社交媒體關(guān)注度、流動性與信息不對稱

2023年12月31日發(fā)(作者：關(guān)于愛的作文題目)

DOI:10.13546/.2021.01.036管理決策社交媒體關(guān)注度、流動性與信息不對稱高揚1，趙昆1，王耀君2（1.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京100124；2.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京100083）摘要：文章基于社交媒體數(shù)據(jù)分別構(gòu)建個人投資者關(guān)注度和新聞熱度指標(biāo)，探究兩種社交媒體關(guān)注度指標(biāo)與三種股票市場流動性及信息不對稱指標(biāo)之間的交互作用關(guān)系，并分析了個人投資者關(guān)注度和新聞熱度指標(biāo)對股票市場流動性以及信息不對稱程度影響的差異。結(jié)果表明：個人投資者關(guān)注度的增加首先在短期內(nèi)會顯著地引起股票市場的知情交易概率（PIN）降低，即信息不對稱程度降低，流動性提升，隨后又會導(dǎo)致PIN小幅上升，信息不對稱程度增加；新聞熱度的增加也會顯著地引起股票市場的PIN下降，以及買賣價差或非流動性比率下降，即流動性變強(qiáng)，但這種效應(yīng)并不顯著。此外，股票市場的流動性和信息不對稱程度反過來也會對個人投資者關(guān)注度和新聞熱度指標(biāo)造成影響。關(guān)鍵詞：投資者關(guān)注度；社交媒體；流動性；信息不對稱；PIN中圖分類號：F830.91文獻(xiàn)標(biāo)識碼：A文章編號：1002-6487（2021）01-0170-04量投資者關(guān)注度方面，學(xué)者們多采用社交媒體數(shù)據(jù)，并探0引言隨著互聯(lián)網(wǎng)的發(fā)展，投資者傾向于在網(wǎng)絡(luò)社交媒體上了解信息和表達(dá)觀點，從而影響其投資行為，進(jìn)而對股票市場產(chǎn)生影響。而流動性作為衡量交易成本和市場有效同樣影響我國股票市性的指標(biāo)，受到信息不對稱的影響[1]，場的穩(wěn)定發(fā)展。因此，研究社交媒體關(guān)注度對股票市場流動性以及信息不對稱程度的影響十分重要。近年來，在度[2]基于東方索其與市場微觀結(jié)構(gòu)的關(guān)系。段江嬌等（2017）財富網(wǎng)股吧論壇的帖子構(gòu)造投資者情緒指標(biāo)，發(fā)現(xiàn)論壇信[3]通過息含量與收益率之間有相關(guān)作用;陳衛(wèi)華等（2018）股吧發(fā)帖數(shù)增長率數(shù)據(jù)對滬深300指數(shù)波動率進(jìn)行了預(yù)[4]提出測。此外，在探究知情交易方面，Easley等（1996）EKOP模型，對知情交易概率（ProbabilityofInformedTrad-[5]則通過PIN指標(biāo)揭示ing，PIN）進(jìn)行測度。張宗新（2008）了我國上市公司很多重大事件均與私人信息交易行為存基金項目：國家自然科學(xué)基金青年項目（61603010；61703014）；中國博士后科學(xué)基金資助項目（2017M610671）作者簡介：高揚（1988—），女，山東煙臺人，博士，副教授，研究方向：金融市場微觀結(jié)構(gòu)。趙昆（1996—），女，北京人，碩士研究生，研究方向：金融計量。（通訊作者）王耀君（1985—），男，山西忻州人，博士，講師，研究方向：機(jī)器學(xué)習(xí)、金融工程。[8]BebchukL,houtPerformance:TheUnfulfilledProm?2004.參考文獻(xiàn)：[1]DarrenB，DevrimiK，ndCapitalStructureMimick?inginConcentratedMarkets:TheRoleofIncumbents'FinancialDis?closures[J].JournalofAccountingandEconomics,2020，(1).iofExecutiveCompensation[M].Boston:HarvardUniversityPress,[9]DemerjianP,Lewis-WesternM,sIntentionalEarn?ing,AuditingandFinance,2020,35(2).