新闻资讯、投资者情绪与上市证券公司股价波动——基于TVP-VAR模型的实证研究

□ 唐志军 赵婕

随着我国金融市场的发展完善及国民经济水平不断提升，民众参与证券市场投资的积极性持续增强。截至2021年9月，股票市场投资者数量已突破1.9亿，且散户投资者数量正不断攀升。投资者情绪能够反映投资者对股票市场预期表现的判断并能够指导其投资行为，然而普通投资者由于缺乏专业投资知识且处于信息劣势，财经报道、新闻资讯等已然成为了大多数投资者的信息来源和决策依据，因此投资者容易受到这些新闻情绪的影响做出非理性投资判断和决策，引发股市异常波动，从而不利于证券市场稳定。并且上市证券公司作为我国资本市场的重要一环，一方面它是金融中介机构，另一方面其本身也是最活跃的专业投资者。这种特殊地位和职能决定了其在股价波动研究中的特殊性和重要性。为防范证券市场的股价波动风险，避免投资者非理性情绪引起股价剧烈波动并造成严重的负面影响，众多学者对此进行了探索研究。

关于投资者情绪，我国经济学家饶育蕾（2003）给出的定义指出，投资者情绪是投资者心理偏差的反映，是对未来资产价格预期的系统性偏差。在实证研究过程中，学者通常将其理解为投资者对特定金融资产或金融市场表现出的整体态度。投资者情绪的度量及指数构建方法大致分为如下三种：一是利用调查问卷或采访的方式来度量情绪，如王美今和孙建军（2004）使用BSI指数度量了投资者情绪并用以分析对沪深两市股票收益及其波动的影响。二是使用单一或多个经济指标来构建投资者情绪指数。通常采用的指标有消费者信心指数、市场流动性指标和成交量等。这种单一指标方法的局限在于受指标选择的影响较大，通常说服力不足。为了弥补这一局限，国内外诸多学者采用结合多个经济指标共同构建情绪指数的方法。如Baker和Wurgler（2006）采用交易量、IPO数量与上市首日收益等六个情绪代理变量构建出一个复合投资者情绪指数（BW指数），得到了国内外众多学者的认可和应用研究。易志高和茅宁（2009）则根据我国实际情况选择了六个指标并使用主成分分析法构建了综合投资者情绪指数（CICSI），同时控制了宏观经济周期变量的影响。三是使用网络爬虫和文本分析等技术获取互联网中有关文本信息并计算出它们的情绪分值，直接反映新闻或投资者情绪。如我国学者尹海员（2016）对847篇权威新闻媒体报道进行文本分析处理，构建了媒体报道情绪的测算指标，研究了我国股票市场中新闻媒体报道对投资者情绪的影响效应。Kelly和 Ahmad（2018）则从华尔街日报和金融时报中获取有关评论观点，并利用自然语言处理技术得到文本情绪变量，分析了其对股票及原油市场的影响。

在投资者情绪和新闻情绪对股价波动的影响方面，国内外学者发表了较多研究成果以供参考：投资者情绪对资产价格波动的影响广泛被描述为投资者对当前市场形势的反应和对未来现金流的不合理预期。对于投资者情绪与股价波动的影响关系，主要研究包括投资者情绪与市场异常收益的关系、投资者情绪对不同特征和不同时期股票收益的影响关系等方面。多数研究表明投资者情绪显著影响股市收益及其波动，但对于投资者情绪如何以及何时对股价波动产生怎样的影响，仍没有得到一致的结论。其中多数学者提出，投资者情绪的提升会显著提高股价波动率；
也有少数观点认为，投资者情绪与股价波动负相关。同时在研究投资者行为与股票市场相关性的过程中，一些学者发现，新闻报道也会显著影响股票收益及其波动。具体而言，过往许多文献从媒体关注角度出发，用新闻报道数量表示媒体关注度,指出新闻报道数量增加会提高股票交易量。而目前多数观点从投资者关注角度出发，认为以新闻为主的公共信息对投资者信心和预期的形成具有重要作用，新闻报道通过影响投资者决策行为进而影响股票市场。

