一要求强调，要预测的变量是任何预测设置中不可或缺的一部分。

第三，社交媒体通常会产生过多的数据。例如，Twitter是每天5亿条短信的中心。社交媒体的普及通常意味着寻找有助于所选择的建模任务的信息是具有挑战性的。因此，通过社交媒体数据成功建模的第三个要求是选择具有解释或预测潜力的信息。

上文所讨论的三项要求被认为有助于缩小使用Twitter模拟欧元/美元汇率的条件。因为：Twitter提供了一个全球平台，以前所未有的规模交换新闻、意见和评论。这类信息往往随着包括外汇市场在内的市场的波动而变化。欧元/美元汇率显然是一种易于建模的数值措施。从Twitter上收集的数据是否能够满足第三个要求，即具有解释或预测潜力的信息的选择，是一个值得更详细讨论的开放问题。

相关的一项研究显示，在Twitter上，对欧元危机的密集讨论与看跌的欧元和看涨的美元有关。反之亦然，如果关于欧元区任何危机的讨论正在失去势头，例如，由于欧元区的积极消息，那么欧元相对于美元的价值可能会上升。

关注社交媒体中的“情绪传染”

已有证据表明，社区结构在从社交媒体应用中提取情绪时起着重要的作用。关于扩散过程和信息级联的研究在社会网络分析和计算机科学领域有着悠久的传统。从实证研究中可知情绪状态具有传染性。

Bono和Ilies以及Sy等学者经研究发现，追随者和群体成员受到其“领袖”积极情绪状态的影响。学者Neumann和Strack的研究表明，倾听彼此的人之间会自动地传递感情。在现实世界中，情绪传染的另一个例子来自于学者Fowler和Christakis的研究，他们在一个真实的社交网络中观察了20年的快乐的传播。

最近的一些研究通过互联网来证实这些发现。在网络世界中，基于文本的交流可以在群体成员之间传播情感。即使在没有直接的社会互动的情况下，情感也会在互联网上蔓延。在最近的一项实验中，Kramer等学者在Facebook的689003名用户的新闻订阅中操纵了情绪积极和消极的帖子。事实证明，那些接触不到积极内容的人，他们自己的积极状态更新更少。

在之前既有的一些研究中，Twitter的网络结构也受到了考查。不过，到目前为止，研究人员只关注信息或情绪的传播程度，而不是情绪和情绪的传染。Lerman等学者指出，Twitter用户之间的联系非常紧密:好友和转发消息会导致一个庞大的社交网络，新闻故事和其他内容很容易传播。他们之前曾提出了一个框架，用于研究在线社交网络中的信息传递层叠。

一般来说，使用转发次数来衡量情绪感染可能很有趣。然而，学者Nofer和Hinz指出，只有很小一部分的tweet被转发。这一观察得到了实证研究的支持，这些研究也发现了转发的有限性。例如，Boyd等学者收集了720,000条微博来研究Twitter上的转发行为。在这个示例中，只有3%的tweet是重新发布的。Twitter关注者的数量经常被用来衡量社区内的影响力和受欢迎程度。追随者的影响也被认为是在literature中的in-degree影响，并描述了用户可能接触到的潜在受众。

然而，几乎没有研究在显示情绪水平与股票回报率之间的关系时，考虑到了互联网用户的社交互动。因此，学者Nofer和Hinz力图扩大以往的研究，将Twitter关注者的数量包括在分析中。每条推特的重要性取决于识别原始信息的用户数量。有广泛的证据表明，主要用户（“领袖”）对社区的其他成员施加了很大的影响。该研究还显示了情绪传染这一现象的存在，即情绪从“领袖”向追随者或在一般人之间的转移。最新的一些研究亦发现了情绪在互联网上蔓延的证据。

根据这些发现可知，情绪状态是可以通过基于文本的通信在互联网用户之间传播的。

巴克舍等学者在Twitter上量化了用户的影响力，得出的结论是，平均而言，那些“在过去有影响力并且有很多追随者”的人，更有可能在未来产生影响。Ruiz等学者研究了Twitter上的公司的对话，并在考虑用户活动和互动的情况下展示了与股价的相关性(例如，粉丝数量、转发次数)。

相关专家诺弗尔和辛茨研究了大约1亿条推文组成的样本。在初始分析中，没有发现总体情绪状态与股票市场之间的关系。然而，进一步的分析通过将Twitter关注者的数量纳入分析来考虑情绪传染。结果表明，有必要考虑情绪状态在互联网用户中的传播。根据相应的研究结果，诺弗尔和辛茨制定了德国股票市场的交易策略，在考虑交易成本后的六个月内，相应投资组合收益最多可增加36%。

公众情绪的变化与3—4天后发生的DJIA值的变化相匹配。有研究探讨了从Twitter上的公开辩论中提取的数据，是否以及在多大程度上，有助于欧元/美元汇率的预测。