報，2018,15(8).[2]EunCS,ationalSourcingandCapitalStructure[J].[3]LearyMT,sRebalanceTheirCapitalStruc?[4]?ZtekinO,utionalDeterminantsofCapitalStruc?(103).tures?[J].JournalofFinance，2005，(60).ReviewofFinance,2016,(2).ingsSmoothingVaryWithManagerialAbility?[J].JournalofAccount?[10]李追陽，余明桂“雙重管制”.對企業(yè)創(chuàng)新的影響研究[J].管理學(xué)[11]HolcombTM,theMostofWhatYouHave:ManagementJournal,2009,(30).會計研究，2017,(1).tureAdjustmentSpeeds[J].JournalofFinancialEconomics,2012,ManagerialAbilityasaSourceofResourceCreation[J].Strategic[5]FaulkenderM,FlanneryM,owsandLeverageAd?[6]shFlow,CEOAbilityandFirmPerformance[J].SS?[7]ChangY,DasguptaS,lity,Pay,andFirmPerfor?mance[J].ManagementScience,2010,56(10).統(tǒng)計與決策2021年第1期·總第565期[12]步丹璐，張晨宇,林騰.晉升預(yù)期降低了國有企業(yè)薪酬差距嗎？[J].[13]BonsallSB,HolzmanE,rialAbilityandCredit[14]王曾,符國群,黃丹陽,等.國有企業(yè)CEO“政治晉升”與“在職消費”關(guān)系研究[J].管理世界,2014,(5).RiskAsssment[J].ManagementScience，2017,63(5).justments[J].JournalofFinancialEconomics，2012，103(3).RNElectronicJournal,2017.（責(zé)任編輯/方思）170

管理決策在密切聯(lián)系。然而研究投資者關(guān)注度與股票市場流動性關(guān)系方面的文獻(xiàn)較少，Ding等（2015）[6]發(fā)現(xiàn)以Google搜索指數(shù)度量的投資者關(guān)注度的增加有助于提升股票市場的流動性，Gao等（2018）[7]則發(fā)現(xiàn)360搜索指數(shù)構(gòu)建的投資者關(guān)注度指標(biāo)有助于降低信息不對稱程度，提升股票市場的流動性。相比以往的文獻(xiàn)，本文的創(chuàng)新之處有兩點：一方面，本文構(gòu)造個人投資者關(guān)注度和新聞熱度指標(biāo)，代表了不同來源的投資者群體的看法和關(guān)注程度，探究了二者對股票市場微觀結(jié)構(gòu)特征的影響及差異。另一方面，采用多種流動性及信息不對稱程度的度量指標(biāo)，基于PVAR模型研究了社交媒體關(guān)注度與股票市場流動性以及信息不對稱程度的作用關(guān)系。本文的研究結(jié)果有助于監(jiān)管者有效地引導(dǎo)并監(jiān)管投資者的行為，進(jìn)而降低股票市場的信息不對稱程度，提升市場的流動性。1研究設(shè)計1.1數(shù)據(jù)來源本文研究樣本為滬深300指數(shù)成分股，研究區(qū)間為2014年1月1日至2016年12月31日。數(shù)據(jù)來自優(yōu)礦金融量化平臺和RESSET高頻數(shù)據(jù)庫，其中，優(yōu)礦金融量化平臺提供的股吧論壇和社區(qū)數(shù)據(jù)來自東方財富網(wǎng)股吧、和訊股吧等國內(nèi)主流股吧論壇以及雪球網(wǎng)社區(qū)，新聞熱度數(shù)據(jù)來自東方財富網(wǎng)、和訊網(wǎng)、新浪財經(jīng)等主要的國內(nèi)財經(jīng)新聞網(wǎng)站。