BIS国际清算银行-Trade-sentiment-and-the-stock-market_-new-evidence-based-on-big-data-textual-analysis-of-Chinese-media_48页_6mb

总结：贸易情绪与股票市场：基于中国媒体大数据文本分析的新证据

核心内容

本研究探讨了中美贸易紧张局势对中国及全球股票市场的影响，利用大数据和文本分析技术构建了一个新的贸易情绪指数（TSI），并评估其在解释60个全球股票市场波动中的作用。研究发现，贸易情绪对股票价格有显著影响，而传统媒体在这一过程中作用有限。

主要观点

• 贸易紧张局势对全球股票市场有重要影响：中美贸易摩擦在2018-2019年间显著影响了全球股票市场，尤其对亚洲市场影响较大。
• TSI的构建方法：TSI基于对中国媒体文本的分析和机器学习方法，特别是深度学习技术，以捕捉文本中的正负情绪，而非仅仅依赖关键词频率。
• TSI的贡献：TSI对股票价格波动的解释力约为10%，其中大部分来自社交媒体（9%），而传统媒体仅贡献1%。
• 市场反应分析：TSI能够解释股票价格的变化，而传统驱动因素（如美元汇率、油价、风险规避指标）和货币政策措施无法完全解释这一变化。
• 行业与企业层面的影响：在美国和中国，那些与中国或美国贸易收入较高的企业，其股票回报对贸易情绪更为敏感。
• 区域影响差异：亚洲市场，尤其是处于中美价值链中的国家，受到贸易紧张局势的影响更大。

关键信息

1. 文献综述

• 贸易保护主义文献：回顾了贸易保护主义对全球经济的影响，以及近期中美贸易摩擦的相关研究。
• 情绪指数文献：分析了现有情绪指数（如市场、调查、搜索、新闻/媒体）的优缺点，并指出TSI作为新的文本分析方法具有独特优势。

2. 数据与方法

• 数据来源：使用Wisers数据库，涵盖2017年1月至2019年6月期间约3.5亿篇中文媒体文章，来自74,020个媒体源。
• 关键词选择：选取了中英文关键词，用于识别与贸易战争相关的文章。
• TSI的构建：
  • TCI（贸易计数指数）：基于关键词频率的简单计数。
  • TSI（贸易情绪指数）：基于卷积神经网络（CNN）和多通道模型（MCCNN）分析文本情绪，捕捉正负语气。
• 情绪分析技术：TSI利用深度学习技术，考虑中文的字符、词语和拼音三种表示形式，以提高情绪判断的准确性。

3. TSI与TCI的比较

• TSI与TCI的相似性与差异：TSI和TCI在2018年大部分时间高度相关，但在2019年由于贸易紧张局势有所缓和，相关性下降。
• 相关性分析：TSI与TCI之间的相关性为-0.75，表明情绪分析与关键词计数存在差异；TSI与TPU（贸易政策不确定性指数）之间的相关性仅为-0.13，说明TSI在方法上与TPU有显著不同。

4. 市场反应分析

• 国家层面：TSI对股票价格波动有显著解释力，尤其是在中美贸易紧张局势加剧时。
• 行业与企业层面：与贸易相关的行业（如信息技术、汽车、金属等）对TSI的反应更为敏感。
• 稳健性检验：研究考虑了非线性反应、异质性以及时区和交易时间的影响，结果仍然稳健。

结论

• 无市场获益：在贸易战争期间，没有股票市场真正受益，所有市场都受到不同程度的负面影响。
• 情绪的重要性：TSI作为情绪指标比传统关键词计数更能准确反映市场反应，显示出情绪分析在金融市场的价值。
• 社交媒体的作用：社交媒体在解释股票价格波动方面比传统媒体更具影响力，这为未来的情绪分析方法提供了新的方向。

数据与模型细节

• 数据覆盖：3.5亿篇文章，涵盖新闻、社交媒体（如微博、微信、论坛）等多种来源。
• 模型应用：TSI用于回归分析，以解释每日对数收益率，控制变量包括油价、美元指数和风险规避指标。

方法创新

• 深度学习与多通道模型：TSI使用CNN和MCCNN方法，能够捕捉文本的语义背景，从而更准确地判断情绪。
• 情绪与频率区分：TSI不仅考虑关键词频率，还分析其语气，从而提升对市场情绪的识别能力。

总体结论

本研究通过构建新的贸易情绪指数（TSI），利用大数据和文本分析技术，展示了情绪在解释股票市场波动中的重要性。TSI比传统方法更有效，尤其是在社交媒体文本分析方面，能够提供更丰富的市场情绪信息，为理解贸易政策对金融市场的影响提供了新的视角。