在已有研究基础上，本文通过爬取文本数据对我国券商股价波动问题进行了研究。创新点主要体现在两个方面：一是情绪度量方法的创新。国内研究大多是基于单个或几个经济指标，采用主成分分析等方法构建间接指标用以衡量投资者情绪指数，本文则利用网络爬虫技术直接爬取东方财富网中对应公司的新闻资讯和评论数据并进行文本情绪指数计算，是情绪的一种直观反映，并且本文基于以往研究对情绪指数的计算方法进行了改进。二是研究方法的创新。多数学者相关研究采用的计量模型是线性回归模型及其衍生模型，其局限在于无法描述变量之间的非线性关系特征及其动态变化过程。本文采用带有随机波动的时变参数向量自回归(TVP-VAR)模型，通过其时变系数、冲击协方差矩阵以及时变脉冲响应函数能够更加准确地反映新闻资讯和投资者情绪对股价波动的时变性影响。

（一）投资者情绪与股价波动

从传统金融理论来看，影响上市公司股价波动的因素主要包括宏观经济与政策因素、行业与部门因素以及公司的经营状况等。而随着行为金融学的兴起，投资者情绪也被认为是影响股价及其波动的重要因素。传统有效市场假说建立在投资者完全理性的假设前提下，认为投资者的决策是基于理性预期、风险厌恶和效用函数最大化。并且认为即便存在非理性投资者，其非理性行为影响会彼此抵消。然而实际上，行为金融学中的投资者有限理性理论指出，投资者并非完全理性，非理性投资者的行为决策也并非完全随机。我国股市中普遍存在的有限理性行为偏差主要表现在羊群行为、过度自信以及过度反应与反应不足等，这类行为最终会引起股票收益率的异常波动。具体来说，市场投资者不论是普通的散户投资者还是专业的机构投资者，都普遍存在“过度自信”和“羊群效应”。投资者对自己的判断能力过于自信，总认为自己有能力做出正确的决策。这种现象被认知心理学称为“过度自信”， 即认为自己所获得的知识或信息的准确性比事实中的某种程度更高的一种信念。投资者的过度自信会导致其频繁交易，使得市场交易量增大，对市场波动性产生影响。对于价格接受者来说，过度自信会使得他们过度估计其个人信息，从而导致总的信号被过度估计，于是价格偏离真实价格，市场波动增加。同时过度自信的做市商会促使内部人揭示更多私人信息，使价格设定更接近真实价格，市场波动也会因此增加。另外，羊群效应也在很大程度上影响股价波动。对于个体投资者来说，由于处于信息不对称的劣势地位，在信息环境不确定的情况下，为了趋利避险，获得更多有利信息，容易追随他人决策或依赖舆论做出非理性判断。而机构投资者尽管处于信息优势地位，但他们对同行的交易情况更加了解，互相之间具有高度的同质性，并且委托代理问题的存在会使得羊群效应加剧。当投资者情绪提升，“过度自信”和“羊群效应”将在交易行为中被进一步放大，促使股价波动更加剧烈。