1.2變量選取1.2.1社交媒體關(guān)注度本文根據(jù)股吧論壇和雪球網(wǎng)社區(qū)中發(fā)表帖子數(shù)量構(gòu)建個人投資者關(guān)注度；根據(jù)財經(jīng)新聞網(wǎng)站報道的股票相關(guān)新聞數(shù)量合成新聞熱度指標(biāo)，并將每個交易日的兩個指標(biāo)按照周度進(jìn)行平均，變量分別記為NUM和HEAT。1.2.2流動性及信息不對稱指標(biāo)（1）報價價差。報價價差是最常用的買賣價差度量方法之一，衡量交易成本的大小，報價價差越大意味著市場的流動性越差。對于給定的股票i在時刻t的股票報價，價差被定義為：QS=lnPask-lnPbidititit（1）其中,PbidPaskit、it分別為時刻t的最高買價和最低賣價。由于我國股票市場為指令驅(qū)動市場，通常采用指令簿中5檔的最優(yōu)買賣報價計算指令驅(qū)動市場中某只股票i在t時刻的報價價差：?55AskkQkkk=1itaskit?Bidkk=1itQbiditQSit=?5-5（2）Qkkk=1askit?Qk=1bidit其中,Bidk、Askkitit分別為t時刻第k檔的對數(shù)買賣報價，Qkkaskit、Qbidit則分別為t時刻對應(yīng)的第k檔的買賣報單量(k=1,2,3,4,5)。本文將報價價差按照周度對區(qū)間內(nèi)的所有QSit進(jìn)行加權(quán)平均，記為QS。（2）Amihud非流動性比率。Amihud（2002）[8]提出了一種衡量非流動性比率的價格響應(yīng)指標(biāo)，該數(shù)值越大，說明市場的流動性越差。此外張崢等（2014）[9]發(fā)現(xiàn)Amihud非流動性比率可以較好地度量流動性中的信息不對稱程度，對于中國證券市場的流動性測度的適用性最強(qiáng)。該指標(biāo)定義為：nAMIHUD=1n?|rt|）t=1V（3t其中，rt是第t天的日收益率，Vt是第t天的成交量，并且該平均值是在所有正成交量基礎(chǔ)上按照某一周期進(jìn)行計算的，本文基于周度數(shù)據(jù)計算非流動性比率，記為AMIHUD。（3）日度PIN指標(biāo)。Easley等（1996）[4]首先提出了直接度量知情交易概率PIN的EKOP模型，通過計算每個交易日買賣雙方發(fā)起的交易數(shù)量，可以直接估計知情交易概率的大小，進(jìn)而衡量股票市場信息不對稱的程度。定義為：PIN=αμαμ+2ε（4）其中，概率α為是否有新消息產(chǎn)生，μ和ε分別為知情交易者和非知情交易者提交買賣訂單的到達(dá)速率。為解決極大似然估計過程中可能出現(xiàn)的計算溢出問題，郇鈺等（2018）[10]提出了基于日內(nèi)5分鐘高頻交易數(shù)據(jù)計算日度PIN的估計思路，為信息不對稱的測度提供了新的度量方法。對于每只股票，本文根據(jù)其每天買方和賣方發(fā)起交易的5分鐘訂單數(shù)量計算日度PIN值，并按照周度進(jìn)行平均，得到每只股票周度的PIN值，記為PIN。1.3模型構(gòu)建本文運用PVAR（PanelVectorAutoregression）模型來研究個人投資者關(guān)注度和新聞熱度對我國股票市場流動性及信息不對稱程度的影響以及差異。模型設(shè)定如下：pYit=Φ0+?ΦjYit-j+μ（5）i=1i+εit其中，Yit=(NumitHeatitXit)，Xit?{QSitAmihuditPINit}，μi為個體固定效應(yīng)，Φj(j=01p)為估計參數(shù)，p為滯后階數(shù)，εit為隨機(jī)擾動項。本文首先采用Helmert變換進(jìn)行前向均值差分，消除個體固定效應(yīng)，然后采用GMM方法估計模型中的各參數(shù)，并基于此進(jìn)行脈沖響應(yīng)函數(shù)分析，最后采用Dumitrescu等2012）[11]提出的面板Granger因果檢驗方法對各變量之間的因果關(guān)系進(jìn)行檢驗，動態(tài)地刻畫個人投資者關(guān)注度和新聞熱度與我國股票市場流動性及信息不對稱程度之間的交互作用關(guān)系。2實證分析2.1回歸結(jié)果分析本文各變量通過面板單位根檢驗，因此可以直接構(gòu)建統(tǒng)計與決策2021年第1期·總第565期171（

