1.1.2　研究意義

傳統金融學的“有效市場理論”（EMH）認為證券市場的波動由“新信息”驅動，理性投資者根據上市公司基本面的“新信息”不斷更新對證券未來價值的預期，調整投資行為，從而推動證券市場波動（Fama，1965）。可見，媒體報道在一定程度上傳遞了上市公司基本面情況的“新信息”。Solomon等（2012）發現媒體高曝光能夠使投資者對上市公司未來前景形成更高的預期，從而導致更高的股票價格。Engelberg和Parsons（2011）指出，媒體對相關公司的曝光可以顯著提升投資者對該公司股票的交易頻率和交易量。近代行為金融學的“非理性投資者理論”發現，證券市場的異常波動是由非理性投資者的情緒沖動引起的（De Long et al.，1990；Shleifer et al.，1997），投資者可能會受到媒體信息中的同行意見或專家傾向性觀點的影響，產生的非理性投資行為導致證券市場的波動。Tetlock（2007）和Tetlock等（2008）在金融學頂級期刊Journal of Finance上連續發表了兩篇研究報告，通過對16年的《華爾街日報》新聞的分析，首次論證了運用新聞信息來捕捉投資者非理性行為對相關證券波動影響的有效性。2019年，Calomiris和Mamaysky在頂級金融學期刊Journal of Financial Economics上發文，通過對51個國家證券市場的檢驗，發現財經新聞可以預判一個國家證券市場的未來發展趨勢（Calomiris et al.，2019）。綜上所述，不論是傳統金融學中基于市場對信息吸收能力的EMH，還是近代行為金融學中的信息對投資者情緒影響的“非理性投資者理論”，都認同證券市場的波動與媒體關于資本信息的發布、傳播和吸收是緊密相關的（De Long et al.，1990；Fama，1965；Rechenthin et al.，2013）。

隨著信息技術的發展，證券市場媒體效應研究逐漸被計算機學者關注，他們嘗試采用基于機器學習的分類模型來捕捉媒體信息與證券市場風險波動之間的關系。Bollen等（2011）成功從1 000萬條推特信息（Tweets）中提取出投資者公眾情感，并利用自組織模糊神經網絡（self-organizing fuzzy neural network，SOFNN）模型，發現其中的“冷靜”情感指標與未來3至4天的道瓊斯工業平均指數（Dow Jones industrial average，DJIA）有驚人的相似性，對DJIA趨勢預測的準確率達到了86.7%。為了準確預測未來的真實股價，而不僅限于變化趨勢，美國亞利桑那大學的Schumake和Chen（2009b）率先運用了SVR來直接分析新聞對股票具體價格的影響。Li等（2014b）發現媒體信息發布后的第26分鐘對股價的影響最大，隨著時間的推移，影響逐漸變弱。可見，無論是金融學領域還是計算機科學領域，證券市場的媒體效應已經被學術界廣泛證實。

然而，以往的研究通常是基于所有新聞對證券市場整體的影響力的探討，鮮有研究能夠更深層次地探索某類新聞對證券市場局部的影響。特別是在“互聯網+大數據”時代下，海量的互聯網財經新聞究竟是如何影響證券市場的？其對證券市場風險波動更深層次、更細致、更具體的影響又是怎樣的？對于這類問題，學界卻一直沒有給出答案。因此，本書的研究意義主要在于尋求方法學的突破，利用先進的大數據分析手段，將互聯網財經新聞因素引入證券市場風險波動研究中，利用傳統金融計量模型和深度學習框架，從多個維度（施動者、受動者、管理者）深化和拓展了互聯網媒體新聞報道對相關上市公司證券風險波動的影響研究，最終從投資者認知行為、上市公司治理、金融市場監管三個不同的角度給予建議。不管是在理論層面還是現實層面，本書都具有十分重要的研究意義。

1.1.2.1　理論意義層面

本書從大數據分析的方法學視角，為證券市場媒體效應領域的研究提出了一套切實可行的基于大數據分析技術的解決方案和理論框架。傳統金融學關于證券市場媒體效應的研究通常以事件分析法為主導，僅將媒體濃縮成一個“點”，考察媒體事件發生與否同證券市場波動的關聯。顯然，這種研究模式在大數據時代下顯得相形見絀。“大數據”為我們獲取事物最真實的本質帶來了契機，本書從文本大數據的角度出發，不再局限于具體案例分析和抽樣統計，而是通過對海量數據進行直接的分析，利用智能化的文本大數據收集、整理、分析技術，深層次地定量解析新聞內容、公司屬性、管理者媒體行為對中國證券市場波動的影響狀況。

本書從施動者（媒體）、受動者（公司）和管理者三個維度，更深入、細致、具體地探索了證券市場媒體新聞效應，為更深層次地認知證券市場媒體效應提供了理論依據。在施動者層面，本書有利于人們更加深刻地理解異質性新聞在證券市場波動中的作用機理。在受動者層面，本書填補了國內外研究的空白，率先進行了行業之間媒體效應的比較性研究，證實了新聞在各行業中的影響力差異性。在管理者層面，本書從高層梯隊理論（upper echelons theory）出發，探討了公司高層管理者的媒體行為特質與公司在證券市場上的表現的關系。

對于復雜經濟系統研究，金融學依循解構思維，利用數理統計模型或經濟計量模型逐一分析不同因素對系統的影響。然而，復雜系統的運動一定是各種因素交叉融合、相互作用的合力結果。傳統的金融計量方法難以捕捉這一過程的全貌。本書從系統論出發，利用深度學習機制，提出了一個智能計算框架，用整體、連續，而非單一的數據關系，研究復雜市場因素對證券市場新聞媒體效應的綜合影響。希望通過這一系列研究，為探尋金融學資產定價經典命題背后的經濟運行機制，提供一個智能計算的思維方式，為復雜經濟系統風險研究拓展一個基于智能計算思維量化的新領域。

1.1.2.2　現實意義層面

本書從金融市場監管、上市公司治理、投資者認知行為三個不同的角度，為證券市場實踐提供重要的理論參考和決策輔助。具體而言，本書在為市場監管政策和信息披露機制的制定提供理論依據方面，建議監管機構應該針對上市公司的不同情況制定不同的信息披露機制，特別是在上市公司處于政策扶持、重組并購或違規受罰等重大決策情況時；在為上市公司治理與規范運作提供決策輔助方面，建議上市公司積極維護公司媒體形象和信譽，時刻關注和監控相關互聯網新聞，建議高層管理者積極參與市場信息的發布與傳播，消除與投資者的信息不對稱；在為投資者減少非理性投資行為、保護投資者利益方面，建議加強對投資者投資知識的普及，提升其有效鑒別高波動、高風險行業的股票的能力以及保持投資情緒穩定的能力，避免錯誤情緒引發的投資者群體性運動，造成市場的“羊群效應”。