综上所述，提出假设1：投资者情绪对股价波动具有正向影响。

（二）新闻资讯情绪与股价波动

公开新闻资讯由于容易获得且成本较低，因此成为众多投资者的信息来源和决策依据。注意力驱动效应指出，投资者由于注意力有限，因而更容易被新闻报道密集的股票吸引，因为新闻资讯在一定程度上是帮助投资者在市场上众多股票中进行了筛选。在有效市场中，能够引起资产价格变化的新闻一种是有关预期未来现金流的新闻，另一种是有关现金流风险（贴现率）的新闻，而有利的信息将与预期未来现金流的风险下降有关。因此，积极的新闻资讯可以通过降低投资者对未来收益的不确定性，在一定程度上避免投资者情绪带来的行为偏差所引发的股价异常波动。从这点来看，新闻资讯情绪的积极提升可以降低股价的波动性。此外，虽然新闻媒体看似总是充当市场事件的旁观者，但其本身也是事件的参与者。新闻媒体作为信息传播工具，可以通过议程设置积极影响投资者的注意力和思考方式，从而对股票价格造成冲击。在一些特殊情况下，媒体在致力于提高投资者对新闻关注度的同时，也可能成为投机性价格变动的主要宣传者，导致投资者对事件产生更强烈的反馈，并引发注意力的连锁反应，造成股价波动上升。同时，信号传递理论指出，公司主要通过“利润宣告”“股利宣告”和“融资宣告”三种信号向公众传达有关公司的内部信息，并且管理层更乐于向投资者传达公司的优良业绩表现。但对于证券分析师和研究员来说，来自经纪佣金和投行收入的强大经济激励可能会影响其研究的客观性和可信度，且大量的研究报告只是对过去事件的回顾性分析，可能导致信息传递的及时性不足。基于此，新闻资讯可能加重个人投资者的“过度自信”，即更加相信自己的判断而忽略所披露的信息，从而进一步放大投资者情绪对股价波动的影响。

综上所述，提出假设2：新闻资讯情绪对股价波动的影响效应是时变的。

（一）数据选取

本文主要考察2018年1月1日至2021年12月24日期间以5天（一周交易天数）为周期的新闻资讯、投资者情绪与上市证券公司股价波动数据，共得到202个周期数据。计算新闻资讯情绪指数所使用的文本信息来自东方财富资讯，涵盖包括证券时报网、每日经济新闻、证券市场红周刊、上海证券报等国内金融新闻媒体所发布的新闻资讯内容，经去除广告和重复内容等预处理后共得到52826条有效新闻资讯；
用来计算投资者情绪指数的评论文本数据来自东方财富网股吧（http://guba.eastmoney.com/），经过预处理后共得到1441594条评论。截至2021年12月，我国共有49家上市证券公司。考虑到所选取的股票相关数据可得性，用于度量股价波动率的股票是参考我国券商指数选取的包括中信证券、东方财富、海通证券、华泰证券、国泰君安、招商证券、申万宏源、广发证券、东方证券和兴业证券在内的35支证券股。

（二）新闻资讯及投资者情绪的度量

本文的情感分析使用cnsenti (Chinese Sentiment)，其基于情感词典的方法对文本进行正负情感分析。基于词典的情感分析方法是对人的记忆和辨别模式的模拟，如图1所示，首先对爬取到的评论和新闻文本进行分词、删除停用词等预处理，将段落或句子拆分为单个词汇的集合，再利用构建好的情感词典，对预处理后的文本进行字符串匹配，从而得到文本中正负情感词汇的个数。并以此量化新闻资讯情绪和投资者评论情绪，再通过构建新闻资讯和投资者情绪指数来分析二者对股价波动的影响效应。

情感分析中一个重要的部分是情感词典的构建，情感词典是包括预先定义的正向情感和负向情感词汇的语料库。情感词典通常由人工或机器学习的方法对大量文本内容进行整理收集得到，其所囊括词汇的全面性和精度将会影响情感分析的效果。cnsenti默认使用大连理工大学信息检索研究室的情感词汇词典以及知网Hownet情感词汇词典，但是上述两个词典所包含词汇数量较少且并非针对金融领域构建，而唐国豪等(2016)指出，进行不同领域的文本内容情感分析时应当使用对应领域的情感词典，如“庄家”这个词汇在其它领域可能是中性词，而在股吧评论中通常包含一定的负面情绪。若对金融领域文本使用通用情感词典可能会降低准确度。因此我们将cnsenti的默认词典替换为姚加权等（2021）利用长短时记忆神经网络（Long shortterm memory, LSTM））对大量金融文本进行分析并整合已有部分中文词典构建的金融情绪词典。同时中文语句的情感可能受到上下文的影响，且距离越近影响越大，而LSTM对于越近的词汇赋予越大权重，能够很好地捕捉这种关联，因此其所构建的情感词典具有相对更高的准确度。此外，考虑到普通用户的发言与新闻中的措辞可能存在差异，即新闻资讯使用的词汇通常会更谨慎，在表达情绪方面更隐晦，而股民的评论通常更为直截了当，情绪用词更加强烈。对此姚加权等使用雪球和东方财富的用户发帖构建了非正式用语词典，同时使用上市公司年报数据构建了正式用语词典。对应的，本文对于股民评论文本使用非正式词典来进行情感分析，而新闻资讯文本则使用正式词典。