管理決策PVAR模型展開分析。表1和表2分別展示了基于NUM、HEAT和QS（AMIHUD）三變量的PVAR（3）估計結(jié)果。表1基于NUM、HEAT和QS三變量的PVAR（3）估計結(jié)果QSNUMHEATQS(-1)0.488***2.933***2.837***QS(-2)0.221***2.364***2.138***QS(-3)0.207***2.630***2.777***NUM(-1)-0.002***0.777***0.214***NUM(-2)0.0005*0.312***0.113***NUM(-3)0.0000.241***0.129***HEAT(-1)-0.001*-0.675***-0.222***HEAT(-2)-0.001-0.493***-0.256***HEAT(-3)0.000-0.437***-0.277***注：***、**以及*分別表示1%、5%以及10%的顯著性水平。下同。表2基于NUM、HEAT和AMIHUD三變量的PVAR（3）估計結(jié)果AMIHUDNUMHEATAMIHUD(-1)0.253***0.184***0.213***AMIHUD(-2)0.172***0.135***0.160***AMIHUD(-3)0.0110.0260.021NUM(-1)-0.049***0.806***0.240***NUM(-2)-0.0030.327***0.125***NUM(-3)0.0030.246***0.130***HEAT(-1)-0.005-0.684***-0.220***HEAT(-2)0.005-0.495***-0.246***HEAT(-3)0.000-0.440***-0.265***從表1和表2的估計結(jié)果可知，對于QS和AMIHUD而言，滯后一期NUM的增加會引起股票市場的買賣價差或非流動性比率顯著下降，即股票市場的流動性變高。此外，QS和AMIHUD指標(biāo)反過來也會影響NUM或者HEAT，買賣價差越高，非流動性比率越大，即股票市場的流動性越差，投資者們在社交媒體上的關(guān)注度就會越高。表3給出了基于NUM、HEAT和PIN三變量的PVAR（3）估計結(jié)果。表3基于NUM、HEAT和PIN三變量的PVAR（3）估計結(jié)果PINNUMHEATPIN(-1)0.397***4.445***3.916***PIN(-2)0.235***3.171***3.089***PIN(-3)0.222***3.428***3.500***NUM(-1)-0.002***0.766***0.204***NUM(-2)0.001**0.303***0.105***NUM(-3)0.002***0.227***0.117***HEAT(-1)-0.003**-0.560***-0.115***HEAT(-2)-0.003**-0.393***-0.163***HEAT(-3)-0.002*-0.325***-0.173***由表3結(jié)果可知，NUM和HEAT對PIN具有顯著的影響，并且PIN反過來也會影響NUM和HEAT。然而，兩種關(guān)注度對股票市場信息不對稱程度的影響存在差異。一方面，滯后一期的NUM增加，在1%的顯著性水平下，首先會使得股票市場的PIN值降低，信息不對稱程度降低，但是隨后滯后二期和三期的信息不對稱程度又會導(dǎo)致知情交易概率上升，信息不對稱程度增加，這一結(jié)論與QS和AMIHUD兩種流動性指標(biāo)的估計結(jié)果略有不同。另一方面，在5%的顯著性水平下，HEAT的增加會引起股票市場知情交易概率下降，信息不對稱程度下降，市場的有效性提升。通過分析表1至表3的實證結(jié)果均可以發(fā)現(xiàn)，相比172統(tǒng)計與決策2021年第1期·總第565期HEAT，NUM對股票市場流動性或者信息不對稱程度的影響更大。