金融研究中的新闻分析框架及应用_黄诒蓉

引言
当今世界是信息的世界。自互联网的快速发展之 后，信息的类型和规模均有十分迅速的增长，各种新闻 机构的信息密集程度如此之高，以Thomson Reuters为 例，它每天公开发布的新闻信息超过4000多项。来自 四面八方的新闻信息迅速涌入金融市场，对金融交易者 和投资者的情绪以及对市场的认知和理解将产生较强而 又复杂的影响，进而对资产价格、波动和风险产生影响 (diBartolomeo & Warrick，2005[5]；Tetlock，2007[26]； Barber & Odean，2008[2]； Mitra et al.，2009[18])。金融
微观结构
金融研究中的新闻分析框架及应用
黄诒蓉
(中山大学管理学院，广东 广州 510275)
摘要：近两年在国外兴起的金融学新兴分支交叉学科——新闻分析学已得到越来越多国外学者和欧美金融交易者的关 注、研究和应用。新闻分析综合采用计算机、网络、语言处理、文本挖掘、金融工程等多种学科技术自动阅读和分析来 自各种渠道的大量新闻信息，并把分析结果反馈到数量化策略中，把大量数据转化成可以付诸实施的思想，可以大大提 高金融交易、投资和风险决策尤其是数量和算法交易决策的执行与管理能力。鉴于该项技术尚未在国内得到关注、研究 和应用，本文拟对新闻分析的整合框架及其在交易决策和风险管理中的重要应用进行简要阐述，以期为我国金融交易的 研究和实践起到抛砖引玉的作用。 关键词：新闻分析学；新闻情绪；新闻信息；金融交易；风险管理 Abstract: News analytics as a new branch of finance has been more and more studied and applied by the scholars and financial traders in America and Europe during the past two years. It applies many technologies from a number of disciplines including computing, network theory, language processing, text mining as well as financial engineering to automatically read and analyze the news information from all kinds of news streams, and feed the results into quantitative strategies, turn mass information to the practical ideas. Therefore, it could enhance the abilities of investing, trading strategies making and risk managing especially the quantitative and algorithmic trading. However, this new technology has never been concerned and studied in China. This paper introduces the framework of news analytics and its applications to trading strategies and risk management, helping to guide the future research and application of news analytics to finance in China. Keywords: news analytics, news sentiment, news information, financial trading, risk management 作者简介：黄诒蓉，经济学博士，中山大学管理学院副教授，研究方向：金融计量分析与风险管理。 中图分类号：F830.91 文献标识码：A
根据公布时间不同，新闻信息可以划分成两类：一 是同步公告信息，通常按预定的时间和以结构性形式进 行存取、传送和发布，又称预期新闻；二是非同步公告 信息，其存取、传送和发布时间通常不能提前预知，完 全由事件驱动，通常采用非结构性形式，又称非预期新 闻。第一种分类中的第二类新闻通常属于同步公告信 息，而第一、三、四种通常属于非同步公告信息。
从分析的对象来看，新闻分析包含三个层面：第一 层面是文本(Text)，新闻分析的作用在于通过编号、筛 选、分类和归纳等方式将文本转化成信息；第二层面是 内容(Content)，将文本的范畴扩展到图片、时间、文本 形式(邮件、博客、页面等)、格式(如html、xml等)、来源 等等，这样具有内容的文本具有更高的价值；第三层面 是背景(Context)，即为各项信息之间的关联性，它们的数 据总量依次增加，其算法的复杂性也依次增加。
交易的成功与否考验的是交易者对来自四面八方信息的 处理和吸收能力。有些交易者能够及时地获取到这些信 息，同时能够迅速对其消化和处理，并能够及时地对资 产头寸进行调整。然而，由于市场有效性不足，并不 是所有交易者都能够均匀、及时、有效地获取和处理信 息；而且交易者面临的更大挑战是，通过传统的人工方 式去获取和处理如此海量的信息(含文本信息)已经越来 越无能为力，远远无法满足金融交易尤其是高频交易的 强大需求。若交易者未能利用或充分利用大量的新闻信 息，他们就不能做出有效的投资决策，从而无法获取超 过市场平均的交易业绩(即Alpha收益)。由此看出，利用