对于情绪指数的构建，姚加权等(2021)提出了式（1）来度量某一日的情绪：

其中，Bullishnesst为当日的情绪指数，其中Positivet为日期t的所有评论或新闻中正面词汇的个数之和，Negativet为日期t全部评论或新闻中负面词汇的个数之和，而total wordt=Positivet+Negativet。

然而该指数并没有考虑到当日评论或新闻资讯总数量的影响，部慧等（2018）提出评论或新闻的数量反应了投资者对股票的关注程度，同样是情绪的重要体现，因此我们在式（1）的基础上修改为式（2）：

其中，Bullishnesst代表投资者情绪指数comment或新闻资讯情绪指数news；
Countt为日期t的评论数或新闻数。之后对日数据作算术平均获得每周情绪指数。

（三）股价波动率的度量

本工作通过获取2018年1月1日至2021年12月24日上市证券公司股票收盘价，分别计算日收益率rt=lnPt-lnPt-1，并按券商指数比例进行加权平均得到组合的日收益率数据，共计972个观测值。经检验，上市证券公司股价收益率序列平稳，且残差平方存在相关性，具有ARCH效应（如图2所示）。然后尝试对收益率序列建立多个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，并对其依据AIC信息准则进行检验筛选。最后本文采用GARCH（1，2）模型估计上市证券公司每日股票收益波动率，然后以5天为周期进行加总来反映每周的波动情况。

（四）平稳性检验和最优滞后阶数确定

对前面计算得到的每周投资者情绪指数、新闻资讯情绪指数以及通过GARCH（1，2）模型估计得出的股价波动率的三组时间序列分别进行单位根检验，检验结果如表1所示：

表1 单位根检验

从上述检验结果来看，无论是ADF检验还是PP检验，检验统计量在1%的显著性水平下，均远小于其临界值（p值远小于0.01），因此我们均拒绝原假设，认为以上时间序列都是平稳的。

在对TVP-VAR模型进行参数估计之前需要确定其最优滞后阶数，本工作使用eviews中的Lag Order Selection Criteria对滞后阶数进行检验。最优滞后阶数的确定通常依据AIC和SC准则进行判断，从下表2中的检验结果可以看出，无论是以AIC还是SC为判断标准，应设置TVP-VAR模型的最优滞后阶数为1阶。

表2 最优滞后阶数检验

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模型构建

由于TVP-VAR模型具有时变参数并假定随机波动率，更能捕捉到经济变量在不同时代背景下所具有的关系和特征，为考察新闻资讯和投资者情绪对股价波动的影响，探究新闻资讯情绪指数(news)与股价波动率(volatility)以及投资者情绪指数(comment)与股价波动率(volatility)之间关联关系的时变性和非线性特征，以及捕捉特定时期新闻资讯和投资者情绪变化对股价波动的冲击效应，本文选取Nakajima(2011)提出的TVP-VAR模型进行实证分析，模型构建方法如下：

第一步，引入SVAR模型：

TVP-VAR模型假设的随机波动性显著提高了模型的估算性能，可以使用贝叶斯框架下的马尔科夫链蒙特卡罗（MCMC）方法来估计模型，该方法通过在概率空间中随机采样估算兴趣参数的后验分布。