主要原因是中國股票市場中個人投資者比例較高，其交易特征更容易受個人投資者行為的影響。而新聞本身蘊含的信息和情感傾向相對中立，所以機(jī)構(gòu)投資者的行為對股票市場的流動性或信息不對稱程度等微觀結(jié)構(gòu)特征的影響程度較低。此外，不論是NUM還是HEAT，PIN值增加，即股票市場信息不對稱程度越高，社交媒體中投資者們對該股票的關(guān)注度就越高。在股票市場的信息不對稱程度較為嚴(yán)重時，個人投資者此時更加傾向于在股吧論壇或雪球社區(qū)等社交媒體網(wǎng)絡(luò)進(jìn)行發(fā)帖討論，機(jī)構(gòu)投資者也更樂于發(fā)表與股票相關(guān)的新聞，這一結(jié)論與QS和AMIHUD的回歸結(jié)果是一致的。2.2脈沖響應(yīng)分析圖1至圖3分析展示了兩種關(guān)注度與QS、AMIHUD、PIN之間的響應(yīng)情況。其中，實線為脈沖響應(yīng)，虛線為95％的置信區(qū)間，置信區(qū)間采用蒙特卡洛模擬500次，橫坐標(biāo)為沖擊發(fā)生的滯后期數(shù)（單位：周），縱坐標(biāo)表示各變量受沖擊的響應(yīng)。圖1基于NUM、HEAT和QS三變量的PVAR（3）模型的脈沖響應(yīng)圖圖2基于NUM、HEAT和AMIHUD三變量的PVAR（3）模型的脈沖響應(yīng)圖由圖1至圖3可知，一個單位標(biāo)準(zhǔn)差NUM的沖擊將導(dǎo)致短期內(nèi)QS、AMIHUD以及PIN指標(biāo)減小。三種信息不對稱或者非流動性指標(biāo)的響應(yīng)路徑也大致相同，均在第一期達(dá)到最大絕對值的響應(yīng)，然后負(fù)向響應(yīng)逐漸減小，最終趨向于零。類似地，一個單位標(biāo)準(zhǔn)差HEAT的沖擊將導(dǎo)致短

管理決策圖3基于NUM、HEAT和PIN三變量的PVAR（3）模型的脈沖響應(yīng)圖期內(nèi)PIN指標(biāo)減小，在第一期達(dá)到最大絕對值的響應(yīng)，然后負(fù)向響應(yīng)逐漸減弱。然而，對于QS和AMIHUD而言，一個單位標(biāo)準(zhǔn)差HEAT的沖擊響應(yīng)在當(dāng)期為正值，第一期轉(zhuǎn)為負(fù)值，隨后QS和AMIHUD指標(biāo)的響應(yīng)值均轉(zhuǎn)為正值，并最終趨向于零。對于NUM或HEAT，不論是一個單位QS、AMIHUD還是PIN指標(biāo)的沖擊，對社交媒體關(guān)注度指標(biāo)的沖擊響應(yīng)都是類似的，即沖擊響應(yīng)均為正值，隨著期數(shù)的推移先到達(dá)一個峰值，然后正向響應(yīng)逐漸減小至零。由此可見，脈沖響應(yīng)圖的分析與表1至表3中的回歸結(jié)果是一致的。2.3Granger因果檢驗圖4給出了在10%的顯著性水平下NUM、HEAT與QS、AMIHUD和PIN之間Granger因果關(guān)系的示意圖。NUMHEATNUMHEATNUMHEATQSAMIHUDPIN圖4面板Granger因果檢驗方向圖由圖4可知，NUM和QS、AMIHUD、PIN之間均存在雙向的面板Granger因果關(guān)系，這與表1至表3的回歸結(jié)果相一致。然而，HEAT只與QS、PIN指標(biāo)之間存在顯著的雙向因果關(guān)系，與AMIHUD指標(biāo)之間只存在單向的因果關(guān)系，即AMIHUD指標(biāo)的變化會引起新聞熱度的變化，但反之并不成立。3結(jié)論本文分別構(gòu)建社交媒體個人投資者關(guān)注度和新聞熱度指標(biāo)，并基于PVAR模型探究兩種社交媒體投資者關(guān)注度指標(biāo)與股票市場流動性或信息不對稱程度之間的作用關(guān)系，并重點分析個人投資者關(guān)注度和新聞熱度兩種不同來源的關(guān)注度指標(biāo)對股票市場流動性以及信息不對稱程度影響的差異。主要結(jié)論如下：（1）基于社交媒體數(shù)據(jù)構(gòu)造的關(guān)注度指標(biāo)確實對股票市場的流動性及信息不對稱程度造成影響，然而不同來源的關(guān)注度對股票市場的影響作用存在差異。