CNDD前沿文献速递 | 媒体情绪如何传染到股票市场?

近年来,媒体舆情对资本市场的影响力日益凸显。例如在 2015 年 4 月,部分媒体报道“4000点才是A股牛市的开端”的观点,此后券商分析师信心指数环比增长 21%。而在 2019 年底,白酒行业关于甜蜜素事件的 负面舆情继 2012 年塑化剂事件后再次爆发,致使白酒板块的整体股价遭受了重大负向冲击。最新研究也表明,媒体舆情会引导市场注意力和交易行为,显著影响资本市场的价格波动性特征(Boudoukh et al.,2019;Kogan et al.,2018),甚至引起股票价格过度反应与反转效应(郦金梁等,2018)。那么,在中国资本市场中,媒体情绪所形成的意见环境是否会影响分析师的盈利预测行为?若上述影响效应存在,媒体情绪将通过哪些路径传染至分析师情绪?媒体情绪对分析师乐观偏差的传染效应又是否会影响资本市场平稳运行?然而 在以往的文献中,上述问题还未得到系统性的讨论。对这些问题的回答不仅有利于认识媒体报道及其情绪的潜在影响,也有助于更加全面客观评估证券分析师的行为及其有限理性特征,对进一步规范媒体行为和 深化证券分析师相关制度建设具有较好的借鉴意义。
为回答上述问题,本期分享的文章通过结合机器学习文本分析技术,基于媒体报道情绪的行为金融学视角,围绕“分析师是否有限理性”这一核心问题展开分析并论证,同时探究了分析师的有限理性行为是否会加剧资本市场波动风险。
01 文献简介

▪ 文献来源: 张宗新,吴钊颖.媒体情绪传染与分析师乐观偏差——基于机器学习文本分析方法的经验证据[J].管理世界,2021,37(01):170-185+11+20-22.
▪ 关键词:媒体报道情绪;分析师乐观偏差;股价波动;有限理性

▪ 内容简介:文章利用2013~2017年上市公司的百度新闻报道作为文本,运用机器学习文本分析方法测算情绪倾向得分,考察了媒体情绪对分析师预测行为的影响及其传染机制与风险后果。研究发现:(1)媒体乐观情绪会显著正向影响分析师盈利预测的乐观偏差度;(2)媒体情绪通过”分析师有限关注”与”投资者情绪”两条路径来影响分析师预测的乐观倾向;(3)分析师乐观情绪和媒体乐观情绪均会加剧股价波动及尾部风险,且分析师乐观情绪是媒体情绪影响股价波动的传导路径;(4)明星分析师与非明星分析师均会受到媒体情绪的感染,前者理性程度相对更高但其行为对股价波动冲击更为明显。文章对于规范媒体行为,矫正分析师过度乐观偏差,合理引导理性投资具有重要意义

▪ 创新点:(1)应用机器学习文本分析技术对媒体情绪进行有效识别与数据挖掘。(2)对新闻媒体情绪与分析师有效理性的传染机制进行深度剖析。(3)基于媒体情绪与分析师情绪视角为股价波动提供新的解释框架。

▪ CNDD相关数据推荐:

CNDD-0001 上市公司报刊纸媒报道及态度数据(日度高频)
CNDD-0002 上市公司网络财经新闻报道及态度数据(日度高频)
02 研究逻辑

乐观媒体情绪 → 吸引乐观分析师关注 → 分析师更高程度的乐观偏差
乐观媒体情绪 → 投资者乐观情绪感染 → 分析师更高程度的乐观偏差
▪ 媒体情绪传染与分析师乐观偏差:

媒体报道,特别是网络媒体报道,是证券分析师日常核心工作的主要信息来源,报道中所表达的部分有偏的观点与情绪会不可避免地向分析师传递,甚至干扰有限理性分析师群体的认知与判断。因此本文认为,分析师盈利预测的乐观偏差会受到媒体报道情绪这一非理性因素的显著影响。当市场上媒体情绪较为乐观时,一方面分析师基于公共信息提高对公司未来发展的信心程度,另一方面分析师可能受到媒体乐观情绪的感染变得更加激进甚至“过度反应”,从而发布较为乐观积极的分析报告以及存在乐观偏差的盈利预测。而当市场上媒体情绪较为悲观时,分析师会对公司的业绩表现保持更加谨慎的态度,同时悲观的媒体情绪也会平抑分析师的乐观倾向,由此导致分析师发布乐观程度较低的盈利预测。