（一）参数设定及估计结果

表3 参数估计结果

结果显示，参数后验均值均处于95%的置信区间内，Geweke收敛诊断值均小于1.96，因此在5%的显著性水平下，不能拒绝参数收敛于后验分布的原假设。Inef统计量即无效因子，Inef=n,意味着需要抽样n次才能得到一个不相关的样本，所以该值越小说明样本越有效，且表中除了的Inef值为100.54以外,其余所有参数的Inef值都小于100，说明在设置的10000次的抽样次数下，通过 MCMC算法获取的不相关样本足以对TVP-VAR模型进行后验推断。

（二）抽样样本收敛性检验

图3展示了抽样收敛性的图形检验。第一行图是抽样样本自相关系数检验，其中自相关系数均表现为迅速下降并最终趋近于0，说明抽样样本不存在明显的自相关性；
第二行图是抽样路径检验，可以看出抽样数据围绕样本均值上下稳定波动，波动聚类明显，说明抽样样本有效；
第三行图为抽样样本的后验分布检验，可以看到抽样样本分布均收敛于后验分布。综上所述，通过MCMC算法获得的抽样样本收敛，结合参数估计结果可以判断TVP-VAR模型的估计是有效的。

（三）时变关系的特征分析

图4和图5分别刻画了投资者评论情绪、新闻资讯情绪与股价波动率之间的动态时变关系特征（横坐标表示时间周数）。

图4描述了投资者评论情绪对上市券商股价波动率的时变影响。可以看出在整个时期内，影响系数始终为正，表明投资者评论情绪对股价波动率的影响作用主要是正向的，这一发现也进一步证实了投资者情绪的提升可以显著提高股价波动率的观点。同时在影响强度上表现出平缓的增强趋势。

图5则描述了新闻资讯情绪对上市券商股价波动率的时变影响。我们从图中可以看到，在整个时期内，影响系数随时间不断变化，且新闻资讯情绪对股价波动率的影响大多是负向的，这一结论从实证角度完善了相关研究内容。同时可以发现在77期到106期和180期到202期之间影响效应为正，这也说明新闻资讯情绪对股价波动的影响作用具有明显的动态时变特征。

（四）不同时滞期的脉冲响应分析

等时间间隔脉冲响应函数反映了不同提前期冲击变量的单位正向冲击对被冲击变量产生的影响。图6和图7分别反映了对于不同的提前期，股价波动率对投资者评论情绪（εcomment→volitility）和新闻资讯情绪（εnews→volitility）的脉冲响应函数。本文选取的提前期分别为1期（短期）、3期（中期）和5期（长期）。从下图中可以看出，在不同的提前期下，股价波动对投资者评论情绪和新闻资讯情绪冲击的脉冲响应在程度上有所差别，并表现出明显的时变特征。

1.投资者情绪对券商股价波动率的影响分析

从图6的等时间间隔脉冲响应函数可以看出，股价波动率对投资者情绪冲击的短期脉冲响应曲线始终为正，且短期影响最为强烈，中期影响较之减弱，而长期影响趋近为0。股价波动对投资者情绪冲击的脉冲响应曲线为正，表明投资者情绪的提升会加大股价波动，基本验证了前面相应的研究假设。

投资者情绪对上市证券公司股价波动的正向影响主要是从“过度自信”“羊群效应”和“持有更多效应”等方面产生作用。当投资者情绪提升，市场投资者普遍存在的“过度自信”和“羊群效应”等行为偏差会随之增加。当投资者情绪高涨，个人投资者能量快速聚集，极易形成趋同性的羊群效应，在股票大涨时信心大增蜂拥而入，而当股市大跌时，又纷纷恐慌抛售，于是引起股票价格的剧烈波动。同时，持有更多效应说明在存在噪音交易者的市场环境中，噪音交易者在情绪更加高涨时会增加对风险资产的持有从而增加市场风险，并提高预期回报。根据Devault等(2019)的研究，当积极情绪出现时，噪音交易者会转向更具投机性的股票。由于羊群行为，情绪驱动的噪音交易者一致交易，导致交易量迅速增加，从而造成股价波动率提高。而随着提前期增加，投资者对股票的理解更加趋于理性，中长期股价波动逐渐回归正常，即表现为股价波动率受投资者评论情绪冲击的程度逐渐减小。