對于PIN指標(biāo)而言，個人投資者關(guān)注度的增加首先在短期會引起股票市場的知情交易概率降低，市場透明度上升，但是隨后又會導(dǎo)致知情交易概率小幅上升，信息不對稱程度增加；同時，滯后一期至三期新聞熱度的增加也均會引起股票市場知情交易概率顯著下降，即信息不對稱程度下降，市場有效性提升。對于QS和AMIHUD指標(biāo)而言，只有滯后一期個人投資者關(guān)注度的增加會引起股票市場的買賣價差或非流動性比率下降，市場的流動性變高。兩種社交媒體關(guān)注度指標(biāo)對股票市場流動性以及信息不對稱程度的影響產(chǎn)生差異的主要原因是相比機(jī)構(gòu)投資者，中國股票市場中個人投資者比例更高，因此個人投資者的行為更容易對股票市場的微觀結(jié)構(gòu)特征產(chǎn)生影響。（2）股票市場的流動性和信息不對稱程度反過來也會對個人投資者關(guān)注度和新聞熱度指標(biāo)造成影響。股票市場知情交易概率的增加，買賣價差變大，非流動性比率提高均會導(dǎo)致兩種關(guān)注度的增加。即股票市場信息不對稱程度越高，流動性越弱，個人投資者越傾向于在股吧論壇或雪球社區(qū)等社交媒體網(wǎng)絡(luò)發(fā)帖討論，機(jī)構(gòu)投資者也更愿意發(fā)表更多的相關(guān)新聞。（3）個人投資者關(guān)注度與股票市場的信息不對稱或流動性指標(biāo)之間均存在雙向的面板Granger因果關(guān)系，而新聞熱度指標(biāo)只與PIN和QS指標(biāo)存在雙向的Granger因果關(guān)系，與AMIHUD非流動性比率之間僅存在單向的Granger因果關(guān)系。參考文獻(xiàn)：[1]GlostencialistMarketLR,,AskandInformedTransactionTradersPrices[J].JournalinaSpe?[2]段江嬌Financial,劉紅忠Economics,,曾劍平1985,.中國股票網(wǎng)絡(luò)論壇的信息含量分析14(1).of融研究,2017,(10).[J].金[3]陳衛(wèi)華精度研究,徐國祥[J].管理世界.基于深度學(xué)習(xí)和股票論壇數(shù)據(jù)的股市波動率預(yù)測,2018,34(1).[4]EasleyfrequentlyD,KieferTradedNStocksM,O'Hara[J].TheM,ity,Information,andIn?[5]張宗新.內(nèi)幕交易行為預(yù)測:理論模型與實證分析JournalofFinance,1996,51(4).2008,(4).[J].管理世界,[6]DingJournalR,InvestorAttentionandStockLiquidity[J].[7]Gao2015,Asymmetry:Y,(37).FinancialMarketsInstitutions&Money,WangEvidenceYJ,WangFromC,et360SearchAttentionDataandontheInformationStockMarket[J].PhysicaA,2018,(510).Chine[8]idityandStockReturns:Cross-ctionandTime-?[9]張崢riesEffects[J].JournalofFinancialMarkets,2002,5(1).于買賣價差的實證分析,李怡宗,張玉龍,等.[J].中國股市流動性間接指標(biāo)的檢驗經(jīng)濟(jì)學(xué)(季刊),2014,13(1).——基[10]會行政處罰案例的研究郇鈺,高揚.中國股票市場信息不對稱測度的比較[J].證券市場導(dǎo)報,2018,(8).——基于證監(jiān)[11]DumitrescuerogeneousPanelsEI,Hurlin[J].gModelling,forGranger2012,Non-causality（責(zé)任編輯29(4).inHet?/余洋）統(tǒng)計與決策2021年第1期·總第565期173