▪ 媒体情绪传染效应的作用机制:

从“分析师有限关注”路径来说,认知资源的稀缺性使得分析师与普通投资者一样受到有限注意力的约 束 ,即 分 析 师 无 法 对 市 场 上 的 全 部 公 开 信 息 做 出 及 时 反 应(Dellavigna and Pollet,2009;Hirshleifer et al., 2009),也不能对所有上市公司的业务情况与市场表现进行追踪与预测。因此,分析师们往往将目光投射到市场热切关注或乐观看好的公司,体现出情绪驱动的特征。拥有乐观媒体情绪的上市公司能够吸引到更多具有乐观情绪的分析师的关注,而当乐观分析师关注度较高时,分析师在盈利预测时会产生更高程度的乐观偏差。

 从“投资者情绪”路径来说,行为金融学领域研究表明,市场情绪会通过干预投资者的信心建立和预期形成过程来进一步影响他们的投资决策行为。因此,当公司的媒体情绪较为乐观时,持有该公司股票的投资者会受到媒体乐观情绪的感染而对公司未来业绩持乐观态度。乐观的投资者情绪会进一步传递到分析师群体,促使分析师发布较为乐观的盈利预测报告。

03 研究设计

文章以 2013~2017 年间沪深两市 A 股上市公司为研究样本,处理后得到 5 年共计 134339 条分析师盈利预测数值信息,共包含 7904 个年度公司样本。
▪ 研究模型:
为考察了分析师的盈利预测行为是否会受到媒体情绪的驱动,设计如下回归模型(1):
图片

其中,FOPTi,j,t是每份分析师盈利预测的乐观偏差程度,SENTi,t-1 是公司 i 在每份分析师预测报告发布前 90 天内媒体报道情绪总值(取对数值)。若主要解释变量 SENTi,t-1 的回归系数 β1应显著为正,表明媒体报道情绪越乐观,分析师盈利预测的乐观偏差程度越高,媒体报道情绪越悲观,分析师盈利预测的乐观偏差程度越低。

为考察媒体情绪是通过哪些影响路径进一步传导至分析师情绪,构建中介效应模型。首先为了考察中介因子是否会影响分析师盈利预测乐观偏差,构建如下回归模型(2):

图片
其中,Intermediatei,t-1 是指中介因子,文章分别使用乐观分析师关注度 Followopti,t-1 以及个股投资者情绪 InvSenti,t-1作为中介因子来检验“分析师有限关注”影响路径与“投资者情绪”影响路径是否成立。
将媒体报道情绪SENTi,t-1 与中介因子Intermediatei,t-1同时作为主要解释变量,令分析师盈利预测乐观偏差FOPTi,j,t关于该两项解释变量进行回归检验,构建如下回归模型(3):
图片

如果传导路径成立,则在模型(2)中媒体报道情绪SENTi,t-1 的回归系数 β1应显著为正。在模型 (3)中,若媒体报道情绪的回归系数 β1以及中介因子的回归系数 β2都显著为正,这说明中介变量在媒体报道情绪影响分析师预测乐观偏差的过程中发挥部分中介效应作用。

▪ 变量定义:
图片
04 回归结果

下表展示了分析师盈利预测乐观偏差是否会受到媒体情绪非理性影响的检验结果。第 I、 II 列结果现实,媒体报道情绪会显著正向影响分析师盈利预测的乐观偏差度,即媒体报道情绪越 乐观,分析师盈利预测的乐观偏差程度越高,媒体报道情绪越悲观,分析师盈利预测的乐观偏差程度越低。

图片

下表的第II、III 列结果可以看出,媒体报道情绪与乐观分析师关注度之间呈显著正相关关系,当媒体报道情绪越乐观,由于分析师有限注意力的约束,此时这些受到新闻媒体积极看好的公司会引起更多具有历史乐观倾向的分析师关注。而当媒体报道情绪与乐观分析师关注度同时作为解释变量进行回归检验时,两个变量的回归系数都显著为正,Sobel 统计值为16.3 且在1%水平上显著,印证了乐观分析师关注度这一中介因子在媒体情绪传染过程中扮演了中间渠道的角色。对于投资者情绪的分析同理。