2.新闻资讯情绪对券商股价波动率的影响分析

图7的等时间间隔脉冲响应函数表明，新闻资讯情绪的提升对股价波动率的影响效应大多是负向的，在某些特定时间段表现为正向效应，且影响强度随时间变化。同时从短期（1期）和中期（3期）来看，脉冲响应函数走势基本相似，主要在响应程度上有所区别。其中短期响应强度最大，且在某些时间段响应方向为正向，中期响应则程度较小。就长期（5期）来说，股价波动率对新闻资讯情绪冲击的响应程度最小，脉冲响应函数走势则更为平缓。

从图7可以看出新闻资讯情绪对券商股价波动的影响具有明显的时变性，这与先前的研究假设基本一致。本文计算新闻资讯情绪指数所使用的文本信息来自于东方财富资讯，主要包括以公司业绩、股利分配和融资消息为主的公司个股新闻资讯及证券行业政策与研究员解读。从情绪指数值来看，新闻资讯大多是积极的，这些新闻内容能够对投资者预测公司未来现金流产生方向性影响。也就是说，积极的新闻资讯可以告知市场比先前预期的更高水平的现金流并减少市场的不确定性，从而使得投资者更加趋于理性，降低投资者情绪所带来的股价异常波动。而在某些特定时期，新闻资讯情绪的提升反而加大了“过度自信”和“羊群效应”等投资者情绪和行为的偏差，引发了股价波动的上升。这可能是因为在利用这些资讯时，投资者会意识到其倾向于美化公司过往业绩和未来前景，从而更加倾向于相信自己的理解和判断并忽略所披露的信息，进而放大了“过度自信”带来的股价波动。另外，当新闻媒体充当投机性价格变动的宣传者时，新闻情绪的渲染会导致投资者的过度反应，更容易引发“羊群效应”并造成股价波动上升。对于中长期而言，新闻资讯情绪对股价波动率的影响很小，这是因为投资者过度的非理性情绪对股票收益造成的影响在中长期会逐步得到修正。

（五）不同时间点的脉冲响应分析

这里依据投资者情绪指数值分别选取了研究期内3个最高点对应的不同时期进行不同时间点的脉冲响应对比分析，分别是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时，国内正经历股市危机和贸易摩擦，面对全球经济放缓、金融市场动荡的局面，投资者避险情绪增强。此时国内出台的一系列货币金融政策，包括进一步降准降息、支持银行理财子公司和保险资金加大股市投资以及支持民营企业债券融资等措施大力利好券商股，券商投资者情绪指数处于这一时期的最高点；
在t=59时，受中美贸易磋商取得积极进展、美联储暗示结束缩表和证监会发布《关于在上海证券交易所设立科创板并试点注册制的实施意见》等利好事件的影响，券商板块上市公司业绩表现突出，金融行业投资者关注度自2019年1月股市上涨以来显著提升，券商投资者情绪指数在近期达到过去一年的峰值；
在t=128时，国内继续实施宽信用政策和支持企业复工复产，伴随资本市场改革加速以及利好政策密集出台，我国经济自疫情爆发后逐步复苏，投资稳步回升。上证综指大幅上涨带动股市回暖，券商指数持续走高，对应的投资者情绪指数达到研究期内最高值。同时，对应以上三个时点的股价波动率也均处于研究期的最高值。