二、新闻信息的影响 一般情况下，来源于不同新闻渠道的新闻信息对市 场产生的影响是不同的。在上述第一种分类中，从第一 种到第四种新闻信息的可信性程度依次降低，对市场和 投资情绪会产生不同的影响，比如，个人投资者比机 构投资者更加关注第一、二种新闻信息(Das & Chen， 2007[4])。具有不同内容的新闻信息对市场也会产生不同 的影响，比如，Moniz et al.(2009)[19]发现，市场对与公司 盈余相关的新闻比公司战略新闻具有更强的反应，可能 原因在于战略新闻更难进行量化和引入到评估模型中， 市场对该类新闻的合适反应就更难。因此，为核实新闻 信息的真实性和可信性，金融机构通常需要对所发布和 接收的新闻信息进行审核和筛选。比如，美国证券交易
证券市场导报 2013年1月号
37
微观结构
机器代替人工来自动读取和处理大量的新闻信息是未来 的发展趋势，而且随着计算机技术的不断发展和自动化 交易的迅速增加，这种技术完全可以实现并可获得广泛 应用。
在此背景下，金融学的一个新兴分支学科——新闻 分析学(News Analytics，简称NA)在国外学界悄然兴起， 并在近两年内获得了广泛的关注和研究，目前得到越来 越多的美国和欧洲交易者的使用。新闻分析是指通过计 算机技术和网络技术对各种原始新闻(非结构性数据)的诸 如情绪(Sentiment)、关联性(Relevance)和新颖性(Novelty) 等各种定量和定性特性进行测度和分析(Wikipedia， 2012[28])，以定量的方式来表达定性的特性，以反映这些 新闻对市场和投资者的影响。在该分析框架下，机器不 仅可以直接阅读新闻，而且还可以解读新闻信息，并将 这些结果直接传送到交易和投资策略中，提高投资和交 易决策水平，帮助发现新的机会和产生Alpha效应，为我 们的交易和投资决策提供了一个具有重要实践意义的全 新视角和有效工具。
新闻分析的整合框架
一、新闻Байду номын сангаас析的基本原理
图1 1984~2004年S&P500个股的新闻事件研究结果
新闻分析旨在通过计算机和网络等现代工具直接对 来自各种新闻渠道的大量新闻信息进行读取、分类和归 纳，采取合适的量化技术对新闻信息的情绪、关联性和 新颖性等各种特性进行计量分析，并通过诸如机器能够 阅读的XML或者.CSV文档等各种格式将分析结果直接传 送到交易者的自动交易算法中，从而实现将大量新闻数 据转化成可付诸实施的思想，使得投资决策更为迅速和 有效。
38
证券市场导报 2013年1月号
微观结构
所通常会对其信息公告栏进行监控，尽管远非完美，但 对信息公告发布及影响会起到一定的监管作用。
新闻信息对市场产生的影响通常通过新闻情绪来 反映，新闻情绪通常表现为正面、负面和中性三种结 果。新闻情绪变化可通过新闻情绪指数(News Sentiment Index，简称NSI)来反映，比如新闻分析的领导者 RavenPack公司可以提供RavenPack情绪指数。现有研 究表明，具有不同情绪的新闻信息对股票市场产生不同 的显著影响，可以通过构造投资策略获取超额收益。 Tetlock et al.(2008)[27]利用1984年至2004年期间出现在 Wall Street Journal(简称WSJ)和Dow Jones News Service(简 称DJNS)的S&P500公司的350,000个新闻故事进行分析， 发现具有正面和负面情绪的新闻信息发布对累积超常收 益具有方向相反的显著影响，而且累积超常收益在新闻 发布日之前就开始对新闻信息发布做出反应，这说明市 场可能存在新闻信息泄漏的现象，如图1所示。目前的 研究文献基本达成共识，股票收益对负面新闻比正面新 闻的反应更加强烈(T e t l o c k，2007[26])，而且市场存在正 面情绪偏差，即正面新闻信息流量比负面新闻信息流量 更大(Das & Chen，2007[4])，该种偏差在牛市时表现更 为明显，正面新闻信息流量是负面新闻信息流量的2倍 (RanvenPack，2010[21])。RavenPack的研究团队(2012)[23] 最新研究成果表明，通过买入正面新闻情绪的股票而卖 出负面新闻情绪的股票的投资策略可以获得一直持续为 正的收益，80%的新闻情绪对累积平均收益的影响发生 在日内，而另外20%会延续到1~2天后发生。
尽管由于新闻分析学在国外提出的时间较短，还存 在着许多不成熟之处，许多问题有待我们继续进行深入 探讨，比如如何有效地将新闻分析结果引入到投资者的 投资决策过程和数量交易模型中则是一个开放的问题， 但是我们相信，随着国际金融市场的不断发展和自动化 交易的不断增加，该技术或学科将具有十分广阔的应用 前景。尤其在我国，国内学者尚未对该学科进行关注和 研究，在国内的金融交易中尚未引入该项技术，不过， 随着我国金融市场的纵深发展，新闻分析学的引入、开 发和应用是我国金融交易未来发展的必然趋势。鉴于 此，本文将对新闻分析学的原理、方法及其在交易决策 和风险管理中的重要应用进行简要阐述，以期为我国金 融交易的研究和实践起到抛砖引玉的作用。
新闻信息的主要来源及影响
一、新闻信息的主要类型 根据新闻载体不同，新闻信息一般来源于如下四种 形式(L e i n w e b e r，2009[15])：一是来自专业新闻机构的新 闻信息。这类新闻构成所有新闻信息的主流，主要由信 誉较好的新闻媒介和机构进行公告，比如电视、广播和
报纸(含网络版)等，以及直接送达交易者办公桌的新闻 专线。互联网改变了新闻分析的过程，标签和索引使得 自动处理成为可能。二是以各种报告形式存在的新闻信 息。这些新闻通常是指一些机构(如证券交易所、法院、 政府、公司等)在正式新闻公告发布前的一些研究报告和 文件，也包括一些预定公告，比如宏观经济新闻、工业 统计、公司盈余公告和公司的其他新闻等。三是来自于 网络和博客公告的新闻信息。这些新闻的信息质量存在 较大的差异，其可信性比前面两种新闻要差些，由于缺 乏任何实体而可能充满不真实的谣言，而且它们的信息 质量存在较大差异，因此，这类信息的价值受到较多质 疑。不过，有些提供者和报告者(比如一些BBC的博客)还 是能够提供可信性强的新闻信息。四是来自公共网络的 新闻信息。由于公众进入这些网站的门槛很低，而且很 容易在这些平台上发布消息，因此，该类新闻信息的质 量处于最低层次。当然，经过仔细筛选，仍可从中发现 一些有价值的信息，至少可帮助我们对未来市场走势有 所预期。