图片

图片
往期已推送数据

CNDD-0001 上市公司报刊纸媒报道及态度数据(日度高频)
CNDD-0002 上市公司网络财经新闻报道及态度数据(日度高频)
CNDD-0003 上市公司百度新闻指数(日度高频)
CNDD-0004 上市公司年报文本语气(多情感词典分析)
CNDD-0005 上市公司年报文本可读性
CNDD-0006 上市公司833变量合集(最全数据集)
CNDD-0007 上市公司各类型专利申请、授权、终止等16项指标
CNDD-0008 上市公司专利层面基本信息(千万级观测
CNDD-0009 上市公司股吧评论数据(日度高频)
CNDD-0010 供应商名称及采购额
CNDD-0011 上市公司客户名称及收入数据
CNDD-0012 上市公司政府补助数据
CNDD-0013 上市公司董事长与总经理基本信息
CNDD-0014 上市公司董事长与总经理任职信息
CNDD-0015 上市公司董事长与总经理教育背景
CNDD-0016 上市公司各类机构持股数据
CNDD-0017 DMSP中国各级城市灯光数据
CNDD-0018 全球各县区夜间灯光数据-DSMP中国各县区灯光数据
CNDD-0019 WIPO分类下上市公司绿色专利数量
CNDD-0020 WIPO分类下绿色专利基本信息明细(专利层面观测数据)
CNDD-0021 全国地级市住宅商品房平均销售价格(长时间面板数据)
CNDD-0022 上市公司申请专利被引信息(百万级观测数据)
CNDD-0023 上市公司授权专利被引信息(百万级观测数据)
CNDD-0024 全国各县区书院(从唐代至清代)
CNDD-0025 全国各区县孔庙遗存(自唐代到清代)
CNDD-0026 各地区明清历代进士人数(从明洪武到清光绪)
CNDD-0027 中国地级市变量合集(131变量最全数据集)
CNDD-0028 中国地区宗族家谱分布数据(从唐到民国时期)
CNDD-0029 中国各县佛寺基本信息
CNDD-0030 中国各县区道观信息
CNDD-0031 中国各县区方言片区基本情况
CNDD-0032 上市公司国有土地出让
CNDD-0033 上市公司环境治理补助
CNDD-0034 上市公司环保处罚
CNDD-0035 上市公司污染排放明细
CNDD-0036 上市公司排污收费
CNDD-0037 工业机器人数据(各国各行业面板数据)
CNDD-0038 中央、省级产业政策数据(基于“五年规划“)
CNDD-0039 联合国投票数据(可衡量国家外交关系质量)
CNDD-0040 分地区、分类型彩票销售数据(可衡量冒险精神)
CNDD-0041 上市公司专利质量数据
CNDD-0042 上市公司融资约束数据(FC、KZ、WW指数)
CNDD-0043 上市公司绿色专利质量数据
CNDD-0044 中国行政审批数据及学术论文应用
CNDD-0045 中国上市公司基本信息数据(含曾用名变化情况) 
CNDD-0046 上市公司高新技术企业数据(附Stata代码处理结果) 
CNDD-0047 上市公司华证ESG评级数据(附Stata处理代码)
CNDD-0048 上市公司数字经济创新数据(附Stata处理代码)
CNDD-0049 上市公司数字经济专利质量数据(附Stata处理代码)
CNDD-0050 家族企业基本信息数据(附家族企业股权结构图)
CNDD-0051 家族企业结构组成数据
CNDD-0052 中国海外上市公司基本信息数据 
CNDD 全国各地区儒家文化变量数据合集
CNDD 中国上市公司创新变量数据合集(全网最全)

版权声明 …

1. 除中国深度数据库(CNDD)特殊声明外,CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权,不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分,否则视为侵权。

2. 对于存在侵害CNDD上述权利违法行为的主体,CNDD保留依法追究其法律责任的权利。

数据授权使用说明 …

任何使用CNDD数据等产品的单位和个人,承诺只将CNDD的数据等用于学术研究,并在所得研究成果(包括但不限于学术论文、咨询报告等)中注明数据来源于CNDD。数据来源的注明方式请参考:“本研究数据来源于中国深度数据库CNDD”;英文参考:“We get the data from CNDeepData (CNDD)”。

图片

中国深度数据库:让精品数据 得以流动

CNDeepData:Let high-quality data flow without barriers

部分图片来源于网络,如涉侵权请告知,本站将第一时间删除。客服微信号:DeepData001

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部