图8展示了不同时间点股价波动率对投资者情绪冲击的时变脉冲响应。从影响方向上看，股价波动率对投资者情绪冲击的响应方向均始终表现为正向，且不同时间点的响应形态较为相似，均是在当期即产生正向影响，说明影响不存在时滞，随后响应程度持续增强，在达到峰值后经历了两阶段的下降过程，第一阶段的下降速度较慢，经历时间也较短，后一阶段下降速度明显加快，直至第15期趋近于0。并且投资者情绪在处于极端值时，即在初次疫情后的经济复苏期（t=128），脉冲响应在第一阶段的下降速度更快，说明情绪的高低可能会影响投资者决策反应的速度。同时从影响程度上可以看出，这一时期的影响程度也最深，说明投资者基于对未来的乐观预期表现出了更强的“持有更多效应”。

图9展示了不同时间点股价波动率对新闻资讯情绪冲击的时变脉冲响应。可以看出以上不同时间点新闻情绪对股价波动率的影响均为负向，但在程度上有所区别。从响应形态来看，都是先立即产生一个负向冲击，然后反应程度逐步减弱，在第15期之前趋近于0。同时可以发现，以上时期的负向反应最大值均出现在当期，且在t=42时新闻资讯情绪对股价波动的影响程度最深。从影响的时间长度上看，不同时间点的表现几乎相同。因此，新闻资讯情绪的提升可以降低上市证券公司的股价波动，但在影响程度上表现出各自的细节差异。

本文使用时变参数向量自回归模型，采用周度数据，探究了新闻资讯、投资者情绪对我国上市证券公司股价波动的动态影响关系。研究发现:（1）由于投资者有限理性和持有更多效应，投资者情绪对上市证券公司股价波动主要表现为中短期正向影响。（2）新闻资讯情绪可以通过影响投资者情绪和决策行为引起股价波动，由于个股新闻资讯传达了对应上市证券公司的未来现金流及风险等信息，降低了投资者对未来收益的不确定性，从而对股价波动主要表现为短期负向影响。（3）新闻资讯情绪对股价波动的影响是时变的，当新闻媒体充当投机性价格变动的主要宣传者，或新闻资讯的质量下降时，新闻情绪可能放大投资者心理和行为偏差并对股价波动产生短期正向影响。

上市证券公司作为专门从事有价证券买卖的大型企业，其股价的异常波动在很大程度上不利于金融系统的稳定。本文基于上述结论，对上市证券公司提出以下建议：首先，需要构建一套能够切实反映证券公司实际情况并准确描述投资者情绪发展状态的风险评价指标体系和实时监测预警系统，同时在投资者情绪发生异常波动的早期阶段需要更加关注其程度的变化。其次，应在准确性和时效性等方面加强对从业人员发布研究报告等业务的规范要求，证券研究员或分析师要尽量做到客观审慎、实事求是地为投资者提供投资建议或咨询服务，修正投资者情绪带来的心理偏差。当投资者情绪出现异常波动时，可以适当发挥对个人投资者的情绪引导作用，稳定和摆正投资者情绪，避免造成股价的剧烈波动。最后，应当完善和优化投资者沟通平台建设，获取更加全面的投资者评论信息，提高处理投资者意见和问题的效率，同时监管部门可以通过这类平台获取“投资者情绪因子”，并据以决策是否需要干预金融市场的波动。

猜你喜欢 新闻资讯脉冲响应波动 新闻资讯今日农业(2022年3期)2022-06-05新闻资讯今日农业(2022年4期)2022-06-01新媒体时代主流媒体传播方式的新探索记者观察·中旬刊(2021年6期)2021-09-162021年麦市大幅波动概率不大今日农业(2021年5期)2021-05-22供需略微宽松 价格波动缩窄今日农业(2020年20期)2020-12-15浅议电视新闻资讯节目的播音主持艺术特点艺术研究(2018年2期)2018-10-22中国原油进口需求主要受国际油价影响吗？金融发展研究(2016年11期)2017-01-12基于脉冲响应的厅堂音质评价研究演艺科技(2016年11期)2016-12-24农村劳动力转移影响因素与转移数量的动态关系研究商业经济研究(2016年14期)2016-09-14浅析基于计量方法的农业贷款对农业发展的影响商(2016年3期)2016-03-11

推荐访问:证券公司 股价 新闻资讯