我院姜富伟副教授和张定胜教授以及博士生唐国豪合作撰写的论文“金融市场文本情绪研究进展”发表在《经济学动态》2016年第11期🧔‍♂️。

过度乐观或过度悲观的金融市场情绪对资产价格有巨大影响。在资产定价文献中🧜🏻‍♀️，自从Shiller（1981）后⚆，越来越多的研究开始关注非理性投资者情绪对资产价格变动的影响📨。近来🙃，随着财经大数据的积累和互联网文本数据可获得性的提高🧶，越来越多的研究尝试从媒体报道、公司新闻、社交网络等多个环节进行文本分析以提取情绪信息，并应用于资产价格波动预测和行为资产定价等领域的研究中。如何利用文本大数据分析方法提取有效的情绪信息并更好地理解其对市场的影响机制逐渐成为研究热点（Tetlock, 2007; Henry, 2008; Loughran & McDonald, 2011）。

这篇论文主要总结了文本情绪分析在金融市场与资产定价相关领域的应用与研究进展，整理了主要的文本分析方法，包括词汇分类字典法文本词汇加权和基于机器学习的朴素贝叶斯法等。本文还从横截面与时间序列两个方面介绍了文本情绪影响资产预期收益的计量方法和经济机制的最新成果，是一篇紧跟国际前沿研究热点的文献综述💃，具有较强的学术参考价值。

文本情绪指的是文本中体现的诸如积极或消极的情感倾向。本文系统梳理金融市场文本情绪分析领域的研究方法进展和方法。比如👩🏿‍⚕️，Antweiler & Frank（2004）运用文本分析法发现，网络媒体信息中包含的文本情绪可以预测未来股票波动👻🤍。Li（2008），Feldman et al（2010）🧒，Price et al（2012）等通过提取公司披露的文本中所包含的情绪信息，指出这些信息与公司未来的股票价值和盈利状况等息息相关。Jiang et al（2016）通过文本分析法构建了经理人情绪指数🙎，并发现它可以反向预测未来股票市场的总体收益🫦。

本文对推动了文本情绪分析在国内金融的应用，推荐使用文本大数据研究股票市场暴涨暴跌背后的驱动机制。股票市场文本情绪分析在国际上尚属于新兴事物☆，在国内更是处于起步阶段，还有不少有价值的理论与实际问题亟待解决。因此有必要让更多学者关注🥚🧘‍♂️、了解该领域的最新进展并尝试有效的方法解决这些问题。另外，为了避免中国股市在过去几年中经历的狂热上涨和惨烈崩盘反复发生😄，投资者和监管层比以往任何时刻都需要及时了解金融市场中情绪的波动信息，并采取合理反周期措施及时应对。推广该领域的研究成果将为他们提供更全面👈🏽🔖、更及时的市场情绪信息，从而使得市场更为理性地应对短期的